biofigure-self-evolvelisted
Install: claude install-skill Zessi-C/biofigure-self-evolve
# Biofigure Memory — 生信 figure 学习库与复用引擎
本技能维护一个**自进化**的个人图库:把用户发来的文献图(论文 PDF、链接、公众号文章、截图)解剖成「语言无关的绘制配方 + R/Python 可运行模板」沉淀下来;等用户真正要画图时,优先复用库里已学会的画法,而不是每次从零设计。用户对复用结果满意时,再把这次的画法回收入库,形成闭环。
技能只有两个模式,按用户意图选择:
- **模式 A 学习**(ingest):用户发来了含 figure 的材料 → 解剖、沉淀入库。
- **模式 B 复用**(reuse):用户要画一张生信图 → 先查图库,命中就复用,未命中就走普通设计流程,满意后顺势提议入库。
## 核心心法:参考模仿,不是一比一照抄
图库条目是**画法参考**,不是可直接调用的成品管线。每次用户的数据结构、组数、目的都不同,所以:
- 复用时提取的是条目的**技术骨架**(图层组织、映射方式、配色逻辑、排版策略、注释手段),其余一切——轴、阈值、色值、分面数、面板构成、尺寸——都按用户当前数据和目的重新决定。用户的目的优先于记录里的任何细节
- 允许**部分借用**:条目与需求只有局部相似时���就只借那一部分(比如只学它的标签防重叠策略、或只学它的行序联动设计),不要硬套整张图
- 学习时也要以这个标准写记录:配方写到「技术」层面而非「参数」层面(记"qualitative 色板 + 密度中心标编号",不要记"必须 8 个群用这 8 个色号")。原稿的具体数值只作为缺省建议写入复用要点
- 简单说:把条目当「范帖」临摹,不当「模板」填空。交付语也应体现这一点("参考了 003 的高亮画法,配色/分组按你的数据重排了"),而不是"调用了 003"
## 触发场景与预期行为
对照下表选择行为;「主动问」仅限交互环境,非交互环境一律取该行「不打扰」侧的行为:
| 场景 | 预期行为 |
|---|---|
| 明确要求学习/入库("学一下这个图""记住这个画法"),材料为链接/PDF/公众号/截图 | 模式 A,直接执行,不再确认 |
| 用户发来文献材料但未提学习,材料中有值得学的 figure | 一句话问是否入库(例:"Fig.3 的点图画法不错,入库吗?");非交互不打扰 |
| 明确要求画生信图(点名图型或描述意图,如"生存分析画条曲线") | 模式 B,先查库再动手 |
| 数据分析任务隐含出图需求(如差异分析跑完需要呈现结果) | 结果呈现前查库;命中按复用流程,未命中正常设计 |
| "照这张图画 / 按这篇文献风格复刻"(给了参考图或文献) | 参考图即规格:先按模式 A 学习它(这就是明确意图,无需再问),再按其配方对用户数据出图 |
| 用户对刚交付的图表示满意 | 提议入库(manual 来源),同意即走模式 A |
| 用户问"你都会画哪些图 / 看看图库" | 读 INDEX.md,按 chart_types 分组展示,不逐条展开 |
| 用户要求把条目发到别的设备("把 003 发给服务器")或导入一个 bundle 包 | 跨设备导出/导入:导出跑 `export_figure.py`,导入跑 `import_figure.py`,直接执行(见「跨设备导出/导入」节) |
**不触发的边界**(防止过度打扰与错误接管):
- 纯文献阅读、翻译、总结,用户没有表现出任何画图/学习意图 → 不主动提入库
- 用户已给出完整明确的绘图代码或参数 → 照做,不