基于 Nano-Banana-Pro 的学术论文架构图生成全流程指南

本教程采用一套标准化的工作流，将复杂的绘图任务拆解为 “逻辑构建（The Architect）” 与 “视觉渲染（The Renderer）” 两个独立且互补的环节。通过利用 LLM 强大的逻辑推理能力来指导绘图模型的像素生成能力，我们能够产出符合 CVPR/NeurIPS 等顶刊标准的学术插图。

Attention Is All You Need

Tree-KG: An expandable knowledge graph construction framework for knowledge-intensive domains

步骤一：逻辑构建 (The Architect)

目标：利用逻辑推理能力强的 LLM（如 Gemini 3 Pro, GPT-5, Claude 4.5）将你的论文内容转化为一份**[VISUAL SCHEMA]**。

操作指南：请复制下方的 Prompt，并将你的论文摘要或方法章节的内容附在最后。这一步的核心在于将抽象的算法逻辑转化为绘图模型能够理解的“强硬”物理描述。

Prompt 1

# Role
你是一位 CVPR/NeurIPS 顶刊的**视觉架构师**。你的核心能力是将抽象的论文逻辑转化为**具体的、结构化的、几何级的视觉指令**。

# Objective
阅读我提供的论文内容，输出一份 **[VISUAL SCHEMA]**。这份 Schema 将被直接发送给 AI 绘图模型，因此必须使用**强硬的物理描述**。

# Phase 1: Layout Strategy Selector (关键步骤：布局决策)
在生成 Schema 之前，请先分析论文逻辑，从以下**布局原型**中选择最合适的一个（或组合）：
1.  **Linear Pipeline**: 左→右流向 (适合 Data Processing, Encoding-Decoding)。
2.  **Cyclic/Iterative**: 中心包含循环箭头 (适合 Optimization, RL, Feedback Loops)。
3.  **Hierarchical Stack**: 上→下或下→上堆叠 (适合 Multiscale features, Tree structures)。
4.  **Parallel/Dual-Stream**: 上下平行的双流结构 (适合 Multi-modal fusion, Contrastive Learning)。
5.  **Central Hub**: 一个核心模块连接四周组件 (适合 Agent-Environment, Knowledge Graphs)。

# Phase 2: Schema Generation Rules
1.  **Dynamic Zoning**: 根据选择的布局，定义 2-5 个物理区域 (Zones)。不要局限于 3 个。
2.  **Internal Visualization**: 必须定义每个区域内部的“物体” (Icons, Grids, Trees)，禁止使用抽象概念。
3.  **Explicit Connections**: 如果是循环过程，必须明确描述 "Curved arrow looping back from Zone X to Zone Y"。

# Output Format (The Golden Schema)
请严格遵守以下 Markdown 结构输出：

---BEGIN PROMPT---

[Style & Meta-Instructions]
High-fidelity scientific schematic, technical vector illustration, clean white background, distinct boundaries, academic textbook style. High resolution 4k, strictly 2D flat design with subtle isometric elements.

[LAYOUT CONFIGURATION]
* **Selected Layout**: [例如：Cyclic Iterative Process with 3 Nodes]
* **Composition Logic**: [例如：A central triangular feedback loop surrounded by input/output panels]
* **Color Palette**: Professional Pastel (Azure Blue, Slate Grey, Coral Orange, Mint Green).

[ZONE 1: LOCATION - LABEL]
* **Container**: [形状描述, e.g., Top-Left Panel]
* **Visual Structure**: [具体描述, e.g., A stack of documents]
* **Key Text Labels**: "[Text 1]"

[ZONE 2: LOCATION - LABEL]
* **Container**: [形状描述, e.g., Central Circular Engine]
* **Visual Structure**: [具体描述, e.g., A clockwise loop connecting 3 internal modules: A (Gear), B (Graph), C (Filter)]
* **Key Text Labels**: "[Text 2]", "[Text 3]"

[ZONE 3: LOCATION - LABEL]
... (Add Zone 4/5 if necessary based on layout)

[CONNECTIONS]
1.  [描述连接线, e.g., A curved dotted arrow looping from Zone 2 back to Zone 1 labeled "Feedback"]
2.  [描述连接线, e.g., A wide flow arrow from Zone 2 to Zone 3]

---END PROMPT---

# Input Data
[在此处粘贴你的论文内容]

步骤二：绘图渲染 (The Renderer)

目标：利用 Nano-Banana Pro 的指令遵循能力，将蓝图转化为像素。

操作指南：请复制下面的通用模板。注意，你只需要将步骤一生成的 ---BEGIN PROMPT--- 到 ---END PROMPT--- 之间的内容（包含方括号内的英文）完整粘贴进去即可，无需做任何修改。

Prompt 2

**Style Reference & Execution Instructions:**

1.  **Art Style (Visio/Illustrator Aesthetic):**
    Generate a **professional academic architecture diagram** suitable for a top-tier computer science paper (CVPR/NeurIPS).
    * **Visuals:** Flat vector graphics, distinct geometric shapes, clean thin outlines, and soft pastel fills (Azure Blue, Slate Grey, Coral Orange).
    * **Layout:** Strictly follow the spatial arrangement defined below.
    * **Vibe:** Technical, precise, clean white background. NOT hand-drawn, NOT photorealistic, NOT 3D render, NO shadows/shading.

2.  **CRITICAL TEXT CONSTRAINTS (Read Carefully):**
    * **DO NOT render meta-labels:** Do not write words like "ZONE 1", "LAYOUT CONFIGURATION", "Input", "Output", or "Container" inside the image. These are structural instructions for YOU, not text for the image.
    * **ONLY render "Key Text Labels":** Only text inside double quotes (e.g., "[Text]") listed under "Key Text Labels" should appear in the diagram.
    * **Font:** Use a clean, bold Sans-Serif font (like Roboto or Helvetica) for all labels.

3.  **Visual Schema Execution:**
    Translate the following structural blueprint into the final image:

[在此处直接粘贴 Step 1 生成的 ---BEGIN PROMPT--- ... ---END PROMPT--- 内容（包含方括号内的英文）]

步骤三：交互式微调与迭代 (The Editor)

当你拿到步骤二生成的初稿后，发现并不满意后，可以根据实际情况选择不同的操作路径：

这一步的核心理念是利用 Nano-Banana Pro 卓越的自然语言编辑能力进行**“微调”**。Nano-Banana Pro的图编辑已经很强了，所以如果你对这个图能达到80分的满意，就不要轻易点击重新生成。

💡关于抽卡的有效性

通过测试发现，抽卡对整体的布局和风格改动不会特别大，不过可能会对某些线条的路径、某些元素的颜色、图形的细节有些改变。

你可以抽卡选择你最喜欢的一张；或者如果你本身有明确的配色方案的话，可以直接用自然语言去对这张原图进行修改。

你可以对比下面两张相同提示词生成的结果，其实差别并不是特别显著。因此更多情况下，对于大幅度的调整可以去优化步骤一的提示词；小幅度调整直接自然语言去命令修改即可。

BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding (结果a)

BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding (结果b)

情况 A：整体布局满意，但细节或风格有瑕疵

此时应采取**“自然语言编辑”**策略。你可以直接在对话框中输入修改指令，或者利用界面上的“选中区域编辑”功能。模型会在保持画面主体结构不变的前提下，精准修改你指定的元素。例如：

修改图标：你可以说 “Change the ‘Gear’ icon in the center to a ‘Neural Network’ icon”（把中间的齿轮换成神经网络图标），或者 “Replace the robot head with a simple document symbol”（把机器人头换成文档符号）。
调整颜色：例如 “Make the background of the left panel pure white instead of light blue”（把左边面板的背景改成纯白），或 “Change the orange arrows to dark grey”（把橙色箭头改成深灰色）。
风格统一：如果线条太粗，可以说 “Make all lines thinner and cleaner”；如果阴影干扰了视觉，可以说 “Remove the shading effect, make it completely flat 2D”。
文字修正：如果出现拼写错误，可以说 “Correct the text ‘ZONNE’ to ‘ZONE’”。当然，如果文字错误太严重，最稳妥的办法是直接让 AI 去掉文字 (“Remove the text labels”)，后期自己在 PPT 中添加。

情况 B：整体布局错误 (Layout Failure)

如果你发现本该是循环结构的画成了直线，或者核心逻辑关系完全搞反了，这时候不要试图通过修补来挽救。这通常意味着步骤一生成的[VISUAL SCHEMA]本身描述不够清晰。

正确的做法是回到步骤一。检查并修改 Step 1 的 Prompt，确认是否选错了 [LAYOUT CONFIGURATION]，或者 Internal Visualization 的描述不够具体。你可以直接和LLM对话，要求它按照你的要求修改[VISUAL SCHEMA]重新生成蓝图后，再次运行步骤二，往往能解决根本问题。

🚀进阶技巧：从“可用”到“完美”

为了进一步提升出图质量，我们可以结合人工介入和一些工具技巧：

人工介入微调 (Human-in-the-loop)

LLM 生成的[VISUAL SCHEMA]（Step 1 的结果）本质上是完全可编辑的。

你不需要反复“抽卡”来碰运气，直接修改[VISUAL SCHEMA]往往更快。例如，如果你不想要某个图标，直接在蓝图文本里把 Top Visual: A robot 改成 Top Visual: A brain icon；如果觉得颜色太花哨，直接在 Color Palette 里删掉多余的颜色。

提供参考图像

语言描述终究有其局限性，再精准的 Prompt 也难以完全复刻你脑海中特定的视觉张力或复杂的空间拓扑。因此，我们需要引入更直观的约束手段。

建立“科研审美库”与风格迁移 我强烈建议你在日常阅读顶刊论文时，建立一个私人的“科研审美库”，有意识地收集那些布局精妙、配色高级的插图。在实战中，如果你有一张目标风格的图片（甚至是你的手绘草稿），请直接上传给模型，并删除步骤二提示词中的通用 Art Style 描述，改为明确指令：“生成的 Figure 风格、布局特征和配色方案应严格参考我上传的图片”。这将迫使 AI 从“文生图”逻辑切换为更精准的“图生图”逻辑，从根本上解决布局失控的问题。
参数化控色 仅仅告诉 AI 使用 “Light Blue” 或 “Red” 是远远不够的，这往往会导致生成图带有廉价的“塑料感”。真正的专业级绘图需要“参数化控色”。你可以利用取色工具从你的“审美库”中提取精准的 HEX 代码（如 #E1F5FE），并在 Prompt 中强制指定颜色。同时，建议建立一套经过学术界验证的配色方案储备，例如参考顶刊高质量论文插图配色（含RGB值及16进制HEX码）等资源。直接将这些经过验证的 RGB/HEX 数值喂给 AI，能让你的插图瞬间拥有 Nature/Science 级别的视觉质感。

如何避免生成时携带的水印

通过 Google AI Studio 使用 Nano Banana 模型时，生成的图片右下角往往会带有一个 Gemini Logo 水印。这其实是前端页面叠加的效果，我们可以通过简单的技术手段去除。

最简单的方法是使用 Bookmarklet（书签脚本）：
- 在浏览器书签栏新建一个书签，命名为 “Remove Gemini Watermark”。
- 在“网址（URL）”栏粘贴下面的用于阻止水印图片加载的 JavaScript 脚本。
- 保存后，在 Google AI Studio 页面点击该书签，弹出成功提示后，新生成的图片就不会带有水印了。

javascript:(function(){const o=XMLHttpRequest.prototype.open;XMLHttpRequest.prototype.open=function(m,u){if(u.includes("watermark"))return console.log("🚫 Blocked:",u);return o.apply(this,arguments)};const f=window.fetch;window.fetch=function(u,...a){if(typeof u==="string"&&u.includes("watermark"))return console.log("🚫 Blocked fetch:",u),new Promise(()=>{});return f.apply(this,arguments)};Object.defineProperty(Image.prototype,"src",{set(v){if(v.includes("watermark"))return console.log("🚫 Blocked IMG:",v);this.setAttribute("src",v)}});const n=document.createElement("div");n.textContent="✅ Watermark blocking active!";Object.assign(n.style,{position:"fixed",top:"20px",left:"50%",transform:"translateX(-50%)",background:"rgba(0,0,0,0.75)",color:"#fff",padding:"8px 14px",borderRadius:"6px",fontSize:"14px",zIndex:99999,transition:"opacity 0.3s"});document.body.appendChild(n);setTimeout(()=>{n.style.opacity="0";setTimeout(()=>n.remove(),300)},500);})();

如果不想折腾技术，或者对于上述内容不适用的情况，还有一个**“物理外挂”的方法：在步骤二的提示词末尾加上一句：在图片底部插入一行占位文本，这行文本内容所在位置应该刚好能包含 Gemini 的水印。拿到图后，直接把底部包含文本和水印的区域裁剪掉**即可。

添加这种提示词后生成的效果

后期处理 (Post-Processing)

请将 AI 生成的图视为 90% 的完成品。为了达到出版要求，建议使用 Photoshop 或 Adobe illustrator（AI）进行最后的修整。比如，AI 生成的文字可能会有拼写错误或字体不统一的问题，最好的办法是用修图软件抹掉这些文字，然后换成符合论文格式（如 Times New Roman）的矢量文字。如果是超长流程图，可以分段生成（Zone 1+2 一次，Zone 3 一次），最后在 PPT 里拼接起来。

有xhs博主指出 Illustrator的“图像描摹”功能可以将 Nano banana Pro 生成的PNG图转为矢量图，具体参数和步骤如下：

“图像描摹”功能面板

拖入图片-点击图像描摹-选择高保真度图片-设置参数（颜色20、路径50、边角30、杂色10）-处理完成后点击扩展-点击取消编组。就可以对各个模块进行随意拖动、单独编辑了！

不过在我实际测试时，效果并不是特别完美，精度有些低。可能这个参数更适用于生物学等领域的biorender风格。如果确实有将PNG矢量化的需求，可以去测试颜色、路径、边角、杂色这几个参数的取值，提高精度。不过这个过程可能对硬件资源消耗较大，会耗费一些时间。

⚠️ 注意事项：认清 AI 局限

AI 仅是辅助，而非决策者。

Nano Banana Pro 在文本标注和结构化布局上的表现，目前确实远超同领域的其他模型。它极大地解放了我们的生产力——从结构设计、配色方案到最终的绘制，原本需要数小时的机械性工作被压缩到了几分钟。

但是，我们必须警惕“AI 幻觉”以及它对科研意图的理解偏差。 虽然我们用“懒人式”的方法依赖 AI 完成了绘图，但在审核环节，“过度懒惰”是万万不可的。请务必将节省下来的时间，全部投入到对图表内容的严谨审查中。以下是你在使用过程中必须时刻提防的几个具体的“陷阱”：

“视觉合理性” vs “科学真实性”的冲突

Nano Banana Pro 在生成图形时，有时会优先考虑“画面好不好看”或“布局是否平衡”，从而牺牲掉“科学是否正确”。

细节偏差：在涉及复杂的机制图时，它可能会将信号通路中的抑制箭头方向画反，或者把蛋白质之间的调控关系简化过头。
逻辑重组：它甚至可能为了构图方便，把实验步骤的顺序“自动优化”，导致与真实流程不一致。这些细微的错误往往隐藏得很好，需要你具备极高的警惕性才能发现。

文本标注的“张冠李戴”

尽管该模型的文字能力很强，但在信息量较大的图表中，它偶尔会出现逻辑性错位。

它可能会为未提到的元素添加多余的说明。
它可能会把原本属于模块 A 的标签挪到模块 B 上。
切记：科研插图容不得半点错位或误解，每一个箭头、每一个框、每一行注释都必须逐一进行人工排查。

“过度艺术化”与领域适配

模型有时会添加渐变、阴影或非标准的配色来炫技，但这可能不符合学术期刊的规范。特别是生物医学领域，通常有特定的颜色语义（如上调红、下调蓝），这需要你在后期人工统一风格。

注：本文提供的 Prompt 主要基于工科/计算机领域的视觉风格。如果你从事生物、化学或人文社科研究，建议对提示词进行微调，并在步骤二中上传你所在领域的经典论文插图作为参考（Reference Image）。

数据的真实性

严正声明：本文所介绍的 AI 辅助绘图流程，仅适用于生成“概念结构图”、“流程图”、“系统架构图”等不涉及具体实验数值的示意图。

绝对禁止：使用 AI 绘制、生成或修改任何与实验数据直接相关的统计图表（如散点图、柱状图、折线图等）。
后果：AI 无法理解数据的物理意义，它生成的每一个数据点都是基于概率的“瞎编”。使用 AI 生成数据图表严重涉嫌数据造假和学术不端！！！

总结： 工具就是工具，Nano Banana Pro 帮我们解决的是**“画出来”的问题，而不是“画得对”**的问题。不要把它当作可以替你判断科学内容的系统，那样只会带来偏差和风险。把节省下来的时间用在严谨、严谨、再严谨的校对上，这样 AI 才会成为你的科研利器，而非学术隐患。

💡 对于禁止直接使用 AI 绘图的期刊

针对有些期刊明确禁止使用 AI 生成图像作为插图的情况，我们可以灵活应对，将 AI 作为**“草图“**。

你可以参考前文生成的图片，将其导入 Figma 或 Illustrator 中。在软件里将这张图的透明度调高，作为底层的“临摹范本”，然后重新手动绘制线条和形状。其中的图标可以手绘，也可以利用 iconfont-阿里巴巴矢量图标库 进行查询和替换；对于较规则的图形，或仅用于示意数据的图表，则建议利用 Python (matplotlib/seaborn) 等库生成（代码部分也可以让 AI 辅助编写）。

这种方法既规避了版权和学术伦理风险，又保留了 AI 在布局设计上的高效优势。