ai数模科研绘图skill

关于这个 Skill

📊 如何让 AI 判断“应该画什么图”，并生成更符合数学建模比赛评审阅读习惯的科研风图表？ 我开发了一个面向 AI 数学建模与科研写作 的绘图 Skill：ModelViz。 它并不是简单地“根据指令画图”，而是会先分析： 🔍 用户真正想表达的是 趋势、对比、分布，还是相关性？ 📁 数据中包含哪些真实字段，它们之间存在什么关系？ 📐 用户指定的图表是否适合当前数据？ 🧹 哪些图虽然复杂，却可能遮盖重点？ 🎓 哪种图表更符合数学建模竞赛和科研论文常见的 清晰、规范、低饱和 风格？ 在完成需求理解和数据分析后，ModelViz 会从内置的 上百个科研绘图模板及配套资产 中召回候选方案，再结合用户的真实数据完成最终选择。 🧩 模板覆盖数学建模中的常见场景 ① 时间序列与趋势分析 ② 分类与数值对比 ③ 相关性与回归分析 ④ 分布、不确定性与异常值分析 ⑤ 聚类、降维与综合评价 ⑥ 敏感性分析与预测评估 ⑦ 网络关系与空间分析 ⑧ 热力图、矩阵图与多子图组合 🛠️ 选定模板后，Skill 还会继续完成 ✅ 将模板适配到用户的真实数据 ✅ 尽量保留原模板的布局、配色与科研风格 ✅ 自动检查模板所需的 Python 库 ✅ 缺少依赖时按需补全，无需预装全部绘图库 ✅ 输出 PNG、SVG、PDF 和可复现的 Python 代码 ✅ 检查空白图、字体异常、标签重叠和图例遮挡 ✅ 发现问题后自动修改代码并重新生成 🚀 用户只需要提供数据，并描述绘图需求 ModelViz 会自动完成： ① 理解需求 ② 召回候选模板 ③ 分析数据并选择模板 ④ 检查运行依赖 ⑤ 适配真实数据 ⑥ 生成科研风图表 ⑦ 检查问题并自动修复 让 AI 不只是“会画图”，还能够理解： 为什么画这张图、这张图是否适合，以及怎样让评审更快读懂图中的结论。