科研绘图的核心是将研究问题、分析结果与核心结论以清晰、规范且具有说服力的方式呈现出来。随着 AI Skill 生态不断发展，GitHub 上涌现了越来越多 AI 绘图 Skill。
本文结合 GitHub Stars、项目功能及科研适配程度，整理出当前热度较高的 10 个科研绘图 Skill，帮助大家快速找到适合论文写作、实验分析和科研汇报的可视化工具。
| | |
|---|
| Imbad0202/academic-research-skills | |
| K-Dense-AI/scientific-agent-skills | |
| | |
| davila7/claude-code-templates | |
| wanshuiyin/Auto-claude-code-research-in-sleep | |
| aiming-lab/AutoResearchClaw | |
| coleam00/excalidraw-diagram-skill | |
| synthetic-sciences/openscience | |
| | |
| foryourhealth111-pixel/Vibe-Skills | |
项目详解：
01 Academic Research Skills
| 总星数：39.6k⭐，总引用数：3.2k
简介： 一套覆盖研究、写作、审稿、修改与定稿全过程的学术研究 Skill，其中内置了专门面向期刊论文的 Visualization Agent。
具体介绍：该项目拥有独立的 visualization_agent，能够读取论文中的数据与统计结果，自动判断适合的图表类型，并生成 Python Matplotlib、Seaborn 或 R ggplot2 绘图代码。它支持二十几种图形。同时，项目还提供 APA 7.0 图表规范、色盲友好配色、300 DPI 投稿分辨率、单栏与双栏尺寸设置、LaTeX 插图代码以及 VLM 图件核验功能，适合将统计结果直接转化为可用于论文投稿的规范图表。
适用场景： 论文统计、元分析图、相关热图、概念框架。
项目链接：Imbad0202/academic-research-skills
02 Scientific Agent Skills
| 总星数：31.9k⭐，总引用数：3.1k
简介： 一套覆盖多学科科研计算与数据分析的综合型 Skill 集合，能够为 AI Agent 补充专业科学绘图能力。
具体介绍：这是一个大型科研 Skill 集合，内置 scientific-visualization 等科研绘图能力，能够生成投稿级科学图表，包括置信区间、统计分布、热图、多面板图和期刊规范排版。项目可以与 Matplotlib、Seaborn、Plotly 及不同科学计算 Skill 配合使用，覆盖数据分析、时间序列、网络分析、地理空间科学、生物信息学和科学传播等领域。
适用场景： 科研数据分析、统计绘图、综合科学计算。
项目链接：K-Dense-AI/scientific-agent-skills
03 Nature Skills
| 总星数：31.7k⭐，总引用数：1.8k
简介： 一套专门面向 Nature 及高水平期刊的科研表达 Skill，重点解决论文主图、机制图和图形摘要制作问题。
具体介绍：Nature Skills 更强调科研图件的表达逻辑。它会根据论文核心结论组织主图、子图和证据层级，帮助研究者确定不同结果应该如何组合为完整的论文图件。其中的 nature-figure 支持 Python 和 R 绘图工作流，可用于生成 Nature 风格的图片，并对图件尺寸、字体、图例、配色、显著性标注和导出格式进行检查。
适用场景： 论文主图、机制示意、图形摘要、投稿优化。
项目链接：Yuan1z0825/nature-skills
04 Claude Code Templates
简介： 一个大型 Claude Code 模板与 Skill 集合，其中包含可直接调用的专业科研可视化模块。
具体介绍：项目中的 scientific-visualization Skill 支持 Matplotlib、Seaborn 和 Plotly，能够生成多面板图、误差线、置信区间和显著性标记，并提供色盲友好的图表配色。它还支持 Nature、Science、Cell 等期刊常用的图件尺寸与样式设置，可以导出 PDF、EPS、TIFF 等投稿格式。
适用场景： 期刊统计图、显著性分析、多面板图、投稿格式处理。
项目链接：davila7/claude-code-templates
05 ARIS
简介： 一套面向机器学习科研的自动研究工作流，可以根据实验数据自动生成论文结果图。
具体介绍：ARIS 的 paper-figure Skill 可以读取 CSV、JSON 和实验日志，自动生成折线图、柱状图、散点图、热图、箱线图、提琴图和多面板图。该项目尤其适合机器学习和计算实验论文，可以将模型性能、参数变化和消融实验结果转换为标准化图表。
适用场景： 模型对比、消融实验、参数分析、训练结果展示。
项目链接：wanshuiyin/Auto-claude-code-research-in-sleep
06 AutoResearchClaw
简介： 一套从研究想法到论文成稿的自主科研系统，其中 FigureAgent 负责自动生成实验结果图。
具体介绍：该项目内置 FigureAgent，可以在自动研究流程中读取实验结果，生成带误差线、置信区间和条件对比的科研图表，并将图件直接纳入论文生成流程。并且支持 SciencePlots、300 DPI 输出和色盲友好配色，还可以根据实验执行结果自动整理模型比较图、训练曲线和消融实验图。它更适合机器学习、计算机科学和自动化实验研究。
适用场景： 自动化实验、机器学习论文、结果比较、论文图表生成。
项目链接：aiming-lab/AutoResearchClaw
07 Excalidraw Diagram Skill
简介： 一个能够将自然语言研究内容自动转换为 Excalidraw 框架图和流程图的专业绘图 Skill。
具体介绍：这个 Skill 可以将自然语言转化为 Excalidraw 图形，并自动完成概念映射、节点布局、箭头连接、图形渲染和视觉修正。项目还提供内置的视觉检查流程，可以识别文字重叠、箭头错位、间距失衡和布局混乱等问题，并在输出前自动调整。生成的
.excalidraw 文件可以继续手动编辑。
适用场景： 理论框架、作用机制、研究思路、技术路线。
项目链接：coleam00/excalidraw-diagram-skill
08 OpenScience
简介： 一套面向真实科研任务的开源 AI 工作台，可以在同一环境中完成数据分析、代码执行和科研图件生成。
具体介绍：OpenScience 是一套综合科研工作台，包含大量科学分析和可视化 Skill，支持运行分析代码、处理实验数据、生成图件，并在浏览器工作区中直接渲染科研结果。相比单个绘图 Skill，它更适合需要完整实验和分析流程的科研项目。
适用场景： 科学计算、实验分析、数据可视化、综合科研流程。
项目链接：synthetic-sciences/openscience
09 Markdown Viewer Skills
简介： 一套专门在 Markdown 中生成数据图表、流程图、知识图谱和技术架构图的可视化 Skill 集合。
具体介绍：该项目包含 Vega、Vega-Lite、PlantUML、Graphviz、信息图、知识图谱等多个绘图 Skill，可以直接在 Markdown 文档中生成数据图、流程图、架构图和概念图。其优势在于图表类型丰富，并且能够方便地与 Obsidian、VS Code 和 Markdown 文档集成。
适用场景： 数据流程、知识图谱、技术架构、科研汇报。
项目链接：markdown-viewer/skills
10 Vibe-Skills
简介： 一套综合型 AI Skill 编排工具，可以协调数据分析、统计建模和科研绘图等多个专业 Skill。
具体介绍：Vibe-Skills 是综合型 Skill 编排工具，内置或可调度 scientific-visualization、Plotly、数据探索和统计分析等相关 Skill。其工作流可以同时完成数据审计、统计分析、模型实验、科研绘图和研究报告，并通过统一的 Harness 自动判断不同阶段应该调用哪些能力。
适用场景： 数据分析、机器学习实验、科研图表、综合成果交付。
项目链接：foryourhealth111-pixel/Vibe-Skills
