讲师中心 微信公众号

工具推荐

视频效率加速
AniShort
AniShort

AI短剧协同制作平台

updream

一键生成高质量推广成片

Seko
Seko

AI短剧一键生成成片

Laper
Laper

剧本策划到成片协作

publication-chart-skill

Polar Sponsor
爱发电 赞助
.NET 9.0

当用户提出以下任一需求时,应使用本技能: - 请求生成符合出版质量的科学图表(figure)或表格(table); - 需要协助为研究结果选择最合适的图表类型; - 需要基于 `pubfig>=0.3.0` CLI 或 `pubtab` 工作流生成论文就绪(paper-ready)的图表或表格; - 需要为结果章节(results section)配套生成一张图表及其对应的辅助表格; - 需将 Excel 表格转换为符合出版要求的 LaTeX 代码; - 需对已有的科学图表或

出版图 Skill 目标

功能概述

出版图 Skill 目标是一项面向实际任务的技能,主要用于使用这一技能将研究成果转化为出版级数字和表格;初级制作堆:.pubfig = 0. 3.0 JSON CLI 用于图;

核心要点

  • pubtab 用于publicatio。
  • 它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
  • 使用时应结合输入条件选择合适的执行方式,核对必要参数、依赖环境与输出内容,并按原始要求处理异常情况。

使用与执行

该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;

结果检查与注意事项

若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。

Publication Chart 技能

目标

使用该技能将研究成果转化为符合出版标准的图表与表格。

主要生产工具栈:

  • pubfig>=0.3.0 JSON CLI — 用于生成图表
  • pubtab — 用于生成出版级表格

默认交付流程:

  1. 明确科学传播目标,
  2. 确定交付物类型:图表 / 表格 / 图表+表格混合形式,
  3. 选择最具表现力的可视化形式,
  4. 路由至 pubfig、pubtab 或两者协同,
  5. 生成可执行的完整流程,
  6. 导出可直接用于论文的资产,
  7. 执行出版质量审查(publication QA),
  8. 在必要时提出修订建议。

适用场景

当收到以下请求时,触发本技能:

  • “生成一张出版质量的图表”
  • “为这些结果选择最合适的图表类型”
  • “将这些结果转化为论文就绪的图表”
  • “生成 benchmark / ablation / calibration / forest / heatmap / scatter / line / bar 类型的图表”
  • “从 Excel 文件生成 benchmark / appendix / ablation 表格”
  • “将该 Excel 表格转换为出版就绪的 LaTeX 格式”
  • “为结果章节准备一张摘要图加一张配套表格”
  • “审查并优化这张科学图表/表格”
  • “我已有初稿图表 / 截图 / 草图 —— 请将其提升至出版就绪水平”
  • “导出论文图表所需的各子图面板(panels)”

不适用场景

当任务主要属于以下类型时,请勿使用本技能:

  • 论文正文撰写(manuscript prose writing),
  • 无产出设计需求的统计检验(statistical testing without artifact design),
  • 无明确出版交付目标的原始探索性分析(raw exploratory analysis with no publication deliverable),
  • 在图表或表格内容尚未稳定前,以 Figma 为起点的排版工作(Figma-first layout work before the figure or table content is solid)。

复合组装(Composite assembly)属于次要分支。默认情况下,不应将普通图表任务升级为 panel/Figma 工作流。

核心契约

输入

预期接收以下部分或全部信息:

  • 科学传播目标,
  • 可用数据的结构(data shape),
  • 投稿期刊或格式规范(venue or style constraints),
  • 产出物类型:图表、表格或混合交付形式,
  • 可选辅助资产:代码、电子表格、.tex 文件、截图或草图,
  • 任务性质:初稿生成、出版就绪导出,或审查/修订。

最小有效输出

高质量响应应至少包含以下内容:

  • 推荐的产出物形式(artifact form),
  • 推荐的 pubfig CLI / pubtab 执行路径,
  • 最小可运行的 JSON 规范、CLI 命令或代码片段,
  • 明确的输出文件名及格式,
  • 出版质量审查(publication QA)摘要,
  • 若当前产出物质量不足,则提供具体修订计划。

默认工作流

0. 探查环境与任务状态

在生成任何内容前,需首先确认:

  • pubfig>=0.3.0 或 pubtab 是否已安装并可用,
  • 用户是否已拥有代码、电子表格、.tex 文件、截图或草图,
  • 交付物属于首次生成还是修订,
  • 结果是否需支持视觉模式识别(pattern perception)、精确数值查询(exact value lookup),或二者兼顾。

此步骤应尽量轻量。当可执行性至关重要时,优先使用封装好的辅助脚本。

若缺失必需依赖,请先在当前环境中安装。标准 pip 安装命令如下:

  • python -m pip install --upgrade "pubfig>=0.3.0"
  • python -m pip install --upgrade pubtab

当封装辅助脚本可用时,仍应作为首选路径:

  • python3 scripts/ensure_publication_tooling.py --require pubfig --json
  • python3 scripts/ensure_publication_tooling.py --require pubtab --json

安装完成后:

  • 重新检查工具可用性,
  • 若安装成功,则继续执行可运行工作流,
  • 否则降级为设计方案/规格说明(design/specification answer),而非直接失败。

关于 uv 管理及其他回退方案,请参阅 references/execution-and-verification.md。

1. 任务分类

沿以下维度对任务进行分类:

  • 产出物类型(artifact type) — 图表 / 表格 / 混合交付形式
  • 成熟度(maturity) — 探索性草稿 / 出版就绪生成 / 修订
  • 结构(structure) — 单面板 / 多面板 / 图表+表格组合包
  • 证据模式(evidence mode) — 模式感知 / 精确值查询 / 二者兼具

在传播目标未明确前,切勿急于绘图。

2. 选择表达形式

应基于科学主张(scientific claim)选择表达形式,而非视觉新奇性。

常用图表族(families)包括:

  • 对比(comparison) — 分组散点图、柱状图、折线对比图、benchmark 汇总图、配套表格
  • 消融(ablation) — 分组对比、哑铃图(dumbbell)、配对比较、紧凑表格
  • 分布(distribution) — 箱线图(box)、小提琴图(violin)、雨云图(raincloud)、直方图(histogram)、密度图(density)、经验累积分布函数(ECDF)、QQ 图
  • 关系(relationship) — 散点图(scatter)、气泡图(bubble)、二维等高线图(contour2d)、六边形图(hexbin)
  • 趋势(trend) — 折线图(line)、面积图(area)
  • 评估/诊断(evaluation / diagnostic) — 校准图(calibration)、ROC 曲线、PR 曲线、Bland–Altman 图、森林图(forest plot)、火山图(volcano)
  • 构成/层级(composition / hierarchy) — UpSet 图、堆叠比例图(stacked ratio)、环形图(donut)、径向层级图(radial hierarchy)、环形分组/堆叠柱状图(circular grouped or stacked bars)
  • 表格(table) — benchmark 表格、ablation 表格、数据集摘要、附录表格、误差分解表

避免弱默认选项:

  • 当柱状图或表格更能清晰传达精确对比时,避免使用饼图(pie)/环形图(donut),
  • 除非主张本身确实是低基数(low-cardinality)且具轮廓特征(profile-like),否则避免使用雷达图(radar),
  • 避免使用三维图、装饰性渐变、纯样式复杂度(style-only complexity),
  • 当结果高度依赖精确数值时,若表格更具优势,则不应强行塞入图表中。

详细的任务到图表映射规则,请参阅 references/chart-selection.md。

3. 映射至工具链

默认映射关系:

  • 图表 → 默认使用 pubfig>=0.3.0 JSON CLI
  • 表格 → 使用 pubtab
  • 混合交付物 → 同时使用两者,并赋予各自明确的传播角色

路由规则:

  • 对于 Agent 生成的图表,优先使用 pubfig JSON CLI,
  • 仅当用户明确处于 notebook/script 环境中,或需实现 pubfig 当前不支持的自定义逻辑时,才使用其 Python API,
  • 对于以文件驱动的表格工作流,优先使用 pubtab CLI,
  • 在混合请求中,保持图表与表格职责分离,
  • 将面板导出(panel export)/复合组装(composite assembly)视为可选的下游工作。

关于精确路由选择与验证行为,请参阅:

  • references/workflow.md
  • references/execution-and-verification.md
  • references/pubfig-recipes.md
  • references/pubtab-recipes.md

4. 生成最小可运行产出物

优先采用最小但生产就绪的执行路径:

  • 图表:一个 figure.spec.json 文件,配合 pubfig validate-spec 和 pubfig render 命令,
  • 表格:一条 pubtab 路径,可生成预览用的 .tex 文件或渲染后预览,
  • 混合请求:一条图表路径 + 一条表格路径,二者须清晰区分。

确保文件名和导出格式显式声明。

针对图表特有的导出模式(如 save_figure、batch_export、export_panels),请参考 references/pubfig-recipes.md。

5. 定义交付契约

每次响应中,尽可能明确以下内容:

  • 该产出物所支撑的科学主张(scientific claim),
  • 所选产出物类型及其依据,
  • 哪些部分由 pubfig 处理、哪些由 pubtab 处理,
  • 输出文件名与格式,
  • 该产出物属于草稿 / 终稿 / 修订版本,
  • 尚需用户提供的数据或稿件上下文。

6. 执行出版质量审查(Publication QA)

生成后需检查以下方面:

  • 标题与图例的信息密度(title and legend density),
  • 坐标轴标签与单位(axis labels and units),
  • 类别排序与基线清晰度(category ordering and baseline clarity),
  • 颜色可访问性与灰度鲁棒性(color accessibility and grayscale robustness),
  • 字体与线宽一致性(font and line-weight consistency),
  • 图注就绪程度(caption readiness),
  • 缩放后可读性(readability after downscaling),
  • 多面板导出时各面板间的一致性(panel consistency for multi-panel exports),
  • 适配投稿期刊的问题:如宽度、拥挤、过度标注(venue-fit issues such as width, crowding, or over-annotation)。

QA 输出必须具体:明确指出实际问题及对应修复方式。

更完整的检查清单,请参阅 references/publication-qa-checklist.md。

7. 当产出物质量不足时进行修订

典型修订操作包括:

  • 切换图表族(chart family),
  • 移除图表垃圾(chartjunk),
  • 重排类别顺序,
  • 将精确数值移入表格,
  • 拆分过于拥挤的面板,
  • 简化或强化图注(caption),
  • 调整导出宽度,
  • 将交付物由“图表优先”转为“表格优先”。

缺失依赖项的行为策略

若 pubfig>=0.3.0 或 pubtab 不可用:

  • 不可立即失败,
  • 优先尝试封装的安装/探查路径,
  • 清晰报告依赖项状态,
  • 安装成功后继续执行可运行工作流,
  • 否则提供含伪代码或草拟命令的设计/规格说明,
  • 仍需保留产出物选型、QA 及修订指导。

所有具体的探查/安装命令均位于 references/execution-and-verification.md。

输出风格规范

  • 优先输出直接可用、面向实现的成果。
  • 简要解释为何该图表或表格形式合适,再给出执行路径。
  • 当可执行性重要时,需附带简短的环境状态块(environment status block)。
  • 明确指出表格强于图表的情形。
  • 明确指出图表强于表格的情形。
  • 当两者均需时,为其分配不同角色。
  • 确保修订建议具备可操作性与可证伪性(actionable and falsifiable)。

推荐响应结构

高质量响应通常包含以下 6 个部分:

  1. 产出物决策(Artifact decision) — 图表 / 表格 / 配套交付物,及其依据
  2. 工具路径(Tool route) — pubfig>=0.3.0 JSON CLI、pubtab 或两者
  3. 最小实现(Minimal implementation) — 可运行的 JSON 规范、CLI 命令或代码
  4. 导出计划(Export plan) — 文件名、格式、宽度/后端/预览选项
  5. 出版质量审查(Publication QA) — 论文投稿前需验证的内容
  6. 修订计划(Revision plan) — 若当前产出物质量不足,应如何修改

参考资料

按需加载以下文档:

  • references/workflow.md — 决策顺序、交付契约、图表/表格划分规则
  • references/chart-selection.md — 任务到图表映射及反模式(anti-patterns)
  • references/execution-and-verification.md — 环境探查、安装行为、可执行性验证
  • scripts/ensure_publication_tooling.py — 封装的探查 + 自动安装辅助脚本(支持 pubfig>=0.3.0 / pubtab)
  • references/pubfig-recipes.md — 面向 Agent 的 JSON CLI 图表规范与导出模式
  • references/pubtab-recipes.md — 最简实用表格路径与后端指导
  • references/source-guides/pubfig-architecture.md — 包结构与图表生成边界(源码视角)
  • references/source-guides/pubfig-api-map.md — 稳定公开的 pubfig 接口表面与图表族映射(源自 __init__.py)
  • references/source-guides/pubfig-export-flow.md — 图表导出、出版尺寸适配与面板导出流程(源码视角)
  • references/source-guides/pubtab-architecture.md — 包结构与正向/逆向转换架构(源码视角)
  • references/source-guides/pubtab-cli-api-flow.md — CLI 到 API 控制流及批量/表格行为(源码视角)
  • references/source-guides/pubtab-backend-and-preview.md — 后端/主题划分与预览编译流水线(源码视角)
  • references/publication-qa-checklist.md — 图表/表格 QA 检查清单
  • references/composite-assembly.md — 可选的多面板与 Figma 分支

提示词格式示例请参见 examples/ 目录。

目录

热门AI工具

更多
讯飞智作

讯飞智作是一款AI视频创作工具,AI文本配音工具,数字人课程、营销视频制作。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

函子Zion

一款支持AI搭建、可视化编辑和多端发布的全栈无代码开发平台。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

讯飞绘文

讯飞绘文是一款由科大讯飞推出的一站式 AIGC 内容运营平台。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

切问学术

切问学术是一款AI论文写作工具,复旦大学NLP团队推出的AI学术智能体。

音述AI
音述AI Hot

一款AI音频处理工具,主要用于音述AI是一个以“用声音述说故事”为核心的 AI 音乐创作与声音分享社区,适合需要提升相关任务效率的用户。

小橡皮AI

一款AI工具,主要用于小橡皮一键去AI味,将机器味重的内容改得更有活人感,防止因为 AI 内容被平台打上 AI 标签,以及限流,适合需要提升相关任务效率的用户。

相关专题

更多
Go-Zero API开发使用教程
Go-Zero API开发使用教程

本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。

0

2026.11.12

Go-Zero安装与goctl环境配置教程
Go-Zero安装与goctl环境配置教程

本专题围绕Go-Zero的安装与工具链配置展开,讲清Go版本要求、goctl安装方式、代理镜像、protoc依赖与环境变量设置,说明多版本共存、升级回退与CI流水线安装的做法,并整理安装阶段的常见报错与验证步骤。

0

2026.11.12

Go-Zero零基础入门教程
Go-Zero零基础入门教程

本专题整理Go-Zero的入门知识,从框架定位、环境准备到跑通第一个API服务,讲清目录分层、配置加载、日志与中间件的基本用法,并对比Gin、Kratos的差异,帮助Go开发者建立整体认知,判断它是否适合当前项目。

0

2026.11.12

Postman身份认证怎么配置
Postman身份认证怎么配置

本专题从实际API接口调试场景出发,讲解Postman身份认证的完整配置流程,包括常见认证协议介绍、授权参数设置、访问令牌填写、OAuth 2.0授权及认证失败排查,帮助用户正确完成接口授权与访问验证。

0

2026.11.06

Postman请求头Headers怎么设置
Postman请求头Headers怎么设置

围绕Postman HTTP请求头配置展开,讲解Headers选项的具体使用方式,包括Key和Value参数填写、请求头信息添加、常见Header字段设置及请求头修改方法,帮助用户解决接口调试过程中遇到的请求头配置问题。

0

2026.11.06

Postman接口请求发送教程
Postman接口请求发送教程

详细介绍Postman接口请求的创建与发送方法,涵盖GET和POST请求、URL配置、请求参数、Headers请求头、Body请求体设置以及响应结果查看,帮助用户掌握Postman接口请求的完整操作流程。

0

2026.11.06

DBeaver怎么导入数据
DBeaver怎么导入数据

DBeaver数据导入专题,整理Excel、CSV、SQL、TXT等常见文件的数据导入方法,涵盖目标数据库选择、数据表创建、字段映射、数据类型设置及导入参数配置等操作,帮助用户将本地文件中的数据写入数据库,并了解批量导入、重复数据处理和导入失败等常见问题的解决方法。

0

2026.11.05

DBeaver安全防护教程大全
DBeaver安全防护教程大全

DBeaver安全防护专题,围绕数据库连接安全、账号密码保护和访问权限管理展开,整理SSL/TLS加密连接、SSH隧道、数据库凭据保存及证书验证等配置方法,同时介绍敏感信息保护、远程连接风险和高权限账号使用等注意事项,帮助用户提高数据库日常管理的安全性。

0

2026.11.05

DBeaver连接创建与配置教程
DBeaver连接创建与配置教程

本专题聚焦DBeaver数据库连接配置与管理,覆盖从新建连接、选择数据库类型到填写连接参数和验证连接的完整流程。针对MySQL、PostgreSQL、SQL Server等常见数据库,整理相应的连接设置方法,并提供驱动缺失、认证失败和连接异常等问题的排查方向。

0

2026.11.04

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn