figedit-v2
将位图图形重建为高保真可编辑 SVG 与原生 PowerPoint,支持仅文字可编辑、文字/结构/公式可编辑、源图素材保真混合、选择性或完整前景拆分,以及复杂连续背景的 AI 清版底重建。当用户希望把截图、论文插图、流程图、架构图、信息图、UI、图表/地图、海报或封面转成可编辑图形,或提到“图片转可编辑 SVG/PPT”“仅文字可编辑”“图表重建”“FigEdit”时使用。
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Badge for your README
Markdown
[](/listings/giszzt--figedit)HTML
<a href="/listings/giszzt--figedit"><img src="/api/listings/giszzt--figedit/badge.svg" alt="findsafeskills safety rating" /></a>Install
Install instructions from the README
As written by the repo's author. findsafeskills has not verified these steps.
**方式一:手动安装。** 克隆到 skill 目录,装好依赖:
# Codex git clone https://github.com/giszzt/figedit.git ~/.codex/skills/figedit # Claude Code git clone https://github.com/giszzt/figedit.git ~/.claude/skills/figedit # 安装 Python 依赖 pip install -r ~/.codex/skills/figedit/requirements.txt
**方式二:让 Agent 帮你装。** 把项目地址发给你的 Agent,说一句:
请帮我安装配置好这个 skill: https://github.com/giszzt/figedit
What was scanned
The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.
SKILL.md · Manifest · 210 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- ---
- name: figedit-v2
- description: 将位图图形重建为高保真可编辑 SVG 与原生 PowerPoint,支持仅文字可编辑、文字/结构/公式可编辑、源图素材保真混合、选择性或完整前景拆分,以及复杂连续背景的 AI 清版底重建。当用户希望把截图、论文插图、流程图、架构图、信息图、UI、图表/地图、海报或封面转成可编辑图形,或提到“图片转可编辑 SVG/PPT”“仅文字可编辑”“图表重建”“FigEdit”时使用。
- ---
- # FigEdit
- 把不可编辑的位图图形重建为高保真、可维护、可继续编辑的 SVG 与原生 PPTX 包。
- **主流程:勘察 → 备料 → 组装 → 验收。**先判断,后执行。判断阶段不碰坐标也不跑脚本,只回答“每一部分从哪来”;执行阶段才按已定路线调工具。
- ## 核心原则
- 输出画面上的每一块像素只可能有四个来源:
- 1. **SVG 画的** —— 结构、文字、公式
- 2. **从源图切的** —— `crop`
- 3. **AI 生成的** —— 区域清版底(背景)、色键版再生(前景对象)
- 4. **整块原样保留的** —— `preserve-raster`
- 路由就是给每一部分指派来源,每部分有且只有一个。指派完成即可开工;指派不全就是漏了东西。
- ### 重绘门槛
- 只有“用三五笔基础图元能画得像”的图形才允许 `redraw`:朴素箭头、方框、分隔线、圆点、加减号、对勾、简单节点圆。有定制轮廓、渐变、阴影、多色细节、品牌或角色身份的对象一律按素材处理(切、再生或压平),哪怕它看起来简单。拿不准时按素材处理,不重画。重画产物必须与源图形状可对照,画不像就是路由错误,不是绘画技术问题。
- ## 工作位置
- 所有命令在用户项目目录运行,每张图建任务目录(`figure-task/work` 证据、`figure-task/out` 交付),绝不写回 skill 目录。Windows 路径用正斜杠,非 ASCII 路径先经文件系统验证。
- ## 1 勘察
- 看一次足够清晰的源图,产出一份**重建路径概要**。这是本阶段唯一的交付物,纯文字,**零坐标**,二十行以内,写给人看。槽位固定,缺项写“无”:
- ```
- 图型与分区 每个区域一行:这是什么、底子从哪来
- 需要生成的 清版底张数 + 色键版张数 = 计费调用总数,或“无”
- 不可重画的对象 可直接裁的一堆、需再生的一堆,按名字和位置点出来,或“无”
- 公式 有无、大致数量 → 验证档位
- 工作量重心 这张图的时间主要花在哪
- 需要用户定 具体问题,或“无”
- ```
- 对象用名字和空间关系指认(“标题右边那个地球仪,骑在面板边框上”),不写 bbox。坐标属于备料阶段。
- 概要写完路线即锁定,后续不翻案。写不出“工作量重心”说明没看懂图;“不可重画的对象”分不出两堆说明污染扫描没做。
- ### 图型速查表(按区域查,不是按整图)
- | 看到的 | 底子从哪来 | 里面的对象从哪来 |
- | -------------------- | -------- | --------------------------------- |
- | 白底或平色底的流程图、架构图、论文插图 | SVG 画 | 通用图元画;专有图标按窗口干净与否切或再生 |
- | 多面板拼接的复合图 | 每个面板分别查 | 同上,按面板成批扫 |
- | 截图、图表主体、缩略图网格,内部不需要改 | 整块保留 | 不拆 |
- | 地图、照片、插画上压着要改的标注 | 区域 AI 清版 | 要能单独动的再生;不用动的压平进底板 |
- | 海报、封面、场景图,文字压在连续画面上 | AI 清版 | 同上 |
- | 公式密集的论文图 | 按上面几行查底子 | 公式一律 `math`,验证档锁 `pptx-triggered` |
- 一张图的不同区域各查各的,不要用一个标签盖住整幅。判不准时回到四来源指派。
- ### 素材两堆
- 过不了重绘门槛的对象只分两堆,一次扫完,不逐个走流程:
- - **窗口干净的** → 切。轮廓完整、四周无异物、外接矩形不含别人的像素。
- - **被压盖的** → 边框、文字、箭头、连接线、邻居穿过或遮住它。需要单独动就再生;不需要单独动且落在清版区就压平进底板。确定性 SVG 区没有底板可压,那里的污染对象只能再生。
- 判据细则见 `references/routing.md`,元素语义见 `references/element_decision_matrix.md`。
- ### 编辑深度与提问
- 用户原话优先:说“仅文字可编辑”锁 `text-only`(连续场直接压平);点名对象锁 `selective-assets`;要求全部可动锁 `full-extract`;检出公式且用户未表态时默认 `text+structure` 并锁 `pptx-triggered`。
- **提问一次问完。**概要写完后若有待决项,把前景深度选项、生成预算和 PPTX 附着预授权(含公式时)合并成一次提问。只有不同选择会显著改变费用或交付能力时才问;能自己定的不问。拿到附着预授权后验收阶段直接用 `--allow-attach`,不再二次提问。
- **用户确认前不得发起任何计费生成调用,也不得裁剪或合成。**OCR 不在此列,见下。
- ## 2 备料
- 按概要指派的来源把素材做出来。开头无条件先跑一次取证——不计费、输出无论走哪条路都要用,可以和提问并行。新任务用 `--init` 一并建目录:
- ```powershell
- python scripts/prepare_measurements.py input.png --init figure-task
- ```
- 一次跑出 OCR、风格采样和结构证据(`work/geometry.json`:面板 bbox 与颜色、每行文字的槽位与字号色值)。画布尺寸、OCR 条数、面板与文字槽数量、低置信文字清单直接打印在屏幕上,**不要再写代码去读这些 JSON**。看一次 `work/diagnostics/geometry_overlay.png` 做整体校验,别逐框打开。
- **此后任何像素问题都走 `measure.py`,一次问完。**紧边界、区域颜色、四边净空、透明图边界、反算字号、两图对齐残差,还有"我想看看这块长什么样",都是它的查询类型。一次问十个和问一个花的时间一样,问完拿到一张数字表加一张放大拼图。**不要手写 `python -c` 数像素,也不要自己裁图存盘再打开看。**
- ```powershell
- python scripts/measure.py input.png --exclude-text figure-task/work/ocr_results.json --q "logo:bbox@1850,1600,300,240" "hdr:color@0,0,2400,180" "t1:fontfit@340,881,275,31" "card:zoom@1290,1550,360,300" --sheet figure-task/work/measure_sheet.png
- ```
- 量图标一律带 `--exclude-text`。粗窗口几乎总会把旁边的标题文字圈进来,不排除就会量成"图标加标题"的外接矩形。量得结果会用红框画在拼图上,一眼能看出量对没量对。
- **结构证据是候选不是结论,也不改路由。**勘察锁定的路线不因为看到 overlay 就翻案。照片、插画、海报这类非平面设计图会标 `abstained: true` 并只给极少候选,这是设计行为:那里本就没有面板可找,该由人工量或走清版。各项候选的可信程度见 `references/scripts.md`。
- 以下分支按概要执行,互不依赖,能并行就并行。**概要没指派到的分支直接跳过**——纯 SVG 图不跑任何生成,纯清版压平图不跑任何裁剪。
- 确定性 SVG 图(白底流程图、架构图、论文插图,无 crop 无生成)三个分支一个都不进:备料就是上面那条取证命令加若干 `measure.py` 查询,跑完直接进组装。这类图的时间应当以分钟计。
- ### 有 crop 素材
- 此时才为这些对象点粗框(一眼精度,允许 10–20px 偏差),写进 `work/inventory.json`,只含走切或再生的对象;文字框来自 OCR,结构框在组装时确定,都不进来。路线已锁,点框是执行动作。
- ```powershell
- python scripts/snap_boxes.py input.png --inventory figure-task/work/inventory.json --exclude-text figure-task/work/ocr_results.json --out figure-task/work/snap_report.json --sheet figure-task/work/snap_sheet.png
- ```
- 看一次 `snap_sheet.png` 总览。判定写进各资产的 `crop_window`,人工只复看脚本点名项:`contaminated` 的改路由(改走再生或压平),`snap-failed`、带 warning 的和概要点名看不清的用 `inspect_regions.py` 局部放大。三值语义——`clean` 窗口余量是画布底色;`clean-on-fill` 余量是单一均匀实色且四边有净空,manifest 用同色重画承载面;`contaminated` 不得继续切。`quality_audit.py` 的事后核验是兜底。切图由 `crop_assets.py` 在组装时执行。
- ### 有清版区
- `prepare_clean_plate_mask.py` 准备掩膜,生成区域底板,`check_plate_registration.py` 验配准(scale ≈ 1.00 / offset ≈ 0)。底板必须是对源区域的编辑——移除待重建前景并补全其后像素,其余保持对齐和身份一致,不是新场景。细则见 `references/background_reconstruction.md` 与 `references/image_generation.md`。
- ### 有再生对象
- `probe_palette.py --boxes` 定键色与 sheet 数,生成色键版,`chroma_key.py` 抠出,`slice_grid.py` 切分。全部候选合并到尽量少的 sheet 上,重复元素只生成一次、按共享 id 多处放置。细则见 `references/chroma_regeneration.md`。禁止 rembg、GrabCut、阈值抠图等即兴替代。
- 无可用图像后端或底板不合格时停止并报告,不静默降级。
- **生成是长杆,不要干等。**调用发出后立即并行推进文字清单、连接线和 manifest 草稿。
- ## 3 组装
- 必读 `references/manifest_spec.md`、`references/svg_authoring.md`、`references/quality_checklist.md`,脚本接口查 `references/scripts.md`,其余按路线加载(各文件开头有适用说明)。公式密集图必读 `references/formula-reconstruction.md`。把勘察结论记进 manifest 顶层 `reconstruction_plan`,写文字 `retype`、公式拆 `math`、结构 `redraw`、素材按备料结果落 `decision` 与 `crop_window`。
- **首版允许用一次性生成器写出来**,元素多时这是正当做法。生成器写完 manifest 落盘后立即改名 `*.py.retired` 退场,后续修改一律走 `manifest_edit.py`——生成器留着会覆盖手工修复。
- 文字和面板可以先采纳草稿再改,比从零写快:
- ```powershell
- python scripts/draft_elements.py figure-task/work/geometry.json --out figure-task/work/draft_elements.json
- python scripts/manifest_edit.py manifest.json --adopt figure-task/work/draft_elements.json
- python scripts/compose_svg_package.py manifest.json --out figure-task/out --stage svg
- ```
- **采纳即担责,采纳后必须立即 compose 一次并看差异热力图。**这是唯一的审阅路径:逐条读草稿 JSON 比手写还慢,看一张合成图错的地方自己会浮出来。草稿的 `font_size` 和 `fill` 是估计值,靠 `fit_text.py` 和视觉比对收敛,和手写值一样要改。审阅完清掉 `provenance` 或置 `review_status`,否则质量门会拦。
- 修复走批量通道,不手编大 JSON、不写临时 patch 脚本:
- ```powershell
- python scripts/manifest_edit.py manifest.json --apply-snap figure-task/work/snap_report.json
- python scripts/manifest_edit.py manifest.json --set "label-3,label-4:y+=4" --apply-fit figure-task/work/fit_report.json
- python scripts/manifest_edit.py manifest.json --patch figure-task/work/patch.json
- ```
- 告警收齐一批改完再 compose。SVG 冻结后 `--stage pptx` 导出,仅补元数据用 `--stage package`。
- ## 4 验收
- **compose 每次都会打印差异工单**——按误差排序、点名到元素 id、附带毛病类型(位置偏了、字号偏大、颜色不符、整个没画出来),外加一张 `diagnostics/fix_sheet.png` 把误差最大的十二个元素做成源图/成品上下对照。
- 照工单改,不要自己再去逐块比对找差异。一轮就是「看工单和对照图 → 改 manifest → 重跑 compose」三步。
- 每轮看 `preview.png` 与各报告;报告点名后只复查受影响区。最终至少看一次 SVG 总览。
- - **档 0 / `svg-primary`**:无 `math` 且 `pptx_text_fit.py` 无换行、溢出、缺字、错位报告。SVG 即验收,不打开 PowerPoint。
- - **档 1 / `pptx-triggered`**:含 `math` 或静态审计报结构风险。交付前原生渲染一次,只查公式越槽、意外换行、内容截断、元素错位。
- - **档 2**:档 1 发现结构缺陷,批量修完最多再渲染一次;仍有问题写入交付说明,不无限循环。
- 不算缺陷:抗锯齿、笔画粗细、标点亚像素差、基线 ±1px、字距 ±0.5px、整体色彩管理差异。算缺陷:内容缺失、换行变化、溢出、公式越槽、元素错位超 3px。
- 交付说明附上重建路径概要,并说明实际执行与概要是否一致、不一致的原因。
- ### PowerPoint 安全规则
- PPTX 原生渲染只能调 `python scripts/render_pptx.py figure-task/out/editable.pptx --out figure-task/out/pptx_render`。
- - 禁止手写 `PowerPoint.Application` 自动化;禁止附着态调用 `Quit()`;禁止 `taskkill /IM POWERPNT.EXE`、`Stop-Process POWERPNT`。
- - 检测到用户正在使用 PowerPoint 时脚本默认拒绝;只有用户同意(含勘察时的预授权)才加 `--allow-attach`。
- - 附着态只关自己只读打开的 Presentation。未完成要求中的原生渲染时交付说明写“原生渲染暂缓”,不得伪称完成。
- ## 输出包
- `editable.svg`、`editable_embedded.svg`、`editable.pptx`、`preview.png`、`manifest.json`、`contact_sheet.png`(有素材时)、`quality_report.md`、`editability_report.md`、`assets/`、`diagnostics/`、`timings.json`。PPTX 语义级顶层解组:文字、形状、连接线、素材可直接选中;公式、蒙版、旋转等按保真需要保持成组。
- ## 权威与职责
- | 关注点 | 唯一权威 |
- | ------------------------------------ | ----------------------------------------- |
- | 四阶段、四来源、重绘门槛、验证分档、PowerPoint 安全 | 本 `SKILL.md` |
- | 勘察协议、路径概要槽位、`reconstruction_plan` | `references/routing.md` |
- | manifest 字段、`reconstruction_mode` 词汇 | `references/manifest_spec.md` |
- | 背景、前景深度、文字层策略 | `references/background_reconstruction.md` |
- | 元素语义、重画还是保素材 | `references/element_decision_matrix.md` |
- | crop 执行语义、污染素材恢复 | `references/asset_extraction.md` |
- | chroma 再生 | `references/chroma_regeneration.md` |
- | 生成简报与图像后端 | `references/image_generation.md` |
- | 公式重建与可编辑性 | `references/formula-reconstruction.md` |
- | 脚本接口与候选可信度 | `references/scripts.md` |
- | 最终放行条件、修复优先级 | `references/quality_checklist.md` |
- ## 入口脚本
- | 阶段 | 脚本 |
- | ----- | ---------------------------------------------------------------------------------------------------------------------------------------- |
- | 全程 | `measure.py` —— 一切像素问题的唯一入口,批量提问 |
- | 备料·取证 | `prepare_measurements.py`(含 `--init` 脚手架)、`probe_geometry.py` |
- | 备料·裁剪 | `snap_boxes.py`、`inspect_regions.py`、`crop_assets.py` |
- | 备料·生成 | `prepare_clean_plate_mask.py`、`generate_clean_plate.py`、`check_plate_registration.py`、`probe_palette.py`、`chroma_key.py`、`slice_grid.py` |
- | 组装 | `draft_elements.py`、`manifest_edit.py`、`compose_svg_package.py` |
- | 验收 | `fit_text.py`、`pptx_text_fit.py`、`render_pptx.py`;差异工单 `fix_worklist.py` 由 compose 自动运行 |
- | 审计 | `validate_manifest.py`、`quality_audit.py`、`audit_editability.py` |
- 命令行、输入输出格式与注意事项见 `references/scripts.md`。表外脚本由 `compose_svg_package.py` 内部调用,不直接运行。
- ## 质量底线
- 保留源图全部重要信息、阅读关系和专有视觉;普通文字和每个检出公式保持可编辑;无检测噪声、公式文字泄漏、脏裁剪、源图补丁拼贴或静默路线降级。完整放行条件见 `references/quality_checklist.md`。
README.md · README · 332 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- <div align="center">
- <img src="./assets/figedit-logo.png" alt="FigEdit 图易编 Logo" width="220">
- <h1>FigEdit · 图易编</h1>
- <p><strong>让压平的图,重新可编辑。</strong></p>
- <p>把截图、论文配图、流程图、海报和 AI 生成图片重建为可编辑 SVG 与原生 PowerPoint。</p>
- <p>
- <a href="./README.md">中文</a> ·
- <a href="./README.en.md">English</a>
- </p>
- <p>
- <a href="https://www.python.org/"><img src="https://img.shields.io/badge/Python-3.10%2B-3776AB?style=flat-square&logo=python&logoColor=white" alt="Python 3.10+"></a>
- <a href="./VERSION"><img src="https://img.shields.io/badge/Version-0.2.0-2563EB?style=flat-square" alt="Version 0.2.0"></a>
- <a href="./LICENSE"><img src="https://img.shields.io/badge/License-MIT-F97316?style=flat-square" alt="MIT License"></a>
- </p>
- <p>
- <a href="#效果案例">效果案例</a> ·
- <a href="#快速开始">快速开始</a> ·
- <a href="#工作原理">工作原理</a> ·
- <a href="./CHANGELOG.md">更新日志</a> ·
- <a href="#致谢与第三方代码">致谢</a>
- </p>
- </div>
- ---
- ## 这是什么
- FigEdit(中文名「图易编」)是一个 AI Agent Skill。给它一张截图、论文配图、AI 生成的幻灯片、技术架构图、海报封面、或者任何图片格式的图形,它会把图片拆解重建成可编辑的矢量图形包——文字变成真正的文字,形状变成矢量形状,公式变成可编辑的方程,图标和照片作为可替换的图片资产保留,连嵌在照片和插画里的文字,也能连同背景一起重建成可编辑的分层结构。
- ## 应用场景
- **AI 生成的图片不能编辑?** — GPT Image 2、Nano Banana 生成的幻灯片、架构图画面惊艳,但全是像素。FigEdit 把布局提取成真正的 PowerPoint 元素,文本框能编辑、形状能移动、背景能替换。
- **看到好看的论文图想复刻?** — 想复刻优质图示的图框、形状、布局、配色。FigEdit 把图重建成可编辑结构,30 秒改完标签、替换元素,不用从头画一小时。
- **图片原始可编辑版本丢失?** — 设计师交付的精美信息图,可编辑源文件丢了或从未共享。FigEdit 拆成可编辑的 SVG,框架变矢量,图标按可分离性通过干净裁剪、污染再生或区域压平保真,文字变成可选中的文本。
- **文字长在照片和插画上?** — 海报、封面、社交卡片、场景化信息图,标题和标注直接压在连续的视觉画面上,裁切和矢量重绘都救不了。FigEdit 会让参考图模型生成一张擦除前景、补全背景的干净底板,再把文字、公式和标记作为可编辑图层叠回去。
- ## 效果案例
- 下面均为原图与 FigEdit 重建结果的对比。
- ### 案例一:PPT 结构拆解
- 
- [查看并下载完整案例:原图、SVG、PPTX、Manifest 与质量报告](./assets/examples/genai-history/)
- ### 案例二:图标与结构混合图
- 
- [查看并下载完整案例:原图、SVG、PPTX、Manifest 与质量报告](./assets/examples/skill-compiler/)
- ### 案例三:全矢量重绘
- 
- [查看并下载完整案例:原图、SVG、PPTX、Manifest 与质量报告](./assets/examples/parallel-loops/)
- ### 案例四:大量图片素材保真
- 
- [查看并下载完整案例:原图、SVG、PPTX、Manifest 与质量报告](./assets/examples/tryon-pipeline/)
- ### 案例五:多要素混合重构
- 
- [查看并下载完整案例:原图、SVG、PPTX、Manifest 与质量报告](./assets/examples/transitlm/)
- ### 案例六:复杂公式复现
- 
- [查看并下载完整案例:原图、SVG、PPTX、Manifest 与质量报告](./assets/examples/ast-reveal/)
- ### 案例七:公式与图片资产混合重建
- 
- [查看并下载完整案例:原图、SVG、PPTX、Manifest 与质量报告](./assets/examples/camera-grid-rendering/)
- ### 案例八:多分组数据图表重建
- 
- [查看并下载完整案例:原图、SVG、PPTX、Manifest 与质量报告](./assets/examples/llm-performance-evaluation/)
- ### 案例九:复杂背景封面清版
- 
- [查看并下载完整案例:原图、SVG、PPTX、Manifest 与质量报告](./assets/examples/sciscover-cover/)
- ### 案例十:清版底板与全前景提取
- 
- [查看并下载完整案例:原图、SVG、PPTX、Manifest 与质量报告](./assets/examples/esa-iss-pillars/)
- ## 为什么用它?
- 把一张扁平图片变回可编辑文件,难点不只是识别画面里有什么,而是判断每个元素应该以什么形式保留,现有方案各有各的问题:
- | 方案类型 | 代表方案 | 核心做法 | 主要优势 | 主要不足 |
- | ---------------- | -------------------------------------------------------- | -------------------------------------------------------- | ---------------------------- | ------------------------------------------------------------ |
- | 轮廓拟合式矢量化 | Potrace、VTracer、Illustrator Image Trace | 根据像素颜色和边界拟合贝塞尔曲线,将整张图片转换为矢量路径 | 速度快、成本低,适合 Logo、线稿、剪影和扁平图标 | 不理解文字、公式和元素关系;复杂图片容易产生大量碎片路径,虽然“全是矢量”,但实际很难编辑 |
- | OCR 文本覆盖 | OCR 转 PPT、部分图片转幻灯片工具 | 保留原图或分块图片,在对应位置覆盖可编辑文本框 | 实现简单、视觉还原度较高,文字可以直接修改 | 图形和结构仍是位图;原文字可能残留在背景中,移动文本后容易露馅,只能算局部可编辑 |
- | 视觉理解与代码重建 | DrawIO、Excalidraw、TikZ、AutoFigure-Edit、Draw with Thought | 由多模态大模型理解图片,再生成 SVG、DrawIO、Excalidraw 或 TikZ 等结构代码 | 文字、节点、箭头和连接关系可编辑,适合规则流程图和架构图 | 代码表达能力偏向规则图形;自定义图标、Logo、照片、地图和截图容易被简化、遗漏或替换 |
- | 端到端 Image-to-SVG | StarVector、VFig、dots.mocr-svg、RLRF | 使用专门训练的模型,直接从图片生成完整 SVG 代码或矢量图元序列 | 自动化程度高,可以输出路径级矢量对象 | 通常需要专用模型和 GPU;复杂图片会生成很长的 SVG,照片、纹理和专有视觉元素容易失真,模型泛化能力也受训练数据限制 |
- | 元素分解与结构化组装 | Edit-Banana、CraftEditor | 先通过sam分割、OCR、生成式清理等方法拆出文字和视觉元素,再组装成 DrawIO、SVG、PSD 等分层格式 | 能保留较丰富的视觉元素,也支持对象级移动、替换和重新组合 | 工作流太重,通常依赖多个模型、外部服务或 GPU 环境;对复杂图形还原能力不足 |
- FigEdit 采用混合重建策略:
- - 文字、标题、普通标注重建为可编辑文本;
- - 公式识别为独立的语义对象,并在原生 PPTX 中导出为可编辑的 Office Math 公式;
- - 面板、形状、边框、箭头和连接关系重建为矢量对象;
- - Logo、照片、截图、地图、复杂图标等来源特异的视觉内容先保留身份:窗口干净才裁剪,污染时再生、压平或保留完整区域;
- - 被标注、引线遮挡或与背景纠缠的图形对象,由参考图模型在色键底色上再生,色键抠出后成为干净的透明资产;
- - 复杂连续背景(照片、插画、渲染场景、不规则渐变)重建为 AI 清版底板,其上叠加可编辑前景层;
- - 最终同时输出 SVG、内嵌资产 SVG 和原生可编辑 PPTX。
- 装好依赖后,把图片交给 Agent,一句话即可完成分析、拆解、重建、导出和质量检查。
- ## 工作原理
- 整个流水线分四步:测量 → 决策 → 组装 → 验证。
- ### 测量
- 用 PaddleOCR 识别图中的文字位置和内容,用 OpenCV 检测线段、矩形、箭头等几何结构,同时采样配色和字体信息。最后产出原始测量数据,供下一步 Agent 决策使用。
- ### 决策
- 模型拿到测量数据后,对图做整体分类,然后逐个元素判断处理方式:
- | 元素类型 | 处理方式 |
- | ---------------- | ---------------------------- |
- | 面板、箭头、网格、分隔线 | 重绘为可编辑 SVG 形状 |
- | 标签、标题、图注、图例 | 重打为可编辑文本 |
- | 方程、变量、行内公式 | 重建为 LaTeX,导出为可编辑 Office Math |
- | 图标、照片、地图、图表、Logo | 按可分离性裁剪、再生或区域保留,保持视觉身份 |
- | 被遮挡或纠缠的图形对象 | AI 在色键底上再生,抠出为干净透明资产 |
- | 复杂连续背景 | 生成擦除前景、补全像素的 AI 清版底板 |
- 模型先整图判断,再按区域和对象组合重建策略:确定性结构用 SVG,局部或全图连续场用区域清版底,干净的专有素材裁剪,受压盖污染的素材再生或压平。走清版区域时,模型会先给出前景处理方案(全部提取为独立资产、只提取指定对象、或保留在底板中压平)供确认,再发起生成。
- 所有决策写入 `manifest.json`,整个过程可复现。
- ### 组装
- 根据 manifest 生成最终输出:矢量结构、可编辑文本、渲染后的公式、定位好的图片资产、清版底板,一起打包成 SVG 和原生 PowerPoint 文件。
- ### 验证
- 自动检查输出质量:有没有面板漏掉、文字被意外困在图片里、公式转换是否成功、结构是否完整,并将重建结果与原图做像素级对比,输出差异热力图和分块评分定位偏差最大的区域。发现问题会自动修复后重新组装。
- ## 快速开始
- ### 环境要求
- - Python 3.10+
- - 一个支持 skill 的 AI Agent 环境
- FigEdit 的重建质量高度依赖模型视觉理解与 SVG 绘制能力,不同模型表现差异极大,优先推荐 Codex、Claude Code。
- | Agent 环境 | 推荐模型 | 说明 |
- | --------------- | ---------------------------------- | -------------------------------------------------------------------------------- |
- | **Codex** | GPT 6 Astra | 优先推荐,视觉理解、空间推理与工具调用能力稳定,速度快,且自带 image_gen 图像生成,清版路线开箱即用 |
- | **Claude Code** | Claude Fable 5、Opus5.5 | SVG 绘制能力最强,复杂图形的路径组织、文本布局和层级关系处理更稳,适合追求高质量可编辑 SVG 的重建任务 |
- | **其他主流 Agent** | GPT-5.6、Claude Fable 5、Gemini 3.5 | 不建议使用仅擅长代码、但缺少图片输入或空间视觉推理能力的模型。即使能够执行 FigEdit 脚本,也容易在元素分类、裁切边界、层级关系和布局判断上出现明显偏差。 |
- ### 安装
- **方式一:手动安装。** 克隆到 skill 目录,装好依赖:
- ```bash
- # Codex
- git clone https://github.com/giszzt/figedit.git ~/.codex/skills/figedit
- # Claude Code
- git clone https://github.com/giszzt/figedit.git ~/.claude/skills/figedit
- # 安装 Python 依赖
- pip install -r ~/.codex/skills/figedit/requirements.txt
- ```
- **方式二:让 Agent 帮你装。** 把项目地址发给你的 Agent,说一句:
- ```
- 请帮我安装配置好这个 skill:
- https://github.com/giszzt/figedit
- ```
- ### 图像后端配置(可选)
- 只有涉及 AI 清版底板或色键再生的图才需要图像生成能力,普通图不用配置任何密钥。
- Agent 环境自带图像生成时(如 Codex 的内置 `image_gen`)会优先使用,零配置。没有内置能力时,把 `env.example` 复制为 `.env` 并填入你有的密钥即可,支持 Labnana(GPT-Image-2 / Gemini / Nano Banana)和 OpenAI、Gemini 官方 API,按可用性自动排序回退。
- ### 使用
- 装好之后,在 Agent 里对任意图片说一句话就行,不用记命令。默认情况下模型会自己判断每个元素怎么处理、走哪条重建路线;你在指令里明确提出的要求(走哪条路线、哪个元素怎么处理)始终优先于默认判断。
- **日常转换**,说清目的就够了:
- ```
- 把这张图转成可编辑的 SVG 包。
- ```
- ```
- 这张图我想改几个字,帮我转成能编辑的 PPT。
- ```
- ```
- 复刻这张论文图的版式、图框和配色,文字内容我之后自己替换。
- ```
- **控制元素的处理方式**,点名某类元素怎么办:
- ```
- 请将这张图全矢量化,图标也重绘成可编辑形状。
- ```
- ```
- 图里的柱状图不要整块裁切,重建成可编辑的图表元素。
- ```
- ```
- 截图和地图保持裁切原图就行,只把周围的标题和标注做成可编辑文字。
- ```
- ```
- 左上角这个徽章裁切下来边缘总是脏的,用 AI 重新生成一个干净的透明版。
- ```
- **指定区域或对象路线**,SVG、区域清版、裁剪与再生可以按需组合:
- ```
- 这张海报的字压在照片上,帮我拆成背景底板加可编辑文字。
- ```
- ```
- 这张图虽然是普通白底流程图,但我要最干净的提取效果,直接走 AI 清版路线。
- ```
- ```
- 走清版路线,把画面里所有图标和人物都抠成独立透明素材,方便我重新排版。
- ```
- ```
- 生成底板时只把中间的火箭抠出来单独成素材,其他都留在背景里压平。
- ```
- ```
- 这张带照片背景的图先别生成底板,就用常规裁切拼,效果差点我能接受。
- ```
- 模型会跑完整个流水线,把输出包交付到你的项目目录。
- ## 输出包
- ```
- output/
- ├── editable.svg # 可编辑 SVG,外链资产
- ├── editable_embedded.svg # 自包含 SVG,资产 base64 内嵌
- ├── editable.pptx # 原生 PowerPoint,真实文本框与形状
- ├── preview.png # 预览图
- ├── contact_sheet.png # 所有裁切资产一览
- ├── manifest.json # 完整重建计划
- ├── quality_report.md # 质量检查报告
- ├── editability_report.md # 文本提取率与资产文本风险
- ├── assets/ # 裁切、再生与底板图片资产
- └── diagnostics/ # 布局叠加图与像素级视觉对比(差异热力图、分块评分)
- ```
- ## 项目结构
- ```
- figedit/
- ├── SKILL.md # Skill 入口,完整工作流参考
- ├── README.md
- ├── README.en.md
- ├── CHANGELOG.md
- ├── LICENSE
- ├── VERSION
- ├── THIRD_PARTY_NOTICES.md
- ├── requirements.txt
- ├── env.example # 图像后端密钥模板(复制为 .env 使用)
- ├── scripts/ # 测量、组装、色键再生、PPTX 导出、审计等脚本
- ├── references/ # 决策参考文档(分类、决策矩阵、背景重建、清版提示词等)
- ├── templates/ # Manifest schema 与模板
- ├── examples/ # 示例提示词
- └── assets/examples/ # 可下载的完整重建案例
- ```
- ## 依赖
- | 包 | 版本 | 用途 |
- | ------------- | ------ | -------------- |
- | opencv-python | ≥ 4.9 | 结构检测(4.x/5.x 均兼容) |
- | paddleocr | ≥ 3.7 | 文字检测(PP-OCRv6) |
- | paddlepaddle | ≥ 3.3 | PaddleOCR 后端 |
- | Pillow | ≥ 10.0 | 图像处理 |
- | numpy | ≥ 1.24 | 数组运算 |
- | scipy | ≥ 1.10 | 色键边缘分析 |
- | matplotlib | ≥ 3.7 | 公式渲染 |
- | latex2mathml | ≥ 3.81 | 公式转换 |
- | lxml | ≥ 5.0 | SVG/XML 处理 |
- | cairosvg(可选) | - | 提升 PPTX 媒体渲染质量,未装时自动回退 svglib |
- ## 贡献
- 欢迎提交 issue 或改进建议,尤其是复杂版式、公式导出、OCR 校对、清版底板质量和 PowerPoint 兼容性方面的问题。
- ## 致谢与第三方代码
- FigEdit 的原生 SVG → PPTX 导出层基于 [PPT Master](https://github.com/hugohe3/ppt-master) 改编。感谢 Hugo He 开源这一套将 SVG 转换为原生、逐元素可编辑 PowerPoint 的实现。FigEdit 在此基础上加入了单图重建工作流、Manifest 资产组织、可编辑公式和质量检查等适配。PPT Master 使用 MIT 许可证,上游版权声明与完整许可文本见 [THIRD_PARTY_NOTICES.md](./THIRD_PARTY_NOTICES.md)。
- 内置图像生成的调用协议(先将源图显示为对话中的编辑目标,再发起生成)借鉴自 [GordenImage2PPTX](https://github.com/GordenSun/GordenSuperPPTSkills)。感谢 GordenSun 验证并分享了这条让 Agent 内置图像工具稳定接收参考图的路径。
- ## 许可证
- FigEdit 自有代码使用 [MIT](LICENSE) 许可证;第三方代码沿用各自许可证,详见 [THIRD_PARTY_NOTICES.md](./THIRD_PARTY_NOTICES.md)。
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.