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：
