写论文时，绘制论文插图通常不是最难的部分，但往往要花不少功夫。

以绘制模型架构图为例，我们需要先梳理模型结构、数据流向和模块关系，然后寻找合适的论文例图，参考它的布局、配色和表达方式。真正开始绘制后，还要反复调整模块位置、箭头、字体和留白。

现在 AI 绘图的确很强大，但是绘制可编辑图还是会出现各种问题。如果仅输出 png 图片，后续模型结构发生变化，也不方便继续修改。

为此，我搭建了一套 AI 科研绘图工作流：先根据论文内容和参考风格生成模型架构图，再将它转换成可以自由编辑的源文件。

本文中会以绘制模型架构图为例，展示这个工作流的使用流程和能力。

我们打包了工作流中用到的软件、skill和插件的安装包，还整理了一份详细的配置和使用教程（含调用提示词）。

感兴趣的小伙伴这里获取：

👇👇👇

30 分钟快速出图：用 ChatGPT + draw.io 制作可编辑的论文插图

第一步：根据论文生成模型架构图

绘制架构图初稿

这一步要用到一个 skill：$scientific-figure-reference-generator，它可以分析论文内容和参考图风格，然后按要求绘制图像。

最重要的是，它了解 draw.io 绘制能力的上限，不会生成 draw.io 无法复刻的内容。

我们需要把论文中与模型结构相关的内容提供给 AI，重点提供：方法部分、模型结构描述、模块功能和数据流向。

结构正确只是基础，论文插图还需要统一的视觉风格。

需要再提供一张风格参考图，skill 可以学习其中的配色方案、模块形状、区域划分等绘制风格。以下图为例：

分析完绘制风格后，Skill 会继续分析论文内容，提取关键模块，梳理不同模块之间的关系，再将文字描述转换成一张完整的模型架构图。

可以看到绘制效果还是很好的，而且整体的思考时间也很短，花费 6 分钟不到的时间。

通过对话继续调整

第一次生成的结果不一定完全符合预期。

比如，可能存在留白过多、主体太小、模块间距过大、文字层级不统一，或者部分箭头和模块位置不够准确等问题。

这时不需要重新开始，只要继续提出具体的修改要求即可，skill 会在现有结果上继续调整。

不过我对现在绘制的图片已经很满意了，就没有继续调整。

第二步：转换为可编辑源文件

到这里，图片的视觉效果已经基本完成，但它仍然只是一张普通图片。

PNG 图片可以直接用于展示，但其中的文字、模块和箭头已经合并为像素，无法单独修改。

如果后续需要更换模块名称、调整连接关系，重新生成整张图并不方便。

因此，第二步是让 AI 根据生成的参考图，在绘图软件中重新绘制一个可编辑版本。

这里我们要用到一个插件：Draw.io Scientific Illustrator ，它可以连接 ChatGPT 和绘图软件 draw.io。

将图片元素重新绘制

AI 会识别参考图中的模块、文字、箭头和区域关系，并把它们分别创建成独立元素，而不是简单地将原图插入画布。

整个过程中，不需要任何人工参与，AI 会自动绘制图像。

对照参考图自动校正

在绘制过程中，AI 还会分区域截图，然后对比该截图和参考图之间的绘制差异。

如果发现偏差，AI 会继续调整，尽量还原原图的布局和视觉效果。

这里对比一下参考图和 AI 的绘制结果：

参考图和 AI 绘制图对比。左图为 drawio 绘制图，右图为 png 参考图。

可以看到还是有一点小瑕疵，但是可以自己手动调整一下。

想起以前自己规划排版，再绘制组件、拖箭头、手打公式、调整图层。一画就是三小时，AI 半个小时就完成了。

“我们以前读书哪有这条件。” /狗头

言归正传，绘制的图会保存为两份文件：

• 可直接使用的 png 图片，也可以在提示中改为其他格式；
• 可编辑的 .drawio 文件 ，方便我们在 Draw.io 中继续调整。

结语

这套工作流打通了从论文文字、模型架构图到可编辑源文件的完整流程。

相比从空白画布开始手动绘图，这种方式可以减少寻找例图、反复排版和逐项调整的时间，也更适合需要持续修改的论文、技术文档和项目汇报。

真正实用的 AI 科研绘图，不只是生成一张好看的图片，而是生成一份可以继续修改的科研素材。

我们打包了工作流中用到的软件、skill和插件的安装包，还整理了一份详细的配置和使用教程（含调用提示词）。

 感兴趣的小伙伴这里获取：

👇👇👇

30 分钟快速出图：用 ChatGPT + draw.io 制作可编辑的论文插图