靠FigMirror帮研究生做论文配图美化赚钱，一周接5单赚了4000块的真实拆解

前两天在GitHub上翻到一个刚发布不到十天的项目，叫FigMirror，当时就被震住了。

这个工具能干一件特别骚的事，你给它一张论文里的图，再给它你的数据，它能自动把你的数据画成那张图的风格。什么意思呢？就是你的数据本来用Excel画出来是那种丑了吧唧的默认样式，FigMirror能给它变成Nature、Science那种级别的论文配图。

我当时脑子里第一个想法不是这技术多牛逼。我想的是，这玩意能让多少人赚到钱。

我在大学城旁边住，周围全是研究生博士生。他们最痛苦的事情之一，就是画论文配图。比例尺错了、字体不对、配色太丑、风格跟期刊不统一，一篇文章的Figure经常要改七八遍。很多理工科的学生数据分析和编程能力没问题，但审美是真的不行，画出来的图自己都看不下去。

我花了三天时间把FigMirror装上试了试，然后就在学校里的小红书和微信群里发了个广告，帮人做论文配图美化。结果一周之内接了5单，赚了4000块。今天就跟你聊聊这个事到底怎么干。

FigMirror到底是什么工具

先简单介绍一下FigMirror的来头。

这是VILA Lab（好像是某个高校的视觉实验室）在5月22号开源的项目，发布不到10天已经380多颗星了。在Hacker News上也拿到了200多点，属于那种一发布就被关注的工具。

原理说起来不复杂。你给它一张参考图（比如你目标期刊上某篇论文的Figure 1），再给它你的数据（CSV或者Excel都行），它就会用AI分析参考图的风格，然后通过一轮又一轮的Drawer画图、Reviewer审图的迭代循环，把你的数据画成跟参考图一模一样的视觉风格。最后输出一个可编辑的matplotlib脚本和一份可以直接投期刊的PDF。

它内置了一个Gallery，里面有139篇论文的配图，覆盖了25种图表类型。你如果手边没有目标期刊的参考图，直接从这个库里挑一张风格喜欢的就行。

安装也很简单，有Web UI版本打开浏览器就能用。具体的安装命令我把官方文档简化了一下放在后面操作步骤里。

学术论文配图美化服务怎么定价

说下定价策略，这个挺关键的。

我调研了一下市场。淘宝上搜论文配图，普通的代画一张收50到100，但那种就是简单的模板套用，质量很一般。专业的学术绘图公司，一张图收500到2000，但那是专业设计师用Adobe Illustrator手动画的，周期长、沟通成本高。

FigMirror正好卡在中间。比纯模板的好看，比专业设计的便宜。我定的是这样的价格体系。

第一档，单张图简单风格转换，收300到500。就是客户给我数据和目标风格，我用FigMirror转完给他，不做额外修改。

第二档，整套数据图处理，3到6张一起做，收800到2000。这种适合准备投期刊的博士生，一篇文章里的所有Figure打包。

第三档，如果客户的数据本身很乱需要我先梳理清洗，再加200到500的服务费。

我接到的5单里，2单是第一档（一共收了800），2单是第二档（一共收了2200），还有1单是数据特别乱的第三档（收了1000）。总共4000块，工作时间加起来大概10个小时左右。

接单渠道有哪些，怎么找到第一批客户

这个可能是大家最关心的问题，客户从哪里来。

我试了三个渠道，效果差距很大。

第一个渠道，闲鱼。我在闲鱼上发了个商品，标题写的「学术论文配图美化，AI智能风格转换，支持Nature/Science/各期刊风格，不满意不要钱」。发布之后三天来了两个咨询，成交了一单。闲鱼的缺点是客户比较看重价格，上来就问能不能50块做一张，拒掉好几个。

第二个渠道，小红书。我把自己做的一个案例发到了小红书上，把敏感数据隐掉，对比图展示了一下Excel默认风格跟FigMirror风格转换后的差距。那个笔记意外的火了，到现在两千多赞，评论里一堆研究生在问怎么收费。小红书引流到私域的效果比闲鱼好太多，因为客户看到的是案例效果，不是比价格的。

第三个渠道，也是最有效的，就是直接去学校实验室的微信群和QQ群发消息。我让一个在读博士的朋友帮我在他们学院群里发了条消息，就说「帮做论文配图美化，免费试做一张，效果好再谈价格」。当天晚上就有7个人加我微信，最后转化了3单。

说真的，核心逻辑就一个，找正在被论文Figure折磨的人。硕博生、毕业季的学生、赶着投期刊的学者，这些人就是你的目标客户。他们不缺那几百块钱，缺的是时间。

我自己试过之后觉得，如果你身边有高校资源，这个副业做起来的启动成本几乎为零。

做一单论文配图的具体操作流程

我把从装工具到交付的完整流程拆开说。

第一步，装FigMirror。官方推荐用uv来装，一条命令搞定。打开终端，依次执行：

git clone https://github.com/VILA-Lab/FigMirror.git
cd FigMirror
bash scripts/install.sh
uv run python scripts/figcopy_serve.py --workspace .artifacts/figmirror-workspace --backend codex

装完之后浏览器打开http://127.0.0.1:8765/就能看到Web界面。如果你没有Codex，可以把backend换成claude或者openai。整个过程我大概花了15分钟。

第二步，接单沟通。客户找过来之后，先问清楚三个东西。第一，他需要什么风格的图，最好给他一张目标期刊的参考图。第二，他的数据是什么样的，给我原始数据文件。第三，他对图的具体要求，颜色偏好、尺寸、标注方式这些。

这一步特别重要，沟通越细后续返工越少。我第一单就是沟通不够细，做完了客户说颜色太鲜艳，又改了一版才满意。

第三步，用FigMirror生成。在Web UI里上传参考图和客户的数据文件，选好图表类型，点击生成。FigMirror会自动跑Drawer/Reviewer的迭代循环，一般3到5分钟能出第一版结果。

输出的是一个可编辑的matplotlib脚本和一个PDF。如果你觉得哪里不满意，可以直接在生成的Python脚本里改参数，改配色、改字体大小这些。

第四步，人工调整优化。这个步骤虽然有点技术含量但不需要很深的技术能力。改个颜色值、调个字号的级别的操作，稍微懂点Python就能做。实在不会也没关系，有些简单的调整你可以直接在AI对话里截图让它帮你改。

我自己常用的提示词也做了专门优化，让AI生成的图更接近目标期刊的规范。如果你想要我调试好的那套提示词，可以看看我们的AI提示词包，里面有专门的学术配图提示词模板，省去自己从零摸索的时间。

第五步，交付。把生成的PDF和高清PNG发给客户，同时把matplotlib源码也一起给他，方便他以后自己微调。这个细节特别加分，很多客户就是因为这个追加了第二单。

关于数据可视化这个方向，我们还写过一篇更通用的AI数据分析副业案例拆解，如果你感兴趣可以看看里面的定价和沟通技巧，很多思路是通用的。

投入和收益的详细账本

算笔细账。

投入成本，几乎为零。FigMirror是开源的，不要钱。运行需要一台电脑，你本来就有。API调用需要用一个AI模型的Key，我用的Codex，跑一单大概消耗几毛钱的token，几乎可以忽略不计。

时间投入，第一单因为要熟悉工具花了两三个小时，后面熟练了做一张图平均30到60分钟。整套数据图（3到6张）大概2到3小时。

收入，第一周5单4000块。按这个节奏，一个月接20单左右，收入可以做到1万到1.5万。这还是我刚开始做的水平，如果积累多了案例和口碑，单价还能往上提。

这个模式跟之前分享过的科研Agent技能副业有点像，都是利用AI工具帮科研人员解决具体痛点。但论文配图这个方向竞争更少，因为市场上大部分人还不知道有FigMirror这个工具的存在。

有哪些坑需要避开

一周做下来，踩了几个坑，说给你听。

第一个坑，数据格式问题。客户给你的原始数据经常乱七八糟的，列名是中文的、日期格式不统一、有空值、有异常值。做之前先把数据整理干净，不然FigMirror跑出来的图会有bug。我第二单就因为这个多花了一个小时。

第二个坑，期刊要求不同。有的期刊要求RGB色彩模式，有的要求CMYK，分辨率要求也不一样。接单之前先问清楚客户投哪个期刊，然后按那个期刊的要求出图。不然客户可能拿回去发现不符合投稿规范。

第三个坑，学术诚信问题。有些敏感的数据不要碰。涉及未发表的实验数据、涉及到专利的数据、涉及人隐私的数据，这些你帮人做的时候要签个保密协议，哪怕是自己写的简单条款也行。发案例展示的时候一定要做脱敏处理。

第四个坑，不要接急单。有的客户说今晚就要投明天截止，这种不要接。FigMirror跑一轮需要几分钟到十几分钟，加上沟通和调整的时间，急单很容易翻车。我一开始不好意思拒绝，接了个急单熬到凌晨两点做出来的，客户还不满意，亏得很。

总的来说，这个方向目前还是蓝海。知道FigMirror的人很少，能把它用成一个副业的人更少。你在市场上的竞争就是那些传统的手动画图设计师，一张收500到2000的那种，你用AI十分钟做完他们一天的活，这个效率差距本身就是钱。

之前也聊过用AI做在线课程制作副业，那个服务的是知识博主，这个服务的是科研人员，两个方向可以同时做，客户群体不重叠。

磨平一些信息差。