使用Gemini绘制研究汇报展示图

前两天，领导让我做一次近期工作汇报，要求很完整：研究背景、目标与内容、当前进展、存在问题、下一步计划。

问题是，内容我倒是能讲清楚，但“背景图、流程图、结构图”这类可视化环节就很费时间。时间又紧，所以我尝试了一套更省时的办法：先让 AI 帮我拆流程，再让 AI 按流程画图。

这里记录一下我的具体做法。

一、先明确目标：不是直接让 AI 画图

一开始我也试过直接输入“画一个研究背景图”，结果通常是：看起来很花，但不够贴合业务。

后面我发现关键不在“画”，而在“先拆”。

我的思路是：

1. 先把自己做过的工作写成一段清晰文字。
2. 让 Gemini 把这段内容拆成结构化步骤。
3. 再让 Gemini 按步骤和视觉层级生成示意图。

二、我给 AI 的原始工作内容

我先整理了这一段核心流程：

整合多个土壤有机碳数据库（WoSIS、OpenLandMap-soildb、Open Soil Spectral Library），去重后得到全球土壤样本库；对蒙古高原按 100 km 格网划分，每个格网随机生成 3 个点；在 GEE 中提取全球点与随机点的嵌入向量并导出本地；在 Python 中计算全球点与全部随机点的相似度，并取 90% 分位数作为最终相似度；最后在 ArcGIS 中提取高相似点，构建迁移样本库。

这里有一句提示词特别关键：

把这部分处理流程拆解成具体的项，然后根据这些项绘制示意图。

三、Gemini 先拆流程，再给出制图框架

它给出的结构（我做了轻微整理）大致是这样：

1. 全球数据集成与清洗

• 多源汇聚：WoSIS、OpenLandMap-soildb、OSSL。
• 标准化：统一坐标系、土层深度和 SOC 单位。
• 去重整合：形成全球统一样本库。

2. 研究区特征提取（GEE）

• 研究区格网化：蒙古高原 \(100 \times 100\text{ km}\)。
• 随机布点：每格网 3 个点。
• 提取嵌入向量：关联多光谱、气候、地形协变量并导出。

3. 相似度计算与筛选（Python）

• 计算每个全球点与研究区随机点集合的相似度。
• 取 90% 分位数作为该全球点最终得分。
• 输出高分候选样本。

4. 迁移样本库构建（ArcGIS）

• 按得分过滤高相似样本点。
• 形成面向蒙古高原制图任务的迁移样本库。

它还给了一个很实用的“示意图布局思路”：

• 上：数据库输入层。
• 中：格网与特征提取层（GEE）。
• 下：相似度计算层（Python）。
• 最终：输出高相似样本并回到研究区。

这个结构基本可以直接喂给 AI 画图模型，生成结果会比“直接让它画”稳定很多。

四、生成结果与后处理

下面是我根据以上思路生成的一张流程图：

处理流程

如果觉得图有点糊，可以做两步后处理：

1. 用百度图像增强做一次清晰化。
2. 在 PPT 里重写文字：文本框叠加 + 取色器吸原图颜色，整体风格会更统一。

我个人实测，这一步非常关键，尤其是中文表述和术语可读性。

五、其他示例

研究背景

研究目标

研究内容

六、结语

赶汇报，可以试试这个顺序：

先拆流程，再画图，最后做人工修字和版式统一。

这样做的好处是：

• 图的逻辑更贴近你的真实工作流。
• 不容易出现“好看但不对题”。
• 可以在短时间内把汇报材料做得清楚、完整、能讲。

自己画图，找素材，配色，排版，真的太折磨人了。AI 虽然不是一键全自动，但作为“结构化助手 + 初稿设计器”，已经非常好用了。

AI 大法好！