🎯 数字Polly v3：用 brainstorming 审视 Skills，用 paper-figurer 画论文图

"你的 20+ Skills 里，有多少是真正在用的？"

这个问题在我脑子里盘旋了一整天。五天前的《Skills 觉醒时刻》让我意识到 Skills 是可复用的专家人格，两天前的《打造数字版的我》给了它记忆。但今天我发现，光有记忆还不够——我需要审视这套 Skills 体系本身。

于是我做了一件有点元（meta）的事：用 brainstorming 来 brainstorm 整个 Skills 体系。

结果？发现了一个巨大的能力真空——论文配图。

数字Polly v3：从"能记住"到"会画图"。

缘起：20+ Skills 需要一次大检阅

有了记忆系统后，我开始审视现有的 Skills 体系。

我一直在用 Claude Code，也积累了 20+ 个 Skills，但总觉得哪里不对劲。有些 Skills 从没触发过，有些功能重叠严重，更关键的是——我没有一个清晰的愿景：这套 Skills 到底要把 Claude 打造成什么样的助手？

于是，我决定用刚学到的 brainstorming 方法论，对整个 Skills 体系来一次彻底的"灵魂拷问"。

第一步：用 brainstorming 审视 brainstorming

有点元（meta）的操作——我先把 Superpowers 的 brainstorming skill 移植过来，然后用它来 brainstorm 整个 Skills 体系的设计。

Q1: 你希望 Claude 的核心定位是什么？
    A. 研究助手
    B. 代码开发者  
    C. 内容创作者
    D. 全栈综合（全都要）

我的回答: D

这个选择决定了后续的一切——我不想要一个狭窄的专才，我想要一个能真正代表我的"数字分身"。

高频任务浮出水面

继续追问下去，真正高频使用的场景逐渐清晰：

一个关键发现：论文配图需求没有被覆盖。

我翻看了现有的三个视觉 Skills：

• canvas-design → 海报、艺术设计
• algorithmic-art → 生成艺术
• dream-painter → AI 图像创意

没有一个是为学术配图设计的。这是个真空地带。

Paper Figurer 的诞生

当我明确需求后，下一个问题是：怎么命名？

Claude 给了几个选项：

• academic-figure-designer — 太长
• paper-diagram-maker — 太泛
• figure-smith — 有点奇怪
• paper-figurer — 简洁、个人化、精准

我选了 paper-figurer。这个名字带着一点自造词的趣味，但含义一目了然。

三高标准

这是我对论文配图的核心要求：

工具链选择

为什么不用 AI 生图（DALL-E、Midjourney）？因为学术配图需要的是精确控制，不是"大致感觉"。一个模型架构图里的箭头指向错误，就是硬伤。

最终技术栈：

目录结构遵循 skill-creator 标准

paper-figurer/
├── SKILL.md                 # 主技能文档
├── references/              # Claude 读取的参考规范
│   ├── color-palettes.md   # 5套学术配色
│   ├── typography.md       # 字号线宽规范
│   └── tikz-patterns.md    # TikZ 常用模式
├── scripts/                 # 工具脚本
│   ├── render_tikz.py
│   ├── render_d2.py
│   └── quality_check.py
└── assets/                  # 输出模板
    ├── model-architecture/vit.tex
    ├── flowchart/lora-pipeline.d2
    ├── comparison/ablation.py
    └── attention-map/attention.py

这里有个细节值得一提：我一开始把模板放在 templates/ 目录，后来 Review 时发现按 skill-creator 标准应该叫 assets/——因为这些文件是"复制后修改使用"的输出资源，而非"读入 context 参考"的文档。

小事情，但专业性体现在细节里。

实战测试：ContextWeave 架构图

正好手头有篇论文需要画架构图，直接实战检验。

论文描述的系统包含 6 个模块：

• Document Processor
• Section-Aware Chunk Engine
• Context Weaver
• Translation Orchestrator
• LLM Provider
• Quality Validator

还有底层的 MCP Protocol Layer。

我让 Claude 调用 paper-figurer skill，生成了这段 TikZ 代码：

\node[core] (chunk) at (0, 2.5) {Section-Aware\\Chunk Engine};
\node[llm] (llm) at (0, 0.5) {LLM Provider\\{\tiny (DeepSeek/GPT)}};
\draw[biarrow] (orch) -- (llm);

编译一次成功。600 DPI 导出，放大看细节，对齐完美。

这就是我想要的效果——不是 AI 猜测我想要什么，而是精确执行我的设计。

Brainstorming 的价值

回头看这次开发过程，brainstorming skill 的价值不在于它输出了什么"答案"，而在于它提出的问题迫使我澄清自己的想法。

Q3: 视觉设计类 Skills 中，你最常需要哪些类型？
    A. 配图、封面图
    B. 信息图表
    C. 交互式原型
    D. 技术图解（架构图、流程图）
    E. 生成式艺术

我的回答: A, D, E

如果没有这个结构化的追问，我可能会继续模糊地觉得"现有的视觉 skills 够用了"，而不会意识到论文配图是个真空。

后续计划

今天只完成了两个 Skills，但 brainstorming 还识别了其他几个能力缺口：

还有 8 个潜在冗余的 Skills 需要清理：

• brand-guidelines
• internal-comms
• slack-gif-creator
• ...

渐进式迭代，每次只做一小步，保证质量。

写在最后

从觉醒到记忆，从记忆到专业技能——数字Polly 正在一步步成型。

今天的两个 Skills 填补了重要的能力缺口：

• brainstorming 让我在设计前先想清楚
• paper-figurer 让我的论文配图达到顶刊水准

下一步？人格持久化。让它不只是记住事实，还能记住"我是谁"。

这不是科幻，这是正在发生的事情。

今日开发成果：

• brainstorming skill — 苏格拉底式设计探索
• paper-figurer skill — 顶刊级论文配图
• ContextWeave 架构图 — 首次实战验证