ChatGPT + Origin ：看到论文里的好图，用这个绘图 Skill 直接复刻

有时候也不完全是操作的问题。明明平时看了很多论文的图表，但自己准备画的时候却大脑空空，不知道画什么类型的图。

所以，我做了一个 Origin 绘图 Skill。把参考图发给 ChatGPT，它就能尝试在 Origin 中复刻图表；如果同时提供自己的实验数据，也可以用你的数据，参考例图的风格来绘制。

生成的 Origin 文件包含数据和可编辑的图形，后续还可以继续调整。下面就按两种使用场景，介绍具体怎么操作。

一、直接仿图：先把喜欢的图画出来

看到一张喜欢的论文图，想先把它的配色和排版做出来，然后再改成自己的数据，可以用这种方式。

第一步：上传例图，调用 Skill

平时看论文，遇到觉得画得不错、或者适合自己任务的图，可以直接截图上传给 Codex。比如像这样的一张多面板图：

然后输入斜杠“/”，调用 Origin 绘图 Skill，告诉它：

“

在 Origin 中复刻这张图，模拟它的数据。

第二步：等待分析和绘制

Skill 会指导 Codex 分析图片中的图型、坐标轴、配色和数据结构，先给出简短的绘图方案，再尝试调用 Origin 完成绘制。

如果图片信息不够，或者图型暂时不支持，Skill 也会说明具体原因。

第三步：在 Origin 中打开，继续修改

完成后，会得到一个 .opju 格式的 Origin 项目文件，里面包含数据和可编辑的图形。

如果想用这套样式展示自己的实验结果，可以在对应工作表中替换数据。只要数据列的对应关系保持正确，图形就能沿用原来的样式，并根据新数据更新。

这里展示的是相对复杂的多面板图。实际上只要提供的图像清晰，大部分 Origin 能画的图，这个 Skill 都可以复刻。

二、参考图＋数据：用自己的实验结果绘图

另一种更常用的方式，是把实验数据和例图一起提供，让 Skill 用你的数据，参考例图的风格绘制。

第一步：准备实验数据

普通的 Excel 表格就可以，CSV 也支持。整理时注意两点：

1. 第一行写表头，从第二行开始放数据。

表头用中文、英文都可以，尽量写清楚变量和单位，比如“时间（h）”“浓度（mg/L）”。

2. 把分类名称填到每一行，不要合并单元格。

我们平时为了方便查看，可能会把同一类别的单元格合并，让分类名称只出现一次。但绘图时，Origin 需要根据每一行的分类标签判断数据属于哪一组。

因此，绘图前我们需要把分类名称填充到每一行，让每一行都是一条完整记录。

第二步：上传例图和数据，调用 Skill

例图的准备方式和前面一样：在论文中看到喜欢的图，截图即可。

把参考图和整理好的数据一起上传给 Codex，调用 Skill，然后告诉它：

“

请用我的实验数据，参考这张例图的风格，在 Origin 中绘图。

也可以补充一句：横轴用哪一列、纵轴用哪一列。

这句话不是必须的。 如果出现数据缺失或含义不清等问题，Skill 会指出来，让你确认。

完成后，同样可以用 Origin 打开生成的项目文件，查看数据，并继续修改图中的字体、颜色、线条和坐标轴。

总结

有了这个 Skill，看到论文里喜欢的图，就可以在 Origin 中复刻；准备好自己的实验数据，也可以参考例图的风格绘制。生成的文件保留数据和可编辑的图形，后续还能在 Origin 中继续调整。

Skill 的安装也很简单，准备好 Windows 电脑，并提前安装好 Origin（本文用的是 Origin 2025b）。然后把 ZIP 安装包直接发给 Codex，告诉它：

“

帮我安装这个 Skill，并检查、配置所需的运行环境。

其余 Python 依赖可以让 Codex 协助配置，环境检查通过后，就可以按上面的步骤开始绘图了。

想自己试试的同学，可以在后台回复 「B896」，免费获取 Skill 安装包。