1. 引言

医学科研绘图一直是一个高门槛、高成本、高耗时的工作。传统方案中，研究者通常面临三种选择：

方案	工具	单张耗时	单张成本	专业度
自行绘制	BioRender / Illustrator	2-8 小时	时间成本	取决于技能
外包绘图	科研绘图公司	1-2 周	¥500-3000	专业
AI 辅助	Midjourney / DALL-E	10-30 分钟	¥10	不稳定国内不能访问

传统方案的痛点很明显：自行绘制太慢、外包太贵、通用 AI 绘图工具对医学场景的理解不够精准，而且不能在国内环境访问。

TopBeeAI 的科研绘图引擎针对这些痛点，设计了三套互补的 AI 绘图方案。本文将从技术架构、工作流设计、参数工程三个维度，结合新版会员权益体系（plot 独立权益），给出一个完整的实践指南。

---

2. 三大绘图引擎的技术架构对比

TopBeeAI 的科研绘图由三个独立的引擎支撑，它们共享后端 AI 图像生成模型，但在交互范式、任务调度、上下文管理上采用了不同的架构设计。

2.1 模版绘图引擎：结构化创作

架构特点：

1. 用户输入层（右侧面板）
2. ├── 模型选择：topbeeai-image | topbeeai-plot
3. ├── 模版类型：8 种（schema, abs_chart, toc_chart, signal_pathway, flow_chart, scheme_chart, structural_chart, flow_diagram）
4. ├── 风格选择：BioRender | Nature | Science | Cell | System Default
5. ├── 画幅参数：1:1 | 4:3 | 3:4 | 16:9 | 9:16（plot 模型）
6. │ 1024×1024 | 1536×1024 | 2560×1440（image 模型）
7. ├── 清晰度：1K | 2K | 4K
8. └── 参考图：最多 6 张（PNG/JPG，base64 传输）
10. 任务调度层
11. ├── 提交：POST /science/plot/image/one → 返回 taskId
12. ├── 轮询：GET /science/plot/image/status
13. │ ├── 0-2min：每 15s 轮询
14. │ ├── 2-5min：每 8s 轮询
15. │ └── 5-10min：每 5s 轮询
16. └── 状态机：1(执行中) → 2(完成) | 3(失败)
18. 历史管理层（左侧面板）
19. ├── GET /science/plot/image/history?level=template
20. ├── 分页加载（每页 10 条）
21. └── 支持重试、删除、图片编辑跳转

适用场景：需求明确、模版匹配的结构化绘图任务。例如”为我的 NSCLC 免疫治疗研究画一张 Graphical Abstract，Nature 风格，16:9 横幅”。

2.2 通用绘图引擎：自由创作

架构特点：

1. 模式自动检测
2. ├── 无图片上传 → 文生图（text-to-image）
3. │ 
4. └── 有图片上传 → 图生图（image-to-image）
6. 参数系统
7. ├── 模型：v1 | v2 
8. ├── 比例：1:1 | 3:2 | 2:3
9. ├── 清晰度：1K | 2K | 4K
10. ├── 风格：System Default | BioRender | Nature | Science | Cell
11. └── 模版：schema | flow_diagram | abs_chart | toc_chart | signal_pathway | flow_chart | scheme_chart | structural_chart
13. 示例库（Gallery）
14. ├── 瀑布流布局
15. ├── 按模版分类筛选
16. └── 点击放大查看 + 提示词参考

适用场景：模版不匹配、需要自由创作、或需要通过”参考图+文字描述”的图生图模式。

2.3 对话绘图引擎：多轮迭代

架构特点：

1. AI 提示词润色
2. ├── API: POST /science/plot/polish
3. ├── 润色模式：standard（标准）/ advanced（进阶）
4. └── 用户选择：原始 | 润色版
6. 场景示例系统（首次使用引导）
7. ├── 场景一：科研摘要图表（Nature 风格）
8. ├── 场景二：智能医学插画（BioRender 风格）
9. ├── 场景三：患者教育科普（卡通风格）
10. └── 场景四：医学广告营销（科技感风格）

适用场景：需求模糊需要探索、细节需要多轮打磨、或新手首次使用 AI 绘图。

---

3. 工作流设计：三条推荐管线

根据不同使用场景，我推荐三条经过验证的工作流管线。

3.1 管线 A：效率优先（快速出图）

1. 输入一句话描述 → 通用绘图（v2 模型，1K 预览）
2. ├── 满意 → 升级到 4K 导出
3. └── 不满意 → 修改描述，重新生成

耗时：1-3 分钟/张
适用：组会 PPT 配图、内部讨论、快速验证想法

3.2 管线 B：质量优先（正式发表）

1. 第一步：模版绘图
2. ├── 选择匹配的模版类型
3. ├── 目标期刊风格
4. ├── 上传 1-3 张参考图
5. ├── 4K 清晰度
6. └── 生成初稿
8. 第二步：图片编辑（/edit-image-pro）
9. ├── 局部修改（元素颜色、位置）
10. ├── 添加/修改文字标注
11. └── 调整色彩、对比度
13. 第三步：对话绘图（可选，需要大改时）
14. ├── 上传初稿作为参考图
15. ├── 多轮对话修改
16. └── 导出最终版

耗时：30-60 分钟/张（含迭代）
适用：SCI 论文 Graphical Abstract、基金申请书核心假说图

3.3 管线 C：迭代优化（追求完美）

1. 第一步：对话绘图
2. ├── 用 AI 润色优化初始描述
3. ├── 生成第一版
4. ├── 对话修改："把 A 通路上移""背景改成浅灰"
5. ├── 反复 3-5 轮
6. └── 定稿
8. 第二步（可选）：导出后在模版绘图中用不同风格重新生成

耗时：20-40 分钟/张
适用：综述核心机制图、需要反复推敲细节的复杂插图

---

4. 提示词工程：让 AI 准确理解医学需求

根据实际使用经验，医学科研绘图的有效提示词应包含以下要素：

4.1 推荐提示词结构

1. [绘图类型] + [核心内容] + [风格要求] + [构图要求] + [技术参数]
3. 示例：
4. "绘制一张 Graphical Abstract [类型]，展示 TIGIT 单抗联合 PD-1 抑制剂
5. 治疗 NSCLC 的协同机制 [内容]，采用 Nature 期刊风格 [风格]，
6. 左侧展示免疫抑制微环境，右侧展示联合治疗后的免疫激活 [构图]，
7. 配色以蓝-橙对比为主，标注关键分子和临床数据 [参数]"

4.2 各模版类型的提示词侧重点

模版类型	提示词应强调	反面示例
摘要图	研究问题、核心发现、临床意义	不要写成综述
TOC 图	视觉冲击力、单一核心信息	信息密度过高
信号通路图	分子名称、上下游关系、细胞定位	“画一个通路”（太模糊）
机制图	多要素的空间关系、动态过程	缺少步骤间的逻辑连接
流程图	决策节点、分支条件、顺序	用自然语言描述循环

4.3 使用 AI 润色优化提示词

对话绘图内置的提示词润色功能可以将口语化描述转化为专业绘图指令：

输入（口语）：

“我想画一个肿瘤细胞怎么逃避免疫的图，有 T 细胞和 PD-L1 什么的”

AI 润色后：

“绘制肿瘤免疫逃逸机制示意图，BioRender 风格。中央为肿瘤细胞（不规则形态，深紫色），表面高表达 PD-L1 分子（红色标记）。左侧为活化 CD8+ T 细胞，表面表达 PD-1 受体。PD-1/PD-L1 结合导致 T 细胞功能耗竭（用灰色箭头和’X’标记表示抑制信号）。背景包含 TGF-β、IL-10 等免疫抑制因子。配色方案：肿瘤微环境用冷色调，免疫激活部分用暖色调。16:9 横幅构图。”

这本质上是一次”提示词翻译”——将研究者的领域知识翻译为 AI 图像模型能理解的绘画指令。

---

5. 会员权益体系下的成本优化

5.1 新版权益体系概述

TopBeeAI 新版会员体系将功能拆分为六大独立权益类别：

权益编码	功能范围	消耗方式
query	文献/期刊/基金检索	永久免费
tool	润色/改写/翻译	会员不限次
chat	PDF 解读/PubMed 对话	会员配额
outline	论文提纲生成	会员配额
text	正文 AI 写作	会员配额
plot	科研绘图	会员配额

5.2 绘图的权益消耗规则

• 三种绘图功能统一消耗 plot 权益
• 每次生成 = 1 次 plot 权益
• plot 权益独立于 text（正文）权益，互不影响
• 永久会员：不限次

6. 实战案例：完整复现一张 Graphical Abstract

以下是作者使用管线 B（质量优先）复现一张 Graphical Abstract 的完整过程。

6.1 需求描述

为一项关于”肠道菌群代谢物 TMAO 促进动脉粥样硬化”的研究创建 Graphical Abstract，拟投稿至 Circulation Research。

6.2 步骤拆解

Step 1：选择引擎和模版

1. 工具：模版绘图
2. 模版：摘要图（abs_chart）
3. 风格：Nature 期刊
4. 比例：16:9
5. 清晰度：4K

Step 2：构建提示词

1. "A graphical abstract illustrating the mechanism by which gut
2. microbiota-derived TMAO promotes atherosclerosis. Left panel:
3. dietary choline and carnitine are converted to TMA by gut
4. bacteria, then oxidized to TMAO by hepatic FMO3. Center panel:
5. TMAO enters circulation and acts on vascular endothelial cells
6. and macrophages. Right panel: TMAO upregulates scavenger
7. receptors (SR-A, CD36) on macrophages → foam cell formation;
8. inhibits reverse cholesterol transport; activates NLRP3
9. inflammasome → IL-1β, IL-18 release. Bottom: atherosclerotic
10. plaque progression. Color scheme: gut-liver axis in green tones,
11. vascular effects in red-orange tones. BioRender style.
12. 16:9 widescreen layout."

Step 3：上传参考图

上传 2 张参考图：

• 一张已发表的同类 Graphical Abstract（来自 Circ Res 2023）
• 一张手绘的构图草图

Step 4：生成并评估

• 第一版：整体构图符合预期，但 TMAO 分子的化学结构表示不够准确
• 第二版（重试）：改进了分子表示，但巨噬细胞泡沫化的视觉不够突出

Step 5：切换到对话绘图微调

1. 上传第二版截图作为参考 → 输入："强化巨噬细胞向泡沫细胞转化的视觉表现，
2. 增加脂滴积累的细节，让这部分成为画面的视觉焦点"

• 第三版：泡沫细胞部分明显改善，整体满意

Step 6：后期处理

在图片编辑器（/edit-image-pro）中：

• 添加关键分子的文字标注
• 微调左下角色块的颜色（从偏绿改为偏蓝）
• 添加期刊要求的字体（Arial 10pt）

6.3 耗时与成本

步骤	耗时	权益消耗
选择模版+构建提示词	10 分钟	0
第一版生成	2 分钟	1 次 plot
第二版重试	2 分钟	1 次 plot
对话绘图调整	5 分钟	1 次 plot
后期编辑	15 分钟	0
合计	34 分钟	3 次 plot 权益

对比传统方案：外包绘图公司同类 Graphical Abstract 报价 ¥800-1500，交付周期 5-10 个工作日。

---

7. 常见问题排查

7.1 生成的图”方向对了但细节不对”

原因：提示词中的空间关系描述不够精确。

解决：使用对话绘图的”修改”功能，而不是模版绘图的”重试”——前者可以在上一版的基础上调整，后者是重新生成一张全新的图。

7.2 AI 返回的不是图而是文字

原因：当 AI 判断你的描述不足以生成一张有意义的图（比如太模糊、或者更像一个问答），它会返回文本说明。

处理：系统会自动弹出 DrawingErrorModal，显示 AI 的反馈、退还权益、并给出改进建议。

7.3 信号通路图的分子定位不对

原因：通用 AI 模型对分子通路的空间关系理解有限。

解决：

1. 使用模版绘图的”信号通路图”模版（AI 会使用更结构化的构图逻辑）
2. 上传一张手绘的通路草图作为参考图
3. 在提示词中明确标注：”将 EGFR 置于细胞膜上（顶部），RAS-RAF-MEK-ERK 级联垂直向下排列”

7.4 生成速度慢

原因：图像生成是计算密集型任务，尤其是 4K 清晰度。

建议：

• 探索阶段用 1K，确定方向后升级到 4K
• 模版绘图的异步机制支持同时提交多个任务（一张在生成中时可以提交下一张）
• 避开高峰期（工作日上午 9-11 时）

---

8. 总结

本文介绍了基于 TopBeeAI 的三引擎 AI 科研绘图工作流：

1. 模版绘图——适合需求明确、模版匹配的结构化场景
2. 通用绘图——适合自由创作和图生图场景
3. 对话绘图——适合多轮迭代和新手引导场景

三条推荐管线（效率优先、质量优先、迭代优化）覆盖了从”快速出图”到”精雕细琢”的全需求谱系。配合新版会员权益体系中的 plot 独立权益，用户可以在不挤占正文生成配额的情况下，按需使用 AI 绘图功能。

AI 科研绘图的核心优势不是”完全替代人”，而是将研究者的领域知识高效转化为视觉表达——你负责说出研究中的科学逻辑，AI 负责把这个逻辑变成一张符合期刊规范的图。