交图前的周日晚上。导师在 30 分钟的组会上随手画了模型，你拍了一张白板照片，回家一看——照片有点糊，有两根箭头看不清方向，顶上那个回路到底是反馈还是降解步骤完全凭印象。你要么瞎猜然后图画错，要么发邮件问导师然后整夜泡汤。
AI 科研绘图工作流不会代替你把会议笔记记清楚。但它能把重画这部分从你手里拿走——不用 11 点还在 Illustrator 里推像素。这篇文章讲的是科研人真正在用的工作流：照片或草图进去，结构化提示词在中间，可编辑 SVG 出来。
把工作流变成返工的几种常见错误
- 把 AI 输出当成最终图——模型会给你一张「看起来已经完成」的精修图，但里面的科学关系仍然是你的责任。一定要导出 SVG，标签和箭头都能改。
- 只丢一张照片不写描述——image-to-image 模型会照画面里有的画，而模糊的像素经常被脑补成不存在的连线。文字描述必须和照片同时给。
- 写「请做成 Nature 那种风格」——出来的是装饰，不是清晰度。结构关系必须先于风格描述。
- 丢失方向性——草图里的箭头通常是「这影响那」，但科研图必须区分激活、抑制、跨膜转位、时间方向。必须明确写。
- 跳过核对环节——AI 生成的图经常凭空加节点、加标签。导出前一定要把原图和输出并排核对。
烂提示词 vs 改写后的提示词
以一张磷酸化级联（kinase cascade）的白板照片为例：
太短，得到一张风格化但无法核对的卡通图：
把这张白板照片改成一张干净的科研图。重写后，得到一张可信、可编辑的图：
Convert the attached whiteboard photo into a clean schematic of a kinase signaling cascade.
The sequence is: extracellular ligand → membrane receptor → MAPKKK → MAPKK → MAPK → nuclear transcription factor → target gene.
Use right-arrows for phosphorylation steps, dashed arrows for translocation across the nuclear membrane, and a separate panel for the inhibitor (small molecule blocking MAPKK).
Preserve the exact node names from the photo: do not invent additional proteins or substrates.
Style: clean vector schematic, white background, room for editable labels, no 3D rendering.
Output as a layered SVG so I can correct labels in Illustrator.结构化版本做了两件事是短版本做不到的：明确列出所有节点（模型就没法乱加），明确写出每种箭头的含义（模型就没法瞎猜）。
写在前面：示例提示词保留英文。当前主流模型对英文 token 还原最稳定，中文写脚本、英文写提示词是科研社区通行做法。
哪些 AI 可以猜，哪些必须你来写
这个工作流最关键的决策是：你需要在 prompt 里讲到多细。一个有用的分法：
| AI 可以推断 | 你必须写明 |
|---|---|
| 视觉风格、图标设计、配色 | 每一个组件的名称和标签 |
| 布局比例和间距 | 每根箭头的方向 |
| 背景、装饰元素 | 每根箭头的含义（激活 / 抑制 / 转位） |
| 长宽比、裁剪 | 这张图是概念图还是真实数据图 |
| 通用对象的图标风格（细胞、器官） | 具体分子结构、临床发现、定量数值 |
右边那一列就算照片里画了，prompt 里也必须写一遍。模型从模糊草图里读科学结构的可靠性很差。
示例图
示例明确画出了三个阶段：原始草图、AI 草稿、可编辑图。科学内容三阶段不变，视觉语言一阶段比一阶段干净。注意 AI 草稿不是最终版，可编辑那一层才是。
按素材类型分的可复用模板
把方括号里的内容换成你自己的研究。
1. 白板照片清理
Convert the attached whiteboard photo into a clean scientific schematic of [topic].
The components are: [list every node visible in the photo, in order].
The connections are: [for each arrow, state source → target and what it means (activation, inhibition, translocation, conversion, transport)].
Preserve exact labels from the photo: do not invent additional components.
Style: clean vector schematic, white background, editable labels, no 3D rendering.
Output as a layered SVG.
2. 从实验记录生成方法学图
Create a methods figure from the following protocol notes: [paste protocol].
Group steps into four blocks: [sample preparation], [treatment], [measurement], and [analysis].
Use a horizontal workflow with numbered steps. Keep labels short enough to fit a single-column methods figure.
Show the instrument or assay icon at the measurement step; use a simple bar chart or table icon at the analysis step (no real numbers).
Do not invent missing protocol steps. If a step is unclear in the notes, leave it as a labeled placeholder I can fill in later.
3. 给汇报或基金用的概念图
Draw a conceptual scientific figure explaining [idea or hypothesis].
Components to show: [main actor], [process they undergo], [output or readout], and [feedback or downstream effect].
This is for a [grant panel / department seminar / public talk]. Keep labels readable from 2 meters away.
Use schematic style, not photorealism. No real data values. No journal logos.
4. 引用已发表论文图作为版式参考
Use the attached figure from a published paper as a layout reference only.
Recreate the structure for our own study on [topic]: keep the panel arrangement and arrow style, but replace [their component] with [our component], and update labels to: [list of labels].
Do not copy the exact illustrations. The output must be original and not infringe the source figure.
Style: editable vector, consistent with our previous figures.不同角色的用法
- 第一年研究生：从模板 2（实验记录转方法学图）开始。你的实验记录本身就已经是结构化提示词，只是要重新排版而已。
- 审稿中的 PI：要求学生同时给你草图 + AI 草稿 + 可编辑 SVG。如果学生只有 AI 草稿，说明跳过了核对步骤。
- 准备 talk 的博后：用模板 3。10 分钟的 talk，一张概念图上最多 4 个组件。
- 有白板讨论文化的实验室 / PI：组会结束时拍下白板，当周就用模板 1 处理。拖得越久，画图时的理解漂移越严重。
在 SciDraw AI 里真正可执行的工作流
- 拍干净一点：手机拍草图或白板，光线好，所有组件可见。AI 看到全图之前不要裁切。
- prompt 和图片同时准备：开一个 notes，把每个节点和每根箭头列一遍。这一步强迫你在模型之前先核对自己。
- 先生成一个结构化变体：拿它对照 prompt——而不是对照审美。模型保留了每个节点吗？每根箭头方向对吗？
- 改 prompt，而不是反复生成：图错了改 prompt 重新生成。用同一个错的 prompt 反复抽卡是消耗 credit 最快的方式。
- 导出 SVG 改标签：模型只出栅格图就用 vectorize image 转。最终标签编辑在 Illustrator / Inkscape / PowerPoint 完成。
- 和原图核对：把原始草图和最终图并排放，每个节点、每根箭头都能对上。
导出前 checklist
- 图里的每个组件，要么原草图里有，要么 prompt 里明确加了。
- 每种箭头只有一种意思。
- 没有编造的数字、伪造的期刊 logo、虚假的置信区间。
- 在最终展示尺寸（列宽 / 海报 / 幻灯片）下标签清晰可读。
- 输出是可编辑格式（SVG、分层 PDF 或
.ai），不是扁平栅格。 - 涉及临床或化学内容时，已经过领域专家审核。
相关 SciDraw AI 工作流
科研绘图 · 科研配图生成器 · AI 科学插图 · 图像矢量化
常见问题
草图必须画得很整齐这套流程才管用吗？
不需要。草图可以是马克笔写的手画再拍照。关键是你自己清楚每个组件、每根箭头是什么意思。AI 没法从你自己的模糊处理里恢复结构。
哪些东西绝对不能交给 AI？
精确分子结构、临床表述、定量数值、学科专有符号（数学希腊字母、化学 IUPAC 结构、医学解剖标志）。生成之后必须人工核。
为什么要导出 SVG 而不是直接用 AI 输出？
因为审稿人一定会让你改标签，而标签是 AI 生成图里最脆弱的部分。SVG 把标签存成可编辑文字，不是像素。
怎么判断 AI 编造了内容？
把输出和原图做 diff。把 AI 输出里的每个节点、每根箭头走一遍，确认能追到草图或 prompt 中的某一处。追不到的就是 hallucination。
能用在临床或外科图吗？
可以用来做草稿，绝对不能直接当成终稿。临床图发表或发给病人之前，必须由临床医师或合格的医学插画师审核。AI 是草图工具，不是临床权威。
模型一直加我没要的元素怎么办？
在 prompt 里加显式负向约束："Do not include any components other than the ones listed above." 显式的负向约束比隐式的 "minimal" 要求生效率高得多。
