AI가 생성한 기술 도식(Technical Figure)은 설득력 있어 보일 수 있지만, 여전히 결과물로서 품질이 낮을 수 있습니다.

이러한 실패는 보통 첫 번째 검토 후에 나타납니다. 레이블을 변경하거나, 화살표의 경로를 다시 지정하거나, 표를 업데이트하거나, 주석을 번역하거나, 패널을 이동해야 할 때 말이죠. 만약 남은 것이 비트맵(Bitmap)뿐이라면, 그 출력물은 시각적으로는 유용할지 몰라도 구조적으로는 일회용입니다.

Scientific Illustrator는 더 유용한 목표를 중심으로 구축된 MIT 라이선스의 오픈 소스 Codex 플러그인 프로젝트입니다. 그 목표란 바로 PowerPoint, WPS Presentation 또는 draw.io에서 편집 가능한 객체(Editable objects)를 사용하여 참조 도식을 재현하는 것입니다. 이 프로젝트의 README에 따르면, 복잡한 질감이나 현미경 이미지와 같이 안정적으로 재현할 수 없는 아주 작은 영역에만 이미지 삽입을 유지하고, 편집 가능한 텍스트, 도형(Shapes), 커넥터(Connectors), 표(Tables), 차트(Charts)를 선호한다고 명시되어 있습니다. 이는 프로젝트의 주장이지, 벤치마크(Benchmark)는 아닙니다.

저장소(Repository) 구조는 그 목표에 부합합니다. 여기에는 플러그인 매니페스트(Plugin manifest), MCP 설정, 그리고 도식을 설계(Designing), 재현(Recreating), 감사(Auditing), 수정(Correcting)하기 위한 기술(Skills)이 포함되어 있으며, 프레젠테이션 소프트웨어 및 draw.io를 위한 브리지 스크립트(Bridge scripts)도 포함되어 있습니다. 플러그인 매니페스트는 Designer–Drawer–Reviewer–Corrector 워크플로우를 설명합니다. v1.5.3 릴리스에서는 백엔드/타겟 잠금(Backend/target locking), 직렬화된 OOXML 변경 사항, 그리고 표, 차트, 화살표, 커넥터 및 내보내기(Exports)와 관련된 수정 사항을 보고합니다.

이 특정 구현체가 모든 팀에게 적합한 도구가 아닐지라도, 그 공학적 아이디어는 중요합니다. 구조화된 다이어그램(Structured diagram)의 경우, 유용한 수락 테스트(Acceptance test)는 시각적 유사도만이 아닙니다. 텍스트, 커넥터, 그룹, 표, 차트가 대상 애플리케이션에서 다음 단계의 인간 편집(Human edit)을 견뎌낼 수 있는지 물어보십시오.

이는 편집 가능한 PPTX 또는 draw.io 파일을 전달하는 연구자, 기술 작가(Technical writers), 그리고 개발자들에게 가장 관련성이 높습니다. 실사 이미지(Photorealistic images), 조밀한 질감(Dense textures), 픽셀 단위의 완벽한 재현(Pixel-perfect reproduction), 또는 수정될 일이 없는 일회성 예술 작품(One-off artwork)에는 적합성이 떨어집니다. 프로젝트 자체에서도 어려운 영역을 이미지로 유지함으로써 그 한계를 인정하고 있습니다.

저는 이 프로젝트를 직접 테스트하거나 실행하지 않았습니다. 이 기사는 공개 저장소(Public repository), README, 매니페스트(Manifest), 라이선스(License), 그리고 릴리스 노트(Release notes)를 읽고 검토한 내용을 바탕으로 작성되었습니다. 호환성, 재구성 충실도(Reconstruction fidelity), 그리고 워크플로 신뢰성(Workflow reliability)은 여러분의 템플릿과 소프트웨어 버전에서 직접 검증해야 할 항목으로 간주하십시오. 소스 상세 정보는 README, MIT license, CI workflow를 참조하십시오.