Guide pratique complet pour créer 4 types de diagrammes de méthodologie de recherche avec Nano Banana Pro : des diagrammes d’architecture aux pipelines de systèmes

作者注：手把手教你使用 Nano Banana Pro 制作模型架构图、算法流程图、编码器-解码器框架图和系统管线图 4 类科研方法论图，附 Prompt 模板和最佳实践

科研论文中的方法论图（Methodology Diagrams）是审稿人和读者理解你研究方法的第一入口——一张清晰的架构图往往比一页文字更有说服力。但手工制作一张发表级方法论图，通常需要 4-8 小时的设计时间。Nano Banana Pro 科研制图能力正在改变这一现状——作为 PaperBanana 框架的核心渲染引擎，它能将文本描述精准转换为包含形状、连接器和科研图标的专业方法论图。

核心价值: 读完本文，你将掌握使用 Nano Banana Pro 科研制图制作 4 类方法论图的完整 Prompt 模板、3 阶段工作流和 7 条关键实践技巧，显著提升论文配图效率。

Points clés de la création de figures scientifiques avec Nano Banana Pro

Pourquoi Nano Banana Pro est idéal pour les diagrammes méthodologiques

Les diagrammes méthodologiques constituent le scénario d'utilisation principal du framework PaperBanana. Contrairement aux graphiques statistiques, ces diagrammes ne nécessitent pas de valeurs numériques précises, mais doivent exprimer les relations logiques, les flux de données et la hiérarchie spatiale entre les composants — ce qui est précisément la force de la création de figures avec Nano Banana Pro. Dans les évaluations de PaperBanana, son agent Visualizer, basé sur le rendu Nano Banana Pro, a obtenu un taux de victoire de 72,7 % lors de tests à l'aveugle sur 292 cas d'utilisation NeurIPS 2025.

Plus précisément, Nano Banana Pro excelle dans les domaines suivants : génération de formes géométriques précises et de rectangles arrondis, rendu net des flèches et des lignes de connexion, orthographe et placement corrects des étiquettes de composants, et utilisation de palettes de couleurs académiques harmonieuses. Ces capacités lui permettent de générer des architectures de modèles, des flux d'algorithmes, des frameworks encodeur-décodeur et des diagrammes de pipeline système conformes aux standards des plus grandes conférences.

Nano Banana Pro : Analyse des 4 types de méthodologies pour l'illustration scientifique

Type 1 : Architecture de modèle (Model Architecture)

Le schéma d'architecture de modèle est le type de figure méthodologique le plus courant dans les articles de deep learning. Il doit montrer l'empilement des couches du réseau, le processus de transformation des caractéristiques et les modules clés. Nano Banana Pro excelle dans le rendu visuel d'architectures classiques comme les Transformers, CNN ou GAN.

Modèle d'invite (Prompt) :

Generate a clean academic methodology diagram showing a Vision Transformer
(ViT) architecture. Layout: left-to-right flow.

Components:
- Input image (224×224) split into 16×16 patches
- Linear embedding layer (flat rectangles)
- Positional encoding (small + symbol)
- 12× Transformer encoder blocks (stacked rounded rectangles)
  - Each block: Multi-Head Self-Attention → Layer Norm → MLP → Layer Norm
- Classification head (single rectangle)
- Output: class prediction

Style: flat vector, academic, clean lines, minimal colors (blue primary,
gray secondary), white background, labeled components with short identifiers.
Aspect ratio: 3:2. No decorative elements.

Astuces clés :

• Utilisez « left-to-right flow » ou « top-to-bottom flow » pour spécifier clairement le flux de données.
• Utilisez « rounded rectangles » (rectangles arrondis) et « flat rectangles » (rectangles plats) pour distinguer les différents types de couches réseau.
• Utilisez des identifiants courts pour les étiquettes (ex: "MHA", "FFN", "LN") afin d'éviter que des textes longs ne gâchent la mise en page.
• Spécifiez « no decorative elements » pour éviter que l'IA n'ajoute des décorations inutiles.

Type 2 : Flux algorithmique (Algorithm Flow)

Le diagramme de flux algorithmique doit exprimer l'ordre d'exécution de plusieurs étapes, les branches conditionnelles et les structures de boucles. L'agent Planner de PaperBanana déconstruit la description de l'algorithme en un plan de mise en page visuelle structuré (incluant les types d'éléments, les relations spatiales et les modes de connexion), puis le confie à Nano Banana Pro pour un rendu précis.

Modèle d'invite (Prompt) :

Generate an academic algorithm flowchart for a self-supervised learning
training pipeline. Layout: top-to-bottom with branching.

Steps:
1. Input: Unlabeled dataset (cylinder shape)
2. Data augmentation: two augmented views (branching into two paths)
3. Left path: Online encoder → Projector → Predictor
4. Right path: Target encoder → Projector (with stop-gradient symbol)
5. Cosine similarity loss (diamond shape, merge point)
6. EMA update (dashed arrow from online to target encoder)

Use standard flowchart conventions: rectangles for processes, diamonds
for decisions, cylinders for data stores. Arrows with labels where needed.
Style: clean academic, 3-4 colors max, white background.

Type 3 : Architecture Encodeur-Décodeur (Encoder-Decoder)

Le paradigme encodeur-décodeur est au cœur des modèles sequence-to-sequence. Nano Banana Pro est capable de restituer avec précision les relations complexes telles que le transfert d'informations entre l'encodeur et le décodeur, les connexions d'attention et les connexions sautées (skip connections).

Modèle d'invite (Prompt) :

Generate an academic diagram of a U-Net encoder-decoder architecture for
medical image segmentation. Layout: symmetric U-shape.

Left side (Encoder):
- 4 levels of downsampling blocks
- Each block: Conv3×3 → BN → ReLU → Conv3×3 → BN → ReLU → MaxPool
- Feature maps: 64 → 128 → 256 → 512

Bottom (Bottleneck):
- 1024 channels, no pooling

Right side (Decoder):
- 4 levels of upsampling blocks with transposed convolution
- Skip connections: horizontal arrows from encoder to decoder at each level
- Feature maps: 512 → 256 → 128 → 64

Output: 1×1 Conv → Sigmoid → Segmentation mask

Show channel numbers at each level. Use blue for encoder, green for decoder,
gray arrows for skip connections. Clean academic style, labeled components.

Type 4 : Pipeline système (System Pipeline)

Le diagramme de pipeline système présente le flux de traitement des données d'un système multi-modules et les relations de collaboration entre ces modules. C'est un type de figure méthodologique indispensable pour les articles traitant de systèmes à plusieurs étapes.

Modèle d'invite (Prompt) :

Generate a system pipeline diagram for a multimodal RAG system.
Layout: left-to-right, three-stage pipeline.

Stage 1 - Ingestion:
- Document loader (PDF, HTML, images)
- Text extraction + OCR
- Chunking with overlap

Stage 2 - Indexing:
- Text embedding (dense vectors)
- Image embedding (CLIP)
- Vector database (Pinecone/Milvus)

Stage 3 - Retrieval & Generation:
- Query encoder
- Hybrid search (dense + sparse)
- Re-ranker
- LLM generation with retrieved context

Use distinct colored blocks for each stage. Arrows show data flow direction.
Include small icons for document types. Academic style, clean layout.

🎯 Conseil technique : Les 4 modèles d'invites ci-dessus peuvent être utilisés directement via l'API Nano Banana Pro sur APIYI (apiyi.com). La plateforme est compatible avec le format OpenAI, et chaque figure méthodologique ne coûte que 0,05 $, soit jusqu'à 80 % de réduction par rapport aux tarifs officiels de Google. Nous vous recommandons d'utiliser l'outil en ligne Image.apiyi.com pour une validation rapide sans code.

Flux de travail en 3 étapes avec Nano Banana Pro

Bien qu'il soit pratique de générer une figure méthodologique avec une seule invite, il faut souvent plusieurs essais pour obtenir un résultat satisfaisant. La meilleure pratique du secteur consiste à adopter un flux de travail en 3 étapes, qui est une version simplifiée de la logique de collaboration Planner → Visualizer → Critic de PaperBanana.

Étape 1 : Architect (Planifier la structure)

Avant de passer à la génération, définissez clairement la structure de la figure par écrit :

• Liste des composants : Énumérez tous les modules et éléments qui doivent apparaître.
• Relations spatiales : Définissez la position relative des composants (haut/bas, gauche/droite, imbrication).
• Connexions : Précisez la direction des flèches, les lignes pleines ou pointillées, et les connexions sautées.
• Hiérarchie visuelle : Quels sont les composants principaux (grande taille, couleur foncée) et les éléments auxiliaires (petite taille, couleur claire).

Cette étape correspond à l'agent Planner de PaperBanana, qui transforme le texte méthodologique de l'article en une description structurée incluant la mise en page et la hiérarchie visuelle.

Étape 2 : Render (Rendu de l'image)

Transformez la description structurée en une invite pour Nano Banana Pro, en incluant des contraintes clés :

• Contraintes de mise en page : Spécifiez le ratio d'aspect (3:2 convient aux articles sur deux colonnes) et la direction du flux.
• Contraintes de style : « flat vector, academic, clean lines ».
• Contraintes de texte : Utilisez des étiquettes courtes, évitez les phrases longues.
• Contraintes de couleur : Limitez à 3 ou 4 couleurs principales, par exemple : « blue: primary, orange: accent, gray: secondary ».

Étape 3 : Edit (Peaufinage des détails)

Nano Banana Pro génère des images matricielles (raster). Pour une publication finale, un peaufinage est nécessaire :

• Remplacez toutes les étiquettes textuelles dans un logiciel vectoriel (pour garantir que la police et la taille respectent les exigences de la revue).
• Vérifiez que la direction des flèches et les lignes de connexion sont exactes.
• Vérifiez la lisibilité en niveaux de gris (pour s'assurer que l'image reste claire à l'impression en noir et blanc).
• Harmonisez l'épaisseur des traits (il est conseillé de garder une cohérence sur l'ensemble des panneaux).
• Exportez au format PDF/EPS/TIFF avec une résolution de 300+ dpi.

Prise en main rapide de Nano Banana Pro pour l'illustration scientifique

Exemple minimaliste : générer un schéma méthodologique d'architecture Transformer

Voici la méthode d'appel la plus simple pour générer un schéma méthodologique d'architecture de modèle via l'API :

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://vip.apiyi.com/v1"  # 使用 APIYI 统一接口
)

response = client.chat.completions.create(
    model="nano-banana-pro",
    messages=[{
        "role": "user",
        "content": (
            "Generate a clean academic methodology diagram: "
            "Transformer encoder-decoder architecture. "
            "Left: 6× encoder blocks (self-attention + FFN). "
            "Right: 6× decoder blocks (masked self-attention + "
            "cross-attention + FFN). "
            "Arrows: encoder output → decoder cross-attention. "
            "Style: flat vector, academic, blue/gray palette, "
            "labeled components, 3:2 aspect ratio."
        )
    }]
)
print(response.choices[0].message.content)

import openai
from typing import Optional, List

def generate_methodology_diagram(
    description: str,
    diagram_type: str = "architecture",
    layout: str = "left-to-right",
    palette: str = "blue primary, gray secondary",
    aspect_ratio: str = "3:2"
) -> str:
    """
    使用 Nano Banana Pro 生成科研方法论图

    Args:
        description: 方法论图内容描述
        diagram_type: 图类型 - architecture/flowchart/encoder-decoder/pipeline
        layout: 布局方向 - left-to-right/top-to-bottom/u-shape
        palette: 配色方案
        aspect_ratio: 宽高比

    Returns:
        生成结果
    """
    client = openai.OpenAI(
        api_key="YOUR_API_KEY",
        base_url="https://vip.apiyi.com/v1"  # APIYI统一接口
    )

    layout_hints = {
        "architecture": "Show layer stacking and feature transformations",
        "flowchart": "Use standard flowchart shapes with clear branching",
        "encoder-decoder": "Symmetric layout with skip connections",
        "pipeline": "Multi-stage blocks with data flow arrows"
    }

    prompt = f"""Generate a clean academic methodology diagram.
Type: {diagram_type}
Layout: {layout}
{layout_hints.get(diagram_type, '')}

Description:
{description}

Style constraints:
- Flat vector, academic, clean lines
- Color palette: {palette}
- Aspect ratio: {aspect_ratio}
- Labeled components with short identifiers
- No decorative elements
- White or light background"""

    try:
        response = client.chat.completions.create(
            model="nano-banana-pro",
            messages=[{"role": "user", "content": prompt}],
            max_tokens=4096
        )
        return response.choices[0].message.content
    except Exception as e:
        return f"Error: {str(e)}"

# 示例：批量生成论文中的 3 张方法论图
diagrams = [
    {
        "description": "Vision Transformer: image patches → linear embedding → 12× transformer blocks → classification head",
        "diagram_type": "architecture",
        "layout": "left-to-right"
    },
    {
        "description": "Self-supervised contrastive learning: augmented views → online/target encoders → cosine similarity loss → EMA update",
        "diagram_type": "flowchart",
        "layout": "top-to-bottom"
    },
    {
        "description": "U-Net: 4-level encoder (conv+pool) → bottleneck → 4-level decoder (upconv+concat) with skip connections",
        "diagram_type": "encoder-decoder",
        "layout": "u-shape"
    }
]

for i, d in enumerate(diagrams):
    print(f"--- Generating diagram {i+1}: {d['diagram_type']} ---")
    result = generate_methodology_diagram(**d)
    print(result[:200])

💰 Optimisation des coûts : En passant par l'API Nano Banana Pro via APIYI (apiyi.com), chaque schéma méthodologique ne coûte que 0,05 $, soit une économie de près de 80 % par rapport au tarif officiel de Google (0,234 $). Un article scientifique contient généralement 3 à 5 schémas ; en utilisant un flux de travail en 3 étapes pour générer 3 à 5 variantes par image, le coût total reste inférieur à 1 $. L'outil en ligne Image.apiyi.com permet de générer des images sans code, ce qui est idéal pour tester rapidement l'efficacité de vos invites.

7 pratiques clés pour l'illustration scientifique avec Nano Banana Pro

Basées sur les données d'évaluation de PaperBanana et les meilleures pratiques de la communauté, voici 7 astuces pour améliorer significativement la qualité de vos schémas méthodologiques avec Nano Banana Pro :

Astuce 1 : Utiliser des invites structurées (Schema Prompt) plutôt que des descriptions narratives

Nano Banana Pro répond bien mieux aux entrées structurées qu'au langage naturel narratif. Organisez votre invite sous forme de schéma « liste de composants + relations spatiales + contraintes de style », plutôt que comme un simple paragraphe descriptif.

Astuce 2 : Limiter la palette à 3 ou 4 couleurs

Le professionnalisme d'une illustration académique repose sur une palette de couleurs sobre. Il est recommandé d'utiliser les schémas ColorBrewer et d'éviter les combinaisons rouge/vert (problématique pour le daltonisme). Combinaison suggérée : bleu (couleur principale) + orange (accentuation) + gris (fond/auxiliaire).

Astuce 3 : Utiliser des identifiants courts pour les étiquettes

Bien que Nano Banana Pro soit excellent pour le rendu de texte, les étiquettes trop longues ont tendance à encombrer la mise en page. Utilisez des abréviations comme « MHA », « FFN » ou « BN », et détaillez les noms complets dans la légende (caption) de votre article.

Astuce 4 : Générer un seul panneau à la fois

Si votre schéma méthodologique comporte plusieurs panneaux (par exemple, Figure 1a, 1b, 1c), générez-les séparément puis assemblez-les manuellement, plutôt que de demander une mise en page multi-panneaux d'un coup. La qualité et le contrôle sont nettement supérieurs en travaillant panneau par panneau.

Astuce 5 : Spécifier une direction de mise en page claire

Des instructions explicites comme « flux de gauche à droite », « de haut en bas » ou « forme en U symétrique » sont bien plus efficaces qu'un vague « mise en page claire ». La direction doit correspondre au flux logique de vos données.

Astuce 6 : Comparer plusieurs versions générées

Profitez du faible coût de l'API Nano Banana Pro pour générer 3 à 5 variantes de chaque schéma. La disposition, les couleurs et le placement des étiquettes varieront d'une version à l'autre, vous permettant de sélectionner la solution optimale.

Astuce 7 : Mentionner l'assistance de l'IA dans l'article

De plus en plus de revues prestigieuses exigent la divulgation de l'utilisation d'outils d'IA. Il est conseillé d'ajouter une mention dans la légende de la figure ou dans la section méthodologie : « Schéma généré avec Nano-Banana-Pro et édité avec [Nom du logiciel] ». Vérifiez toujours la politique de la revue cible concernant l'IA avant de soumettre.

🎯 Conseil pratique : En combinant ces 7 astuces, vous pouvez obtenir un schéma méthodologique de qualité publication en moins de 30 minutes avec Nano Banana Pro. Via la plateforme APIYI (apiyi.com), le coût pour générer plusieurs variantes par lot est extrêmement bas (0,05 $ l'unité).

Principe de collaboration entre le Planner et le Visualizer de PaperBanana

Comprendre comment les deux agents, le Planner et le Visualizer, collaborent au sein du framework PaperBanana vous aidera à rédiger des invites (prompts) de bien meilleure qualité pour la création de schémas scientifiques avec Nano Banana Pro.

Comment l'agent Planner planifie le schéma de méthodologie

Une fois que l'agent Planner de PaperBanana reçoit le texte de la méthodologie d'un article, il génère une « spécification de scène » (Scene Specification) structurée, comprenant 3 dimensions clés :

• Dimension des composants : Liste tous les éléments visuels et leurs types (rectangles, cercles, losanges, flèches, etc.).
• Dimension spatiale : Définit les positions relatives et les modes d'alignement entre les éléments.
• Dimension hiérarchique : Indique le poids visuel (les modules principaux utilisent de grandes tailles et des couleurs foncées, les éléments auxiliaires des petites tailles et des couleurs claires).

Comment l'agent Visualizer effectue le rendu

L'agent Visualizer transmet la spécification de scène du Planner au modèle Nano Banana Pro pour déclencher un rendu précis. Les principaux atouts de Nano Banana Pro pour le dessin scientifique sont :

• Précision des formes : Les contours des formes géométriques comme les rectangles, les rectangles arrondis, les losanges et les cercles sont nets.
• Qualité des connecteurs : Les flèches pointent dans la bonne direction, les extrémités des lignes de connexion sont alignées, et la distinction entre lignes pleines et pointillées est claire.
• Reconnaissance d'icônes : Capable de générer des icônes scientifiques courantes (cylindres de base de données, icônes de cloud, icônes de GPU, etc.).
• Placement du texte : Les étiquettes sont centrées, la taille de la police est appropriée et elles ne chevauchent pas d'autres éléments.

Lors de la rédaction de votre invite, vous pouvez simuler le format de sortie de l'agent Planner : listez d'abord les composants, définissez ensuite l'espace, et marquez enfin la hiérarchie. Cette structure d'invite permet à Nano Banana Pro de produire des schémas de méthodologie plus précis.

Questions Fréquentes

Résumé

Points clés de la méthodologie de création de schémas de recherche avec Nano Banana Pro :

1. Couverture complète de 4 types de schémas : Architectures de modèles, diagrammes de flux algorithmiques, cadres encodeur-décodeur et pipelines système, couvrant les besoins principaux des articles en IA.
2. Flux de travail en 3 étapes : Architect (planification de la structure) → Render (rendu de l'image) → Edit (peaufinage des détails), offrant une qualité nettement supérieure à une simple invite unique.
3. Collaboration Planner-Visualizer : Comprendre la logique de collaboration planification-rendu de PaperBanana, en utilisant des Schema Prompts pour simuler le format de sortie du Planner.
4. 7 pratiques clés : Schema Prompt, palette de couleurs limitée, étiquettes courtes, panneau unique, mise en page claire, versions multiples et déclaration d'IA.

Nano Banana Pro fait passer la création de schémas méthodologiques pour les articles de recherche de « plusieurs heures » à « quelques minutes ». Bien que la publication finale nécessite toujours un peaufinage manuel des détails cruciaux, l'IA prend désormais en charge le travail de conception initiale le plus chronophage.

Nous vous recommandons d'utiliser APIYI (apiyi.com) pour tester rapidement les capacités de création de schémas de Nano Banana Pro, pour seulement 0,05 $ par figure. Vous pouvez également utiliser l'outil en ligne Image.apiyi.com pour valider vos invites sans code ; la plateforme propose des crédits gratuits et une interface compatible avec OpenAI.

📚 Ressources

⚠️ Note sur le format des liens : Tous les liens externes utilisent le format Nom de la ressource : domain.com. Ils sont faciles à copier mais ne sont pas cliquables pour éviter la perte de poids SEO.

1. Page d'accueil du projet PaperBanana : Page officielle comprenant l'article et la démo.

   • Lien : dwzhu-pku.github.io/PaperBanana/
   • Description : Pour découvrir l'architecture à 5 agents du framework PaperBanana et les résultats des tests.

2. Article PaperBanana : Texte intégral du pré-tirage arXiv.

   • Lien : arxiv.org/abs/2601.23265
   • Description : Pour approfondir les principes de collaboration Planner-Visualizer et les données d'évaluation des 292 cas de test.

3. Guide d'illustration académique Nano Banana Pro : Pratiques professionnelles pour les schémas de recherche.

   • Lien : z-image.ai/blog/nano-banana-pro-guide-for-academic-figures
   • Description : Conseils détaillés sur le flux de travail en 3 étapes, les palettes de couleurs et les paramètres de résolution.

4. Documentation officielle de Nano Banana Pro : Présentation du modèle par Google DeepMind.

   • Lien : deepmind.google/models/gemini-image/pro/
   • Description : Pour connaître les spécifications techniques du modèle, les résolutions supportées et les paramètres de l'API.

5. Génération d'images Nano Banana Pro en ligne via APIYI : Outil de création de schémas de recherche sans code.

   • Lien : Image.apiyi.com
   • Description : Générez vos schémas méthodologiques simplement en collant votre invite, sans avoir à écrire de code.

Auteur : Équipe APIYI
Échanges techniques : N'hésitez pas à partager vos modèles d'invites pour schémas de recherche dans les commentaires. Pour plus d'actualités sur les modèles d'IA, visitez la communauté technique d'APIYI (apiyi.com).