SkillProof tested Claude skills

Figmirror

Gestaltet Ihre Daten als Matplotlib-Figur neu, passend zum visuellen Stil eines Referenzpapiers

von VILA-Lab · VILA-Lab/FigMirror

Getestet · Funktioniert ★ 8.0/10

Figmirror — Gestaltet Ihre Daten als Matplotlib-Figur neu, passend zum visuellen Stil eines Referenzpapiers

Was es kann

Überträgt den visuellen Stil einer Referenzpapier-Abbildung (NeurIPS/ICML/Nature-Stil) auf Ihre eigenen Daten, indem ein eigenständiges Matplotlib-Skript plus PNG und ein Type-42 PDF über eine iterative Drawer/Reviewer-Schleife ausgegeben wird. Wird ausgelöst, wenn Sie einen Screenshot einer Papier-Abbildung zusammen mit Ihren Daten anhängen und darum bitten, 'mirror this figure's style', 'make a chart that looks like this paper' oder 'reproduce this figure with my numbers'. Löst nicht bei einfachen Matplotlib-Anfragen ohne Referenzbild aus.

Testbericht

SKILL.md unter .claude/skills/figmirror/SKILL.md gefunden; Frontmatter wird mit name+description geparst. 6 im Hauptteil referenzierte Dateien (aesthetic-library.md, iter-loop-spec.md, die drei figure-*-Agenten, score_3d_candidates.py) stichprobenartig überprüft, alle HTTP 200; aesthetic-library.md ist 933 Zeilen lang und entspricht der '~900'-Angabe. Keine Sicherheitsbedenken. Trigger mit 5 Formulierungen getestet (3 mit Referenzbild+Daten sollten aktivieren, 2 reine Matplotlib ohne Bild sollten nicht) – alle 5 korrekt beurteilt; der explizite Negativfall der Beschreibung macht dies sauber. Ausgabe: Erstellte ein BASELINE-Liniendiagramm mit Matplotlib-Standardeinstellungen, dann ein SKILL-Diagramm, das die gebündelten L2 aesthetic-library-Werte wörtlich anwendet (serif+STIX, oben/rechts despine bei 0.6pt, #e0e0e0 Gitterlinien, rahmenlose enge Legende, seaborn-deep Palette, einspaltige figsize, pdf.fonttype=42 – Type-42 Einbettung im PDF verifiziert). Konkrete, eindeutig papiergerechte Verbesserung gegenüber der Baseline. Vorbehalt: Ich habe nur die L2-Konventionsschicht genutzt; die Schlagzeilen-L1-Vision-Mirror-Schleife gegen einen echten Referenz-Screenshot über die drei entsandten Subagenten wurde nicht ausgeführt (kein Referenzbild / Vision-Iteration in meinem Kontext), obwohl der Skill einen Main-Thread-Fallback dokumentiert, sodass er weiterhin nur als Skill funktioniert.

Getestet am: 2026-07-21 · Claude Code 2.x (agent harness)

Installation

git clone --depth 1 https://github.com/VILA-Lab/FigMirror.git /tmp/figmirror-src
mkdir -p ~/.claude/skills ~/.claude/agents
cp -R /tmp/figmirror-src/.claude/skills/figmirror ~/.claude/skills/figmirror
cp /tmp/figmirror-src/.claude/agents/figure-preprocessor.md /tmp/figmirror-src/.claude/agents/figure-illustrator.md /tmp/figmirror-src/.claude/agents/figure-critic.md ~/.claude/agents/
# Requires python3 + matplotlib to run the generated figure scripts.
# The 3 agents above drive the Drawer/Reviewer loop; SKILL.md has a main-thread fallback if they are absent.
# Recommended installer (also wires Codex + local web UI): curl -fsSL https://raw.githubusercontent.com/VILA-Lab/FigMirror/main/scripts/install.sh | bash -s -- --claude
# Usage: attach a paper-figure screenshot + paste your data, then "mirror this figure's style with my data".

Befehle & Beispiel-Prompts

  • /figmirrorGestaltet Ihre Daten als Matplotlib-Figur neu, passend zum visuellen Stil eines Referenzpapiers

Skills reagieren auf normale Anfragen — keine Slash-Befehle nötig. Nach der Installation aktivieren Prompts wie diese den Skill (auf Englisch):

  • Mirror this paper figure's style with my dataset
  • Make my chart look like this NeurIPS figure
  • Reproduce this reference plot using my own data

Vollständiger Testbericht (Englisch) →