LibreAI / Дизайн / paperbanana
// design · llmsresearch/paperbanana

paperbanana

paperbanana — проект с открытым исходным кодом из категории «Дизайн» от llmsresearch (llmsresearch/paperbanana на GitHub). У него 2 388 звёзд на GitHub и 341 форк, он распространяется по лицензии MIT и последний раз обновлялся на GitHub 17 сентября 2026.

PaperBanana — agentic generation of publication-quality academic figures, diagrams and plots from text

★ 2,4 тыс. звёзд⑂ 341 форкMITобновлено сент. 2026
▦ визуал — в README этого проекта нет встраиваемого скриншота,
поэтому здесь заглушка. Руководство ниже в любом случае полное.
// факты о проекте

Факты о проекте

Репозиторий
llmsresearch/paperbanana
Звёзды GitHub
2 388
Форки
341
Лицензия
MIT
Последнее обновление на GitHub
17 сентября 2026
Категория
Дизайн
Тип страницы
Полное руководство по установке
// как это работает

Как это работает

  1. Clarify your goal

    Prepare your methodology text (or a paper PDF) and a precise caption describing the figure you want; for plots, prepare the CSV/JSON data and the chart's intent.

  2. Get PaperBanana

    pip install paperbanana, or clone and install from source with the provider extras you need.

  3. Configure a provider

    Copy .env.example to .env and add an OpenAI, Azure or Gemini key (Gemini's free tier works), or run paperbanana setup for the Gemini wizard.

  4. Generate and refine

    Run paperbanana generate with your input and caption; add --optimize and --auto for input optimization and critic-driven auto-refinement, then review the iterations in outputs/.

// возможности

Почему его любят

Multi-agent figure pipeline

Up to 7 specialized agents: input optimizer (context enricher + caption sharpener), retriever, planner, stylist, visualizer and critic, in a two-phase plan-then-refine flow.

Diagrams and statistical plots

generate makes methodology diagrams; plot renders statistical plots via VLM-generated matplotlib code — no image-generation credentials needed for plots.

Iterative refinement with feedback

Refinement rounds (default 3), --auto to loop until the critic is satisfied, and --continue to resume a run with user feedback.

Batch and PDF inputs

Batch diagrams from a YAML/JSON manifest, batch plots per-item from CSV/JSON, and PDF inputs with per-page selection (optional PyMuPDF extra).

Studio, MCP and skills

A local Gradio Studio (paperbanana studio), an MCP server for IDE integration, and Claude Code skills for /generate-diagram, /generate-plot and /evaluate-diagram.

Venue style packs

Built-in NeurIPS, ICML, ACL and IEEE style packs, with scaffolding to create your own from example figures.

Advertisement
// запустите сами

Запустите сами

  1. Clone the repo

    Clone PaperBanana if installing from source; PyPI installation is step 2's alternative.

    git clone https://github.com/llmsresearch/paperbanana.git
    cd paperbanana
  2. Install

    Install from PyPI, or from source with the provider extras shown in the README.

    pip install paperbanana
    # source: pip install -e ".[dev,openai,google]"
  3. Generate a diagram

    Set your key in .env first (OPENAI_API_KEY or GOOGLE_API_KEY), then generate from the sample input.

    paperbanana generate --input examples/sample_inputs/transformer_method.txt --caption "Overview of our encoder-decoder architecture with sparse routing"
// сценарии использования

Что можно создать

Advertisement
// вопросы и ответы

Вопросы и ответы

Who maintains PaperBanana?

llmsresearch maintains this unofficial, community-driven implementation of the PaperBanana paper (Zhu et al.); it is not affiliated with or endorsed by Google Research or the original authors.

Is it free?

The code is MIT-licensed. Generation calls external VLM/image APIs — Gemini has a free tier, while OpenAI/Azure/Atlas usage is billed by those providers.

Does it need a paid API key?

It needs an API key for a VLM/image provider, but a free Google Gemini key from AI Studio is enough to start; statistical plots need no image provider.

How does it compare to drawing figures manually or a single image-model prompt?

A single prompt gives one unreviewed image. PaperBanana plans from curated reference diagrams, styles to venue guidelines, and critiques/revises its own output over several rounds — and can continue from your feedback.

How do I get started?

pip install paperbanana, put a Gemini or OpenAI key in .env, and run paperbanana generate on the sample input — or try the Colab quickstart with no local setup.

// продолжить изучение

Похожие инструменты

Дизайн

openchatbi

Chat with your data — natural-language BI with SQL generation

★ 658 звёздMIT
Смотреть руководство →
Дизайн

draw.io Desktop

draw.io Desktop — the official offline desktop app for diagrams.net: flowcharts, architecture diagrams and wireframes in an Electron app that never sends your diagram data anywhere, GPL-3.0

★ 63,6 тыс. звёздGPL-3.0
Смотреть руководство →
Дизайн

GrapesJS

Free and Open source Web Builder Framework. Next generation tool for building templates without coding

★ 26,3 тыс. звёздCustom (check repo)
Смотреть руководство →
Дизайн

vscode-drawio

This unofficial extension integrates Draw.io (also known as diagrams.net) into VS Code.

★ 9,5 тыс. звёздGPL-3.0
Смотреть руководство →
Дизайн

beamer-academic

Turn your thesis into defense slides with one command.

★ 306 звёздMIT
Смотреть руководство →
Дизайн

diagrams

:art: Diagram as Code for prototyping cloud system architectures

★ 42,7 тыс. звёздMIT
Смотреть руководство →
// альтернативы

Альтернативы: Дизайн

Другие проекты из категории «Дизайн» с наибольшим числом звёзд в каталоге LibreAI — реалистичный список альтернатив, если paperbanana вам не подходит.

// ещё в категории design

Больше проектов: Дизайн

Соседние проекты из категории «Дизайн» в каталоге, ближайшие по числу звёзд к paperbanana — продолжайте изучать полку по обе стороны от него.

Получить paperbanana

Бесплатно и открыто — забирайте исходный код, ставьте звезду репозиторию и начинайте создавать.