用 Codex + Microsoft Visio COM 构建可编辑科研/流程图自动绘制 Skill

本文整理的是一个面向 Microsoft Visio 的 Codex skill：visio-template-drawing。它的目标不是把截图粘贴进 Visio，而是根据 PNG 参考图、文字描述或模板，生成真正可编辑的 .vsdx 图。
项目地址：
https://github.com/zxc-heu/visio-template-drawing-skill

示例测试结果

下面 5 组示例中，示例x.png 是原始参考图，out_示例x.png 是用该 skill 绘制后的结果预览。实际交付物是可编辑 .vsdx。

示例 1：相似度计算流程图

原图：

绘制结果：

覆盖能力：

• Visio 文档形状；
• 中文流程框；
• 公式富文本；
• 上下标；
• 箭头连接；
• 共享权重 W 标签避线。

示例 2：聚类/原型分类示意图

原图：

绘制结果：

覆盖能力：

• 背景分区；
• 原型节点和样本点；
• 节点辐射线；
• 虚线距离关系；
• 曲线输入箭头；
• 保持直虚线风格，同时通过微调节点避免穿线。

示例 3：关系网络模块图

原图：

绘制结果：

覆盖能力：

• 照片素材裁剪后插入；
• 支持集/查询集；
• 多组 feature map 长方体；
• 关系模块；
• one-hot 向量；
• 曲线扇入/扇出；
• 图像、标签、连接线的布局预检。

示例 4：分层业务架构图

原图：

绘制结果：

覆盖能力：

• 分层容器；
• 容器标题内边距；
• 业务模块框；
• 主干箭头；
• 分支汇合线；
• 避免箭头停在层边界或穿过模块文字。

示例 5：缺失值处理流程图

原图：

绘制结果：

覆盖能力：

• 开始/结束圆角框；
• 处理框；
• 判定菱形；
• “是/否”分支标签；
• 汇合线；
• 长路径回流线；
• 分支标签避线。

1. 为什么要做这个 Skill

很多科研图、流程图、算法示意图最终都需要被人工继续编辑。常见的自动绘图方式可以快速生成 SVG、PPT 或位图，但这些结果在 Visio 里往往不好二次修改。

这个 skill 的目标是：

• 输入：PNG 参考图、文字说明、已有 Visio 模板；
• 输出：可编辑的 .vsdx；
• 绘制方式：通过 Microsoft Visio COM 自动化真实打开 Visio；
• 图中对象：尽量使用 Visio 原生形状、文本、连接线、stencil/master；
• 禁止伪结果：不能只把参考截图贴进 Visio 冒充可编辑图。

一句话：让 Codex 更像一个熟练的 Visio 用户，而不是只会画几何图形的脚本。

2. Skill 的核心工作流

当前 visio-template-drawing 的主流程是：

1. 确认输入和输出路径。
2. 解析参考图的语义结构：图类型、布局、文字、形状族、连接线、颜色、分组关系。
3. 优先选择 Visio 原生形状、左侧形状栏、stencil/master，而不是直接用低级几何线条拼图。
4. 生成 JSON drawing plan。
5. 对复杂图运行布局预检。
6. 使用 Visio COM 可见地执行最终绘制。
7. 保存 .vsdx，默认不导出 PNG，除非明确要求预览。

这套流程的重点是“先理解语义，再绘图”，而不是逐像素模仿。

3. 关键能力设计

3.1 优先使用 Visio 原生能力

如果参考图里有流程图、判定框、文档框、动态连接线、长方体、分层模块等常见结构，skill 会优先尝试使用 Visio stencil/master。

例如：

• 文档形状优先找 Visio 的 Document master；
• 流程框优先找 Process；
• 判定框优先找 Decision；
• 特征图长方体优先找 3-D box、Cube、Horizontal bar 等 master；
• 语义连接优先用动态连接线和 glued endpoint。

只有找不到合适 master 时，才退回到基础矩形、椭圆、多边形或自定义线条。

3.2 公式和中英文混排

科研图里常见 G_W(x_1)、E_W、f_φ、g_φ 等数学标注。
skill 支持 richText，可以在同一个 Visio 文本框中设置：

• 中文：默认宋体；
• 英文/数字/数学：默认 Times New Roman；
• 变量斜体；
• 上标、下标；
• 字号差异。

这比把公式拆成多个文本块更稳定，也更接近后续人工编辑的需求。

3.3 布局预检

测试过程中发现，很多错误不是“画不出来”，而是布局质量不稳定，例如：

• 文字压到图片或节点上；
• 连接线压住独立文字；
• 线段穿过非端点节点；
• 图形越出页面；
• 容器标题贴边；
• 分支标签“是/否”压在线上。

因此 skill 加入了 validate_plan_layout.py，在生成 Visio 前检查这些问题。

当前预检规则包括：

• 非预期的文字/图像重叠；
• 图像/图像重叠；
• 页面越界；
• 独立文字与连接线相交；
• 连接线穿过非端点节点；
• 背景区域、容器层、路由辅助点不作为障碍物；
• 如果确实是设计性叠放，可通过 allowOverlap 或 allowedOverlaps 显式声明。

这让很多问题在生成前被拦截，而不是等用户打开 Visio 后再肉眼发现。

3.4 曲线和连接线策略

连接线不是越圆滑越好，也不是越规整越好。当前规则是：

• 可读性优先；
• 清晰曲线优先于清晰折线；
• 清晰折线优先于混乱曲线；
• 如果参考图是直线或直虚线，优先保持直线风格；
• 避让碰撞时，优先微调附近节点或标签，而不是机械地把直线改成折线；
• 曲线需要稳定时，优先用 cubic Bezier 或 spline；
• 不把 COM 的 DrawPolyline、DrawSpline、ribbon 伪称为 Visio UI 菜单里的“任意多边形(F)”。

这个规则来自多轮测试：有些图必须保持直线关系，有些图则需要平滑曲线来保留视觉逻辑。

4. 当前限制

这个 skill 仍然不是“截图到 Visio 的一键完美复刻”。

当前仍需注意：

• 对复杂截图，仍需要先生成 drawing plan；
• 部分 Visio UI 工具，例如菜单里的“任意多边形(F)”，不能完全等价为 COM 的低级绘图 API；
• 图片类内容仍需要以 raster image 插入，不能变成完全矢量；
• 高复杂度图需要多轮预检和人工反馈；
• 生成效果取决于本机 Visio 版本、字体、stencil 是否可用。

但相比简单脚本绘图，它已经能稳定处理：

• 可编辑 Visio 对象；
• 中文流程图；
• 科研公式标注；
• 图像素材；
• 背景分区；
• 长方体/特征图；
• 曲线和直线连接；
• 布局预检。

5. 小结

这个项目的核心不是“让 Codex 会画一张图”，而是把多轮失败、反馈和修正沉淀为一个更稳定的 Visio 绘图工作流。

目前 visio-template-drawing 已经形成了三层能力：

• 规则层：像熟练 Visio 用户一样选择图形和布局策略；
• 计划层：用 JSON 描述图形、文本、连接线、样式和语义；
• 执行层：用 Visio COM 生成可编辑 .vsdx，并在生成前做布局预检。