Google把畫圖時間從6小時壓到3分鐘

凌晨11點的Stack Overflow上，一個神經科學博士正在搜索"matplotlib PDF export cut off axis labels"。這是他的第47次實驗，數據干凈，故事清晰，距離投稿Nature只剩6張圖。6小時后，他盯著屏幕上變形的坐標軸，開始認真考慮轉行。

Google AI最新開源的PaperBanana，就是沖著這種特定崩潰場景來的。它不是又一個"自然語言出草圖"的玩具，而是一個agentic（智能體）框架——輸入文字描述，輸出能直接塞進NeurIPS或Nature的出版級圖表。GitHub熱度已經起來了，但比功能更值得聊的，是它底層的架構設計。

為什么99%的"文生圖"工具死在同一個坑里

這個領域的墳場很大。大多數工具死法一致：生成一個"看起來對"的初稿，然后——沒有然后了。一張能用的matplotlib輸出，和一張能投稿的figure之間，隔著字體渲染、色盲友好性、期刊格式規范、圖例位置、分辨率至少五道坎。單輪生成跨不過去。

PaperBanana的核心判斷是：圖表生成是個多維度質量問題，單次生成不可靠，必須迭代。它搭了一個critic-generator（批評者-生成者）循環：Critic agent輸出結構化反饋，Generator agent執行修改，直到滿足出版標準或觸及迭代上限。

聽起來簡單。效果驚人。而且這個模式可以泛化到任何"質量維度多、需要迭代優化"的任務。

四agent流水線：誰負責什么

系統拆成四個角色，交接點全是結構化數據。

Planner agent讀自然語言描述+原始數據，輸出技術規格：選什么圖表類型、數據要不要預處理、坐標軸怎么設。Code Generator agent把規格轉成matplotlib/seaborn/plotly代碼。Renderer執行代碼出圖。然后Critic agent上場——它對照預定義的出版標準（字體大小、配色對比度、標簽完整性等）逐項檢查，生成修改清單。

清單回到Code Generator，循環繼續。Google的測試顯示，平均2.3輪迭代后通過驗收，硬上限設了5輪。

關鍵設計：Critic的反饋必須是結構化的，不能是"看起來不太對"這種廢話。系統要求它輸出具體指令，比如"將x軸標簽字體從8pt改為10pt以符合Nature印刷規范"或"將色板從viridis改為cividis以提升色盲可讀性"。

代碼怎么跑：一個可復現的示例

項目已開源。核心依賴就幾個：google-adk（agent開發套件）、matplotlib/seaborn/plotly、以及一個PDF渲染器。安裝后，定義figure的方式接近自然語言：

```python from paperbanana import FigurePipeline pipeline = FigurePipeline( journal_style="nature", # 或"neurips", "ieee", "cell" colorblind_safe=True, max_iterations=5 ) result = pipeline.generate( description=""" Scatter plot showing correlation between prefrontal cortex activation (fMRI beta values, x-axis) and reaction time in milliseconds (y-axis). 120 subjects, color by age group (young/old). Include regression line with 95% CI. """, data="experiment_3_cleaned.csv" ) ```

輸出包含PNG預覽、矢量PDF、以及完整的生成日志——哪輪改了什么、Critic當時的具體反饋，全部可追溯。審稿人追問"這個圖怎么做的"時，你有完整鏈條。

為什么產品經理應該關注這個架構

PaperBanana的真正價值不止于救急畫圖。它驗證了一種agent協作模式：生成-評估-迭代的閉環，用結構化接口隔離不確定性。

Planner處理模糊輸入，輸出確定性的技術規格。Code Generator面對確定規格，輸出確定性的代碼。Renderer是確定性執行。只有Critic涉及主觀判斷，但它的輸出又被強制結構化為可執行的修改指令——不確定性被圈死在局部，不會污染整個鏈條。

這和傳統軟件開發的"編譯-測試-修復"循環本質上同源，但把"測試"和"修復"都自動化了。Google ADK團隊的人提到，他們內部已在把同樣模式遷移到數據清洗、實驗報告生成等場景。

一個有趣的細節：Critic agent的prompt工程花了團隊最多時間。他們發現，讓模型扮演"挑剔的期刊審稿人"比"有幫助的助手"效果更好——角色設定直接改變反饋的嚴格程度和具體性。

目前GitHub倉庫的issue區，最常見的請求是支持更多期刊模板（Science、PNAS、arXiv預印本格式）和更多繪圖后端（R的ggplot2、Python的altair）。維護者的回復很克制：先保證matplotlib生態的穩定性，再擴展。

那個凌晨11點搜Stack Overflow的博士，如果晚半年開始實驗，他的第47次研究會是什么體驗？