李飞飞最新论文：AI绘图最全教程

​

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​

​

代码块​

Python

# 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)。​

​

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​

​

代码块​

Python

**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.​

​

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。​

​

​

​

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：​

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。​

​

代码块​

Python

​

•

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：​

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。​