figedit

---

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

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

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

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

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

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

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

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

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

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

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：

# 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 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。

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。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 许可证；第三方代码沿用各自许可证，详见 THIRD_PARTY_NOTICES.md。