paper banana
Google Cloud AI Research and Peking University · Imagem · Produtividade
O PaperBanana é um framework de agentes que gera ilustrações acadêmicas prontas para publicação a partir de texto simples. Você fornece uma descrição do método e a legenda da figura, e uma equipe de agentes de IA especializados devolve diagramas de método ou gráficos estatísticos adequados a eventos como NeurIPS e ICML. É um gerador de ilustrações acadêmicas voltado a pesquisadores. Também funciona como gerador de diagramas com IA para slides e documentação técnica. Foi feito para cientistas de IA que preferem gastar as horas com ideias em vez de brigar com ferramentas vetoriais.
Sobre paper banana
O que é o PaperBanana
O PaperBanana é um sistema multiagente criado pelo Google Cloud AI Research e pela Universidade de Pequim para automatizar um gargalo teimoso da pesquisa: fazer figuras. Escrever o artigo já é difícil o bastante. Desenhar um diagrama de arquitetura limpo ou um gráfico que os revisores não vão criticar pode consumir mais um dia inteiro. É o tipo de ferramenta de figuras para pesquisa que devolve o desenho para a máquina.
O framework divide o trabalho entre cinco agentes que cooperam. Um Retriever busca exemplos parecidos em uma biblioteca de referência, um Planner lê o texto do seu método e escreve uma especificação detalhada de desenho, um Stylist aplica regras estéticas acadêmicas, um Visualizer renderiza a imagem ou o código, e um Critic compara o resultado com o seu texto original e manda tudo de volta para outra rodada. Esse ciclo é o ponto central. Um único modelo de imagem renderiza algo bonito; o PaperBanana verifica se esse algo é de fato correto.
A principal limitação vale dizer desde o começo. Em diagramas densos, com muitos nós, a renderização baseada em difusão pode distorcer o texto ou posicionar mal as linhas de conexão, e gráficos de dados que exigem precisão de pixel ainda dão erro quando são gerados apenas como imagem. Não é o ideal. A resposta da equipe é um caminho guiado por código para os gráficos, o que importa se as suas figuras carregam números reais. O projeto começou como um artigo de pesquisa, e implementações da comunidade passaram a oferecer acesso por CLI, API de Python e servidor MCP para ferramentas como Claude Code e Cursor.
Como começar
- Abra a página do projeto e clone o repositório, depois instale as dependências com
pip install -r requirements.txt. - Adicione as chaves de API do provedor escolhido no arquivo de configuração do modelo. As versões da comunidade suportam OpenAI, Azure OpenAI ou Foundry, Google Gemini e Atlas Cloud.
- Prepare duas entradas: o contexto de origem (a seção de método do seu artigo) e a intenção comunicativa (a legenda de figura que você quer).
- Opcionalmente, carregue um conjunto de referência de triplas publicadas (texto de método, legenda, figura). O PaperBananaBench incluído traz 292 casos de referência do NeurIPS 2025.
- Rode a geração e escolha o melhor resultado. Os autores recomendam um fluxo de gerar e selecionar: produza de três a cinco candidatos e escolha o que combina com o estilo do seu artigo.
Informações do produto
Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de paper banana.
Ideal para
Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.
Usuários
- Pesquisadores de IA e estudantes de pós-graduação
- Equipes de laboratório que escrevem vários artigos por ano
- Pesquisadores que refinam rascunhos já prontos
Tarefas
- Montar um diagrama de arquitetura de modelo
- Gerar gráficos estatísticos
- Produzir figuras de frameworks conceituais
Cenários
- A noite antes do prazo, quando as figuras são a última coisa que falta
- Transformar o esboço de uma palestra em uma figura limpa para slide
- Revisar uma submissão rejeitada
Principais recursos
Pipeline de cinco agentes
O PaperBanana executa Retriever, Planner, Stylist, Visualizer e Critic em sequência. Cada um tem uma única tarefa. É isso que mantém a saída perto do seu texto em vez de escorregar para imagens genéricas de banco. O Critic fecha o ciclo ao comparar a figura renderizada com o conteúdo de origem e apontar divergências.
Geração guiada por referências
Com um conjunto de referência carregado, o Retriever escolhe os dez exemplos publicados mais relevantes e o Stylist destila cores, formas e tipografia em um guia de estilo. Suas figuras herdam convenções de artigos reais da sua área em vez de uma média de tudo o que o modelo já viu.
Automação de diagramas de método
Dada uma seção de método, o sistema produz o tipo de figura de arquitetura ou de processo que normalmente você montaria no Figma ou no TikZ. Ele cuida do layout e da rotulagem que tornam um diagrama legível de imediato, que é a parte que costuma custar mais tempo.
Gráficos estatísticos com código
Para gráficos em que os números precisam estar certos, o PaperBanana escreve e executa código Python de plotagem em vez de renderizar pixels. Assim os seus dados continuam fiéis. Também entrega código editável de Matplotlib ou Seaborn para você ajustar depois. Pixels são bonitos; números ganham revisões.
Aprimoramento de estilo para figuras existentes
Você pode enviar um esboço bruto e receber de volta uma versão com layout mais limpo e estilo acadêmico unificado. É uma escolha prática quando a ciência já está resolvida e só a apresentação segura a figura. Sem precisar redesenhar.
Suporte a vários provedores
As versões da comunidade se conectam a OpenAI, Azure OpenAI ou Foundry, Google Gemini e Atlas Cloud. O Gemini é um ponto de entrada de baixo custo, e trocar de provedor não muda o fluxo dos agentes.
CLI, API de Python e servidor MCP
O framework cabe no seu jeito de trabalhar: execuções em lote a partir de um manifesto YAML ou JSON, chamadas por script em Python, ou um servidor MCP ligado ao Claude Code e ao Cursor. A geração em lote ajuda quando um único artigo precisa de cinco figuras de uma vez, e o modo de refinamento automático continua iterando quando você dá retorno.
Prós e contras
Prós
- Reduz a produção de figuras de horas para minutos descrevendo o diagrama em vez de desenhá-lo.
- O ciclo do Critic pega erros de lógica e incoerências que um modelo de imagem de uma única rodada deixa passar.
- Os conjuntos de referência mantêm as figuras de um artigo visualmente consistentes com o evento-alvo.
- A rota de gráficos por código preserva os números exatos, então as figuras de resultados continuam fiéis aos dados.
- As implementações de código aberto acrescentam CLI, API de Python e acesso MCP para fluxos de trabalho já existentes.
Contras
- Diagramas complexos, com muitos nós, ainda podem exibir texto distorcido ou linhas de conexão erradas, então cada figura precisa de uma checagem manual antes da submissão.
- O lançamento principal é um framework de pesquisa, não um produto acabado, então a configuração exige clonar um repositório e gerenciar as chaves de API por conta própria.
- A automação completa depende de você escrever uma descrição clara do método; entrada vaga gera figura vaga.
Perguntas frequentes
Ele transforma uma descrição textual do seu método de pesquisa em ilustrações prontas para publicação, cobrindo dois tipos principais: diagramas de método e gráficos estatísticos. Você fornece o texto do método e uma legenda, e o pipeline de agentes devolve a figura finalizada.
Conteúdo relacionado
Explore ferramentas, skills e artigos relacionados a paper banana.
Alternativas a paper banana
Google EmbeddingGemma 2
Google DeepMind · Escrita · Imagem · ProgramaçãoGoogle EmbeddingGemma 2 é um modelo aberto de 740 milhões de parâmetros que transforma texto, código, imagens, áudio e quadros de vídeo em vetores de um único espaço de 768 dimensões, rodando em celulares e notebooks.
Tractionwave
TractionWave · Imagem · MarketingO TractionWave cria mapas de calor de atenção com IA para anúncios estáticos. Você envia um PNG ou JPG e recebe a atenção prevista, pontos quentes ranqueados e ajustes antes de gastar verba.
Imejis.io
Imejis.io · Imagem · MarketingO Imejis.io é um estúdio de design com IA para agentes e equipes de marketing. Você descreve a imagem com suas palavras, e a ferramenta escreve o texto, monta o layout, adapta para cada tamanho e exporta o arquivo final.