FigMirror

1. 基本信息

项目	内容
名称	FigMirror
作者/维护者	VILA-Lab（Vision and Language Acceleration Lab，学术研究团队，3 位贡献者）
来源链接	https://github.com/VILA-Lab/FigMirror
许可证	仓库未附 LICENSE 文件（GitHub API 确认）
GitHub Stars	494（GitHub API）
Forks	35（GitHub API）
最新版本	v0.1.0（GitHub Release 标签；此后仓库持续有未打标签的提交）
安装方式	一条 curl 命令或对话式安装（详见第 10 章）

2. 功能介绍与亮点

科研作者常想让图表“长得像”某篇顶会论文里的图，手工调 matplotlib 参数既慢又难对齐细节。FigMirror 上传一张参考图、粘贴数据，自动产出可编辑 matplotlib 脚本、PNG 预览与出版级 PDF。

核心亮点：

Drawer / Reviewer 双 Agent 循环：一个子 Agent 画图，另一个仅凭视觉审阅差异并给结构化反馈，循环至通过，避免单轮生成的“自说自话”。
风格锚定而非数值抄袭：坐标轴范围、子图间距等按自己数据重新计算，不照抄参考图数值。
3D 图表路由与本地 Web UI：支持三维制图场景，也可本地浏览多轮迭代历史。
139 张论文图表画廊：没有满意参考图时可直接挑选起点。

3. 适用场景

固定分类：数据分析与可视化

典型场景是学术论文写作与投稿准备——研究者需要把实验数据渲染成符合 NeurIPS / ICML / ICLR / Nature / Science 等顶会顶刊视觉规范的图表，也适用于快速复刻参考文献配图风格。

4. 跨 Agent 兼容性

Claude Code：原生支持，内置 SKILL.md 与三个专用子 Agent，提供一键安装脚本。
Codex：原生支持，仓库同时维护 .codex 目录与独立安装路径。
OpenClaw / Hermes Agent：未验证，仓库与文档均未提及。

5. 推荐理由

上传一张论文参考图和自己的数据，自动生成同款视觉风格的图表脚本，用 Drawer/Reviewer 双 Agent 互相校验来保证输出质量。

6. 评分

维度	分数	说明
受欢迎程度	6/10	494 stars；仓库创建约两个月即破 500 星，增长速度较快，但尚未发现独立于仓库自身之外的第三方讨论来源
可用性	9/10	一条 curl 命令或对话式指令即可安装；SKILL.md、README、专门的方法论文档一应俱全且配示例图；近三周内仍有提交，维护活跃；无任何付费依赖
安全性	7/10	见下方安全检查清单

安全检查清单：

检查项	结果
① Shell 命令执行范围	有执行：安装脚本仅做本地文件复制，运行时通过 subprocess 调用用户本机已授权的 Claude/Codex CLI，范围明确
② 运行时是否联网外发数据	未发现向外部服务器回传用户数据的代码路径；本地 Web UI 仅绑定本机端口
③ 是否要求 API Key/凭据	不要求；复用用户已登录的 Claude Code / Codex 环境
④ 可疑指令（prompt injection 迹象）	SKILL.md 与安装脚本逐一检查，未发现可疑或越权指令
⑤ 作者/组织信誉	VILA-Lab 为可查证的学术研究团队，仓库信息透明，非匿名账号
⑥ License 是否明确	不明确——仓库未附 LICENSE 文件，是本次安全分的主要扣分项
⑦ 最近维护时间	活跃，近三周内有提交

7. 跟同类 Skills 相比的优势

竞品	定位	与 FigMirror 的差异
caylent/tufte-data-viz	基于 Edward Tufte 数据可视化原则的通用图表设计规范技能，覆盖 Recharts、ECharts、Chart.js、matplotlib、Plotly、D3 等多种图表库	提供的是一套抽象设计准则供 Agent 套用，不针对某一张具体参考图；FigMirror 则是“拿一张论文截图 + 你的数据”做定向风格迁移，产出可编辑脚本与出版级 PDF
kgraph57/mckinsey-style-visualization-skill	把杂乱笔记转成麦肯锡咨询风格的 SVG 战略图表	目标场景是商业演示与咨询汇报，输出格式为 SVG；FigMirror 面向学术论文图表复现，输出 matplotlib 脚本
xperiun/claude-code-powerbi-skills	面向 Power BI 的文档生成、审计、DAX 编写技能组合	服务企业 BI 报表场景，依赖 Power BI 生态；FigMirror 不依赖任何商业 BI 软件，专注开源 Python 绘图链路

8. 用户评价

该技能目前在第三方平台尚无具名用户评价，GitHub 仓库自身的 Issue 区讨论也仍处于早期阶段。

9. 其他补充

仓库提供中英双语 README，路线图中列出了发布可复现风格评分基准等后续计划。

10. 安装使用方式

一条命令（推荐）

curl -fsSL https://raw.githubusercontent.com/VILA-Lab/FigMirror/main/scripts/install.sh | bash

可加 -- --claude、-- --codex 或 -- --all 指定目标 Agent。也可在对话框直接粘贴：

Install FigMirror for me: https://github.com/VILA-Lab/FigMirror

需要本地网页界面时：

git clone https://github.com/VILA-Lab/FigMirror.git && cd FigMirror
bash scripts/install.sh
uv run python scripts/figcopy_serve.py --workspace .artifacts/figmirror-workspace --backend codex

安装后无需重启 Agent，直接附上参考图截图 + 数据，说“用 FigMirror 套用这张图的风格”即可触发。

11. 注意事项

仓库未附开源许可证，涉及企业合规审查或二次分发代码时，建议先与作者确认授权条款。
坐标轴范围、子图间距等版式参数按自己数据重新计算，不会照抄参考图数值，这是设计取舍而非缺陷。
目前仅有正式 Release v0.1.0，主分支迭代较快，实际功能可能领先于该版本号。