[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M7CT24TAJ2N7VGSHMD5S35P5":3,"skill-same:01M7CT24TAJ2N7VGSHMD5S35P5":120},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":16,"sourceHtmlUrl":17,"categories":18,"keywords":19,"publishedAt":20,"linkOnly":21,"markdownContent":22,"markdownBody":23,"frontMatter":24,"refName":25,"commitSha":26,"skillDirectory":5,"forksCount":14,"repositoryHtmlUrl":27,"repositoryHomepageUrl":6,"ownerHtmlUrl":28,"ownerBlogUrl":29,"ownerDescription":30,"updatedAt":31,"install":32,"resources":45},"01M7CT24TAJ2N7VGSHMD5S35P5","scipilot-figure-skill",null,"SciPilot Skills 家族成员，负责科研数据可视化——但定位不是\"画图工具\"， 而是\"可视化顾问\"。先做数据剖析（列类型\u002F样本量\u002F分布\u002F异常值\u002F分组结构\u002F相关性）， 再结合用户的论证目标推荐图型，主动拦截科研画图的经典错误（小样本画均值柱掩盖 分布、双 Y 轴、饼图、Y 轴不当截断、rainbow 色图、把分类点连成折线等），最后 产出 Nature \u002F Science \u002F IEEE \u002F Elsevier \u002F PNAS \u002F 中文核心期刊级别的成图。 覆盖纯数据图：折线、柱状、散点、箱线 \u002F 小提琴、热力图、误差棒、分布图（直方 图 \u002F KDE）、相关性矩阵 \u002F 散点矩阵、多面板组合。技术栈 matplotlib + seaborn + SciencePlots（静态）+ plotly（交互）。中英文双语，中文模式自动配置 Noto Sans CJK \u002F Source Han Sans \u002F SimHei 并修复负号方框，支持中文期刊\"宋体正文 + Times New Roman 数字\"混排。默认色盲安全配色 + 冗余编码 + 灰度预览。出图后做 \"视觉自检闭环\"：渲染 PNG 预览→程序自检缺字\u002F文字裁切\u002F刻度重叠→AI 读图复核遮盖 与子图对齐→回改重渲，直到通过。 当用户的任务涉及以下任何情况时主动触发：论文配图、科研画图、数据可视化、 不知道用什么图、怎么展示数据、用什么图好、期刊投稿图、figure、出版级图表、 matplotlib、seaborn、plotly、误差棒、显著性标注、色盲安全配色、矢量图导出、 中文论文图表、多面板。**即使用户只是给一批数据问\"这个怎么画\"或\"用什么图 好\"，也应使用本技能——本技能首要能力是\"判断该用什么图\"，其次才是绘制。** 不做示意图、流程图、架构图。","Erin-1919\u002Fclaude-skills","Erin-1919","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F65569463?v=4","01M7CSY27210XGY903NASNCKHG","Erin Li","01M7CSY287JSC66X459SD414QJ",0,"MIT","https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fscipilot-figure-skill\u002FLICENSE","https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fscipilot-figure-skill\u002FSKILL.md",[],[],"2026-11-15 14:19:17",false,"---\nname: scipilot-figure-skill\ndescription: >-\n SciPilot Skills 家族成员，负责科研数据可视化——但定位不是\"画图工具\"，\n 而是\"可视化顾问\"。先做数据剖析（列类型\u002F样本量\u002F分布\u002F异常值\u002F分组结构\u002F相关性），\n 再结合用户的论证目标推荐图型，主动拦截科研画图的经典错误（小样本画均值柱掩盖\n 分布、双 Y 轴、饼图、Y 轴不当截断、rainbow 色图、把分类点连成折线等），最后\n 产出 Nature \u002F Science \u002F IEEE \u002F Elsevier \u002F PNAS \u002F 中文核心期刊级别的成图。\n 覆盖纯数据图：折线、柱状、散点、箱线 \u002F 小提琴、热力图、误差棒、分布图（直方\n 图 \u002F KDE）、相关性矩阵 \u002F 散点矩阵、多面板组合。技术栈 matplotlib + seaborn +\n SciencePlots（静态）+ plotly（交互）。中英文双语，中文模式自动配置 Noto Sans\n CJK \u002F Source Han Sans \u002F SimHei 并修复负号方框，支持中文期刊\"宋体正文 +\n Times New Roman 数字\"混排。默认色盲安全配色 + 冗余编码 + 灰度预览。出图后做\n \"视觉自检闭环\"：渲染 PNG 预览→程序自检缺字\u002F文字裁切\u002F刻度重叠→AI 读图复核遮盖\n 与子图对齐→回改重渲，直到通过。\n 当用户的任务涉及以下任何情况时主动触发：论文配图、科研画图、数据可视化、\n 不知道用什么图、怎么展示数据、用什么图好、期刊投稿图、figure、出版级图表、\n matplotlib、seaborn、plotly、误差棒、显著性标注、色盲安全配色、矢量图导出、\n 中文论文图表、多面板。**即使用户只是给一批数据问\"这个怎么画\"或\"用什么图\n 好\"，也应使用本技能——本技能首要能力是\"判断该用什么图\"，其次才是绘制。**\n 不做示意图、流程图、架构图。\n---\n\n# scipilot-figure-skill — 科研数据可视化顾问\n\n> SciPilot Skills 家族成员 | 从数据剖析到出版级成图\n\n## 概述\n\n科研工作者最大的画图痛点往往不是\"不会用 matplotlib\"，而是\"手上一堆数据，不知道该用什么图把结论讲清楚\"。本技能的**首要能力是【思考与判断】**，其次才是【绘制】。\n\n具体地——**永远先思考再画**：\n1. 先理解数据再选图——拿到数据先做 EDA，用事实驱动图型选择\n2. 先想清楚\"这张图要论证什么\"——同样数据，不同论点 = 不同图\n3. 主动拦截科研画图的经典错误，而不是顺从\n4. 维度太多就建议拆图，不硬塞\n\n**只覆盖纯数据图**：折线、柱状、散点、箱线\u002F小提琴、热力图、误差棒、分布图、相关性矩阵、多面板组合。**不做**示意图、流程图、架构图。\n\n## 何时使用\n\n- 用户给了一个 CSV \u002F Excel \u002F DataFrame 说\"帮我画一下\"或\"用什么图好\"\n- 用户在写论文要插数据图\n- 用户已有草图但说\"达不到投稿要求\"\n- 用户提到 Nature \u002F Science \u002F IEEE 等具体期刊\n- 用户问\"中文论文 matplotlib 出方框怎么办\"\n- 用户提到误差棒、显著性、色盲、矢量导出、多面板\n\n## 核心工作流（8 步）\n\n**这是本技能与普通画图工具的根本区别——不能上来就画**。每一步缺位前一步的成果都不该执行。\n\n### 第 0 步：理解任务\n\n开画前**先搞清楚两件事**：\n\n1. **这张图要论证什么观点 \u002F 回答什么问题？** 同样数据，论点不同图就不同（详见 `references\u002Fchart_selection.md` 的\"同一批数据、不同论点 → 不同图\"小节）\n2. **数据在哪里？长什么样？** 文件路径 \u002F 字段含义 \u002F 多少行 \u002F 是否已经清洗\n\n**如果用户没说清论证目标**，主动问一句：\"你这张图主要想说服读者相信什么？\" 或从论文上下文推断并明确告诉用户你的假设。**不要默认\"用户知道自己要什么\"**。\n\n### 第 1 步：剖析数据\n\n调用 `scripts\u002Fprofile_data.py`：\n\n```bash\npython scripts\u002Fprofile_data.py data.csv --group group --group condition\n```\n\n输出包含：每列类型、样本量、缺失率、连续列的描述统计 + 偏度 + 异常值、分组样本量分布、相关性矩阵、初步图型建议。\n\n不会读这份报告？查 `references\u002Fdata_profiling.md`。\n\n**重点核对**：\n- 列类型识别对不对？（数字 ID 被认成 ordinal 是常见误判）\n- 每组 n 是多少？小样本警告？\n- 是否高度偏态？是否需要对数轴？\n\n### 第 2 步：选图\n\n**这是顾问职责的核心**。基于第 0、1 步的事实，查 `references\u002Fchart_selection.md` 的决策框架决定图型。要点：\n\n- **给出推荐 + 简短理由 + 1-2 个备选**（不要只丢一个选择给用户）\n- 如果数据维度过多（如分组组合 > 12）→ **明确建议拆图**，而不是硬塞\n- 如果用户指定的图型**不适合数据**（如 n=5 要画均值柱）→ **善意指出问题并说明更好的选择**，让用户决定。详见下方\"主动拦截\"小节\n- 如果数据特征意味着特殊处理（双峰分布、严重异常值、跨量级）→ 在选图建议里明确提及\n\n### 第 3 步：查期刊规范\n\n确定目标期刊后查 `references\u002Fjournal_specs.md` 拿到：单\u002F双栏宽（mm 与 inch）、字号、推荐字体、DPI、矢量格式偏好。\n\n不知道目标期刊就问一句。\"毕业论文 \u002F 中文核心 \u002F 英文 SCI \u002F NeurIPS\" 都对应不同规范。\n\n### 第 4 步：配环境\n\n```python\nfrom setup_style import setup_style\nsetup_style(journal='nature', lang='en')             # 英文 Nature\nsetup_style(journal='general', lang='zh', serif_for_zh=True)   # 中文宋体混排\n```\n\n`SciencePlots` 装了自动用，没装回退到内置预设——不会因为缺它崩溃。\n\n### 第 5 步：绘制\n\n按 `references\u002Fplot_recipes.md` 对应章节的配方画。每节都有可直接复制的 Python 代码 + 常见坑。\n\n画图时强制做到：\n- `figsize=(目标宽, 目标高)` 单位英寸——直接定最终尺寸\n- 用 `seaborn.color_palette('colorblind')` 或 Okabe-Ito + 冗余编码（不同线型\u002Fmarker）\n- 误差棒 \u002F 阴影要在图注交代是 SD \u002F SEM \u002F 95% CI + n\n\n### 第 6 步：自检闭环（机器 + AI 读图）\n\n**三层都要过，缺一层都可能带病投稿**：\n\n1. **语义层**：`references\u002Fviz_pitfalls.md` 18 条科研画图禁忌——图型\u002F配色\u002F误差是否踩坑\n2. **形式层**：`references\u002Fpublication_checklist.md` 形式合规（尺寸、DPI、字号、误差交代）\n3. **视觉层（v2.1 新增）**：出图后**渲染 PNG → 程序自检 → AI 读图复核 → 回改**的闭环：\n   - `visual_qa.render_preview(fig, 'figs\u002F_preview.png')` 渲一张预览\n   - `visual_qa.audit_layout(fig)` 程序抓**缺字乱码 \u002F 文字裁切 \u002F 刻度重叠**（确定性问题）\n   - **用 `Read` 工具读这张 PNG**，对照 `references\u002Fvisual_review.md` 的 8 项清单核对\n     **图例压数据 \u002F 子图标签对齐 \u002F 配色灰度可分**（程序难判的感知问题）\n   - 发现问题 → 按 `visual_review.md` 回改表改 → 重渲 → 再读，直到通过\n\n任何一层不通过就回去改图。**矢量图的导出放在闭环通过之后**，把问题挡在投稿之前。\n\n### 第 7 步：导出\n\n```python\nfrom export_figure import export_figure\nexport_figure(\n    fig, basename='figs\u002Ffig1',\n    formats=['pdf', 'svg', 'png'],\n    size_inches=(3.5, 2.625),\n    dpi=300,\n    grayscale_preview=True,    # 自动出灰度版供色盲检查\n)\n```\n\n最后跑一遍 `scripts\u002Fcheck_figure.py --strict` 机器审计。\n\n## 选图速查（详细决策在 chart_selection.md）\n\n| 数据形态 | 推荐首选 | **不该用** |\n|---|---|---|\n| 1 个连续 看分布 | 直方图 + KDE \u002F 箱线 | 饼图 |\n| 1 个分类 看占比 | 横向柱状（按值排序） | 饼图、3D 饼 |\n| 1 分类 + 1 连续，n\u003C10\u002F组 | **stripplot \u002F dot plot**（直接列点） | 均值柱（**严禁**） |\n| 1 分类 + 1 连续，n≥10\u002F组 | **箱线\u002F小提琴 + stripplot 叠加** | 仅均值柱 |\n| 2 连续 看关系 | 散点 + 回归 + r 值 | 折线（除非 x 有序连续） |\n| 时间 \u002F 剂量 vs 连续 | 折线 + 误差带 | 柱状 |\n| 多变量相关（>3 列）| 相关性热力图 \u002F pairplot | 平行坐标 |\n| 矩阵数据 | 热力图（viridis\u002FRdBu_r）| 3D 表面、rainbow 色图 |\n| 构成占比 | 堆叠柱 \u002F treemap | **饼图** |\n\n完整决策树和\"同一数据不同论点 → 不同图\"对照表见 `chart_selection.md`。\n\n## 五条硬性原则\n\n### 原则 1：按最终尺寸出图，不二次缩放\n\n`figsize` 直接设论文里实际尺寸（Nature 单栏 3.5 in、双栏 7.2 in；IEEE 单栏 3.5 in、双栏 7.16 in）。导出后**绝不在 Word \u002F LaTeX 里再缩放**。\n\n**为什么**：matplotlib 字号是绝对单位（pt），Word 里缩 50% 9pt 就变 4.5pt——投稿前自检直接打回。\n\n### 原则 2：矢量优先\n\n折线 \u002F 柱状 \u002F 散点 \u002F 热力（数据网格除外）\u002F 误差棒 → PDF \u002F SVG \u002F EPS。显微图、照片才用 TIFF \u002F PNG（300-600 DPI）。**绝对不用 JPEG**。\n\n**为什么**：矢量任意缩放不糊，文字仍可选；JPEG 数据图边缘有压缩 artifact，期刊 PDF 检查器直接打回。\n\n### 原则 3：配色对色盲友好\n\n默认 `seaborn.color_palette('colorblind')` 或 Okabe-Ito。**同一张图不同类别加冗余编码**（线型 \u002F marker）。出图前 `export_figure(..., grayscale_preview=True)` 看灰度版能否区分。\n\n**为什么**：约 8% 男性、0.5% 女性色觉异常。审稿人里有这群人，全靠红绿区分的图对他们传达力归零。\n\n### 原则 4：字号在最终尺寸下可读\n\n正文标签和刻度数字 7-9 pt，最小字 **≥ 6 pt**。\n\n**为什么**：审稿编辑会按 mm 打印查字号；\u003C6 pt 不可读直接退回。\n\n### 原则 5：误差必有交代\n\n只要有误差棒 \u002F 阴影区间 \u002F 箱线——**图注必须写清**：\n- 误差类型（SD \u002F SEM \u002F 95% CI \u002F IQR）\n- 样本量 n\n- 显著性检验方法 + 校正（如 Bonferroni）\n- 显著性符号定义（`* p\u003C0.05` 等）\n\n**为什么**：SD 和 SEM 差一个 √n。混淆 = 结论反转 = 退稿。\n\n## 主动拦截（顾问职责）\n\n发现用户的需求会触发以下错误时，**先说明再给替代方案，不要默默照做**。完整 15 条详见 `references\u002Fviz_pitfalls.md`。\n\n| 错误 | 后果 | 替代方案 |\n|---|---|---|\n| n\u003C10\u002F组 还想画均值柱 | 掩盖分布、掩盖 n、审稿人怀疑 | 箱线 + stripplot；或直接 stripplot |\n| 双 Y 轴显示无关变量 | 视觉上的相关 \u002F 分歧是作图者捏造的 | 拆成上下子图共享 x；或标准化共轴 |\n| 用饼图展示占比 | 人眼判角度差长度 3 倍 | 横向柱状（按值排序） |\n| 3D 柱 \u002F 3D 饼 | 视角扭曲所有数值 | 2D 柱、热力图 |\n| 比例图 Y 轴不从 0 起 | 误导小差异看起来很大 | 从 0 起或用 log；或加明显断裂标记 |\n| 颜色映射连续值无 colorbar | 读者不知道深浅对应数值 | 必加 colorbar + 标 label\u002F单位 |\n| x 是分类却用折线连均值 | 暗示不存在的连续关系 | 散点 \u002F 点图 \u002F 柱状 |\n| 一图塞 5 个论点 | 没论点 | 拆图，一张图一个核心结论 |\n| rainbow \u002F jet 色图 | 感知不均匀、造假峰 | viridis \u002F magma \u002F RdBu_r |\n\n**拦截话术示例**：\n\n> 你要的\"3 组各 5 个样本的均值柱状图\"会触发 P1（均值柱掩盖分布）：n=5 太小，柱状会让审稿人怀疑你藏了什么。我建议改成**箱线 + stripplot 叠加每个点**，5 个点直接可见、分布形态一目了然。要按原方案画吗？\n\n尊重用户最终决定，但**留下明确的劝阻记录**。\n\n## 中文支持\n\n中文 matplotlib 出方框的根本原因：默认字体（DejaVu Sans 等）不含 CJK 字符表。`setup_style(lang='zh')` 自动做两件事：\n\n1. 按优先级查中文字体：`Noto Sans CJK SC` > `Source Han Sans SC` > `SimHei` > `Microsoft YaHei`\n2. 修负号方框：`plt.rcParams['axes.unicode_minus'] = False`\n\n找不到任何 CJK 字体会抛清晰的安装提示（不会让你画完发现是方框）。\n\n**中文期刊的\"宋体 + 数字 Times New Roman\"混排**：传 `serif_for_zh=True`，优先选 Noto Serif CJK \u002F Source Han Serif \u002F SimSun。\n\n详见 `references\u002Fjournal_specs.md` 末尾的字体安装小节。\n\n## 脚本说明\n\n| 脚本 | 干啥 | 主入口 |\n|---|---|---|\n| `profile_data.py` | EDA：列类型 \u002F 样本量 \u002F 分布 \u002F 异常 \u002F 相关 \u002F 初步图型建议 | `profile_data(source, group_cols)` |\n| `setup_style.py` | 期刊预设 + CJK 字体配置 + SciencePlots 包装 | `setup_style(journal, lang, use_sciplots, serif_for_zh)` |\n| `export_figure.py` | 多格式 + 按最终尺寸 + 灰度预览 | `export_figure(fig, basename, formats, dpi, size_inches, grayscale_preview)` |\n| `check_figure.py` | 文件合规自检（格式 \u002F DPI \u002F 字体嵌入） | `check_figure(path, min_dpi, target_inches)` |\n| `layout_tools.py` | 子图标签对齐 + constrained\u002Ftight 兜底理版 | `add_panel_labels(fig, style)` \u002F `finalize_figure(fig)` |\n| `visual_qa.py` | 渲染 PNG 预览 + 程序自检（缺字 \u002F 裁切 \u002F 刻度重叠） | `render_preview(fig, out)` \u002F `audit_layout(fig)` |\n\n## 参考文档\n\n`references\u002F` 下七份文档——**按需 view，不要一次全读**：\n\n| 文档 | 何时读 |\n|---|---|\n| `chart_selection.md` | **每次选图必读**——决策框架、不同论点→不同图 |\n| `data_profiling.md` | 读不懂 `profile_data.py` 输出 |\n| `viz_pitfalls.md` | 自检前必读——18 条避坑清单（含 P16-18 排版\u002F渲染坑） |\n| `journal_specs.md` | 不确定目标期刊的栏宽\u002F字号\u002FDPI\u002F字体 |\n| `plot_recipes.md` | 9 类图各自的完整配方 + 适用场景 |\n| `publication_checklist.md` | 投稿前最后过形式合规清单 |\n| `visual_review.md` | 出图后视觉自检——AI 读图 8 项清单 + 回改循环协议 |\n\n每份开头都有目录——先查目录定位，再 view 对应小节。\n\n## 常见任务示例\n\n### 任务 A：用户只丢一个 CSV 说\"帮我把这个画成论文图\"\n\n**思考-绘制工作流的范例**：\n\n1. **第 0 步**：问用户\"你这份数据主要想说服读者相信什么？\"——是组间差异？时间趋势？变量关系？\n2. **第 1 步**：跑 `python scripts\u002Fprofile_data.py data.csv` 得到剖析报告\n3. **第 2 步**：读报告里\"列类型 + 样本量 + 分组结构\"，结合用户的论证目标查 `chart_selection.md` 决策。**主动给出推荐 + 理由 + 1-2 备选**\n4. **拿到用户确认后**进入第 3-7 步：查期刊规范、配环境、画、自检、导出\n\n不要跳过任何一步。\n\n### 任务 B：用户说\"我想用柱状图展示三组各 5 个样本的均值\"\n\n**主动拦截的范例**：\n\n```\n你要的\"三组各 5 个样本均值柱状图\"会触发科研画图的经典 P1 错误\n（参见 viz_pitfalls.md）——n=5 太小，柱状图的高度 + 一根误差棒无法\n告诉读者数据真实分布。审稿人看到很可能要求\"show individual data points\"。\n\n我建议改成 **箱线图 + stripplot 叠加每个点**：5 个点直接可见，\n不掩盖任何信息，反而更可信。代码也只多一行。\n\n要按原方案画，还是改成箱线+stripplot？\n```\n\n如果用户坚持要柱状，那也照做——但**至少**强制叠加 stripplot 显示每个点。\n\n### 任务 C：多面板组合图\n\n用户：\"给我画一个 Figure 1：4 个 panel，分别是 PCA、loss 曲线、混淆矩阵、生存曲线。\"\n\n流程：\n1. 确认目标期刊（决定整张图 7.2 in 还是 7.16 in；Nature `a\u002Fb\u002Fc` vs IEEE `(a)(b)(c)`）\n2. 各 panel 独立画，**保证字号、配色、坐标尺度统一**（同一变量在 4 个 panel 里同色）\n3. 用 `plt.subplots(2, 2, figsize=(7.2, 5.4))` 组合（`setup_style` 已默认开 constrained_layout）\n4. `layout_tools.finalize_figure(fig)` 理顺版面，再 `add_panel_labels(fig, style='nature')` 打 a\u002Fb\u002Fc\u002Fd——**统一 figure 坐标自动横竖对齐**，不要手摆 `ax.text`（易错位，见 viz_pitfalls P18；IEEE 用 `style='ieee'` → (a)(b)(c)）\n5. **视觉自检闭环**：`render_preview` 渲 PNG → `audit_layout` 程序自检 → `Read` 读图核对子图对齐\u002F遮盖 → 回改 → 通过后再导出 + 灰度检查\n\n详细配方见 `plot_recipes.md` 第 9 节。\n\n### 任务 D：带显著性标注的统计图\n\n用户：\"3 组数据，箱线图加显著性标注。\"\n\n流程：\n1. profile 确认 n（n\u003C10 → 必须叠 stripplot）\n2. 跑统计检验（**用户必须告知**用了什么检验，是否多重比较校正）\n3. 画箱线 + stripplot\n4. 用 `matplotlib.lines.Line2D` 或 `statannotations` 在组之间画显著性桥\n5. **图注必须写**：误差类型 \u002F n \u002F 检验方法 \u002F 校正 \u002F 符号含义\n\n配方见 `plot_recipes.md` 第 4 节。\n\n## 依赖\n\n```\nmatplotlib>=3.7\nseaborn>=0.13\nplotly>=5.18\npandas>=2.0\nnumpy>=1.24\nscipy>=1.10            # profile_data 的偏度计算用到\nPillow>=10.0           # check_figure \u002F grayscale preview\nSciencePlots>=2.1      # 可选；装了样式更接近期刊\npypdf>=4.0             # 可选；check_figure 字体嵌入检查\nkaleido>=0.2.1         # 可选；plotly 导出 PDF\u002FPNG\n```\n\n可选依赖缺失时本技能仍能跑——会优雅降级并提示。\n","# scipilot-figure-skill — 科研数据可视化顾问\n\n> SciPilot Skills 家族成员 | 从数据剖析到出版级成图\n\n## 概述\n\n科研工作者最大的画图痛点往往不是\"不会用 matplotlib\"，而是\"手上一堆数据，不知道该用什么图把结论讲清楚\"。本技能的**首要能力是【思考与判断】**，其次才是【绘制】。\n\n具体地——**永远先思考再画**：\n1. 先理解数据再选图——拿到数据先做 EDA，用事实驱动图型选择\n2. 先想清楚\"这张图要论证什么\"——同样数据，不同论点 = 不同图\n3. 主动拦截科研画图的经典错误，而不是顺从\n4. 维度太多就建议拆图，不硬塞\n\n**只覆盖纯数据图**：折线、柱状、散点、箱线\u002F小提琴、热力图、误差棒、分布图、相关性矩阵、多面板组合。**不做**示意图、流程图、架构图。\n\n## 何时使用\n\n- 用户给了一个 CSV \u002F Excel \u002F DataFrame 说\"帮我画一下\"或\"用什么图好\"\n- 用户在写论文要插数据图\n- 用户已有草图但说\"达不到投稿要求\"\n- 用户提到 Nature \u002F Science \u002F IEEE 等具体期刊\n- 用户问\"中文论文 matplotlib 出方框怎么办\"\n- 用户提到误差棒、显著性、色盲、矢量导出、多面板\n\n## 核心工作流（8 步）\n\n**这是本技能与普通画图工具的根本区别——不能上来就画**。每一步缺位前一步的成果都不该执行。\n\n### 第 0 步：理解任务\n\n开画前**先搞清楚两件事**：\n\n1. **这张图要论证什么观点 \u002F 回答什么问题？** 同样数据，论点不同图就不同（详见 `references\u002Fchart_selection.md` 的\"同一批数据、不同论点 → 不同图\"小节）\n2. **数据在哪里？长什么样？** 文件路径 \u002F 字段含义 \u002F 多少行 \u002F 是否已经清洗\n\n**如果用户没说清论证目标**，主动问一句：\"你这张图主要想说服读者相信什么？\" 或从论文上下文推断并明确告诉用户你的假设。**不要默认\"用户知道自己要什么\"**。\n\n### 第 1 步：剖析数据\n\n调用 `scripts\u002Fprofile_data.py`：\n\n```bash\npython scripts\u002Fprofile_data.py data.csv --group group --group condition\n```\n\n输出包含：每列类型、样本量、缺失率、连续列的描述统计 + 偏度 + 异常值、分组样本量分布、相关性矩阵、初步图型建议。\n\n不会读这份报告？查 `references\u002Fdata_profiling.md`。\n\n**重点核对**：\n- 列类型识别对不对？（数字 ID 被认成 ordinal 是常见误判）\n- 每组 n 是多少？小样本警告？\n- 是否高度偏态？是否需要对数轴？\n\n### 第 2 步：选图\n\n**这是顾问职责的核心**。基于第 0、1 步的事实，查 `references\u002Fchart_selection.md` 的决策框架决定图型。要点：\n\n- **给出推荐 + 简短理由 + 1-2 个备选**（不要只丢一个选择给用户）\n- 如果数据维度过多（如分组组合 > 12）→ **明确建议拆图**，而不是硬塞\n- 如果用户指定的图型**不适合数据**（如 n=5 要画均值柱）→ **善意指出问题并说明更好的选择**，让用户决定。详见下方\"主动拦截\"小节\n- 如果数据特征意味着特殊处理（双峰分布、严重异常值、跨量级）→ 在选图建议里明确提及\n\n### 第 3 步：查期刊规范\n\n确定目标期刊后查 `references\u002Fjournal_specs.md` 拿到：单\u002F双栏宽（mm 与 inch）、字号、推荐字体、DPI、矢量格式偏好。\n\n不知道目标期刊就问一句。\"毕业论文 \u002F 中文核心 \u002F 英文 SCI \u002F NeurIPS\" 都对应不同规范。\n\n### 第 4 步：配环境\n\n```python\nfrom setup_style import setup_style\nsetup_style(journal='nature', lang='en')             # 英文 Nature\nsetup_style(journal='general', lang='zh', serif_for_zh=True)   # 中文宋体混排\n```\n\n`SciencePlots` 装了自动用，没装回退到内置预设——不会因为缺它崩溃。\n\n### 第 5 步：绘制\n\n按 `references\u002Fplot_recipes.md` 对应章节的配方画。每节都有可直接复制的 Python 代码 + 常见坑。\n\n画图时强制做到：\n- `figsize=(目标宽, 目标高)` 单位英寸——直接定最终尺寸\n- 用 `seaborn.color_palette('colorblind')` 或 Okabe-Ito + 冗余编码（不同线型\u002Fmarker）\n- 误差棒 \u002F 阴影要在图注交代是 SD \u002F SEM \u002F 95% CI + n\n\n### 第 6 步：自检闭环（机器 + AI 读图）\n\n**三层都要过，缺一层都可能带病投稿**：\n\n1. **语义层**：`references\u002Fviz_pitfalls.md` 18 条科研画图禁忌——图型\u002F配色\u002F误差是否踩坑\n2. **形式层**：`references\u002Fpublication_checklist.md` 形式合规（尺寸、DPI、字号、误差交代）\n3. **视觉层（v2.1 新增）**：出图后**渲染 PNG → 程序自检 → AI 读图复核 → 回改**的闭环：\n   - `visual_qa.render_preview(fig, 'figs\u002F_preview.png')` 渲一张预览\n   - `visual_qa.audit_layout(fig)` 程序抓**缺字乱码 \u002F 文字裁切 \u002F 刻度重叠**（确定性问题）\n   - **用 `Read` 工具读这张 PNG**，对照 `references\u002Fvisual_review.md` 的 8 项清单核对\n     **图例压数据 \u002F 子图标签对齐 \u002F 配色灰度可分**（程序难判的感知问题）\n   - 发现问题 → 按 `visual_review.md` 回改表改 → 重渲 → 再读，直到通过\n\n任何一层不通过就回去改图。**矢量图的导出放在闭环通过之后**，把问题挡在投稿之前。\n\n### 第 7 步：导出\n\n```python\nfrom export_figure import export_figure\nexport_figure(\n    fig, basename='figs\u002Ffig1',\n    formats=['pdf', 'svg', 'png'],\n    size_inches=(3.5, 2.625),\n    dpi=300,\n    grayscale_preview=True,    # 自动出灰度版供色盲检查\n)\n```\n\n最后跑一遍 `scripts\u002Fcheck_figure.py --strict` 机器审计。\n\n## 选图速查（详细决策在 chart_selection.md）\n\n| 数据形态 | 推荐首选 | **不该用** |\n|---|---|---|\n| 1 个连续 看分布 | 直方图 + KDE \u002F 箱线 | 饼图 |\n| 1 个分类 看占比 | 横向柱状（按值排序） | 饼图、3D 饼 |\n| 1 分类 + 1 连续，n\u003C10\u002F组 | **stripplot \u002F dot plot**（直接列点） | 均值柱（**严禁**） |\n| 1 分类 + 1 连续，n≥10\u002F组 | **箱线\u002F小提琴 + stripplot 叠加** | 仅均值柱 |\n| 2 连续 看关系 | 散点 + 回归 + r 值 | 折线（除非 x 有序连续） |\n| 时间 \u002F 剂量 vs 连续 | 折线 + 误差带 | 柱状 |\n| 多变量相关（>3 列）| 相关性热力图 \u002F pairplot | 平行坐标 |\n| 矩阵数据 | 热力图（viridis\u002FRdBu_r）| 3D 表面、rainbow 色图 |\n| 构成占比 | 堆叠柱 \u002F treemap | **饼图** |\n\n完整决策树和\"同一数据不同论点 → 不同图\"对照表见 `chart_selection.md`。\n\n## 五条硬性原则\n\n### 原则 1：按最终尺寸出图，不二次缩放\n\n`figsize` 直接设论文里实际尺寸（Nature 单栏 3.5 in、双栏 7.2 in；IEEE 单栏 3.5 in、双栏 7.16 in）。导出后**绝不在 Word \u002F LaTeX 里再缩放**。\n\n**为什么**：matplotlib 字号是绝对单位（pt），Word 里缩 50% 9pt 就变 4.5pt——投稿前自检直接打回。\n\n### 原则 2：矢量优先\n\n折线 \u002F 柱状 \u002F 散点 \u002F 热力（数据网格除外）\u002F 误差棒 → PDF \u002F SVG \u002F EPS。显微图、照片才用 TIFF \u002F PNG（300-600 DPI）。**绝对不用 JPEG**。\n\n**为什么**：矢量任意缩放不糊，文字仍可选；JPEG 数据图边缘有压缩 artifact，期刊 PDF 检查器直接打回。\n\n### 原则 3：配色对色盲友好\n\n默认 `seaborn.color_palette('colorblind')` 或 Okabe-Ito。**同一张图不同类别加冗余编码**（线型 \u002F marker）。出图前 `export_figure(..., grayscale_preview=True)` 看灰度版能否区分。\n\n**为什么**：约 8% 男性、0.5% 女性色觉异常。审稿人里有这群人，全靠红绿区分的图对他们传达力归零。\n\n### 原则 4：字号在最终尺寸下可读\n\n正文标签和刻度数字 7-9 pt，最小字 **≥ 6 pt**。\n\n**为什么**：审稿编辑会按 mm 打印查字号；\u003C6 pt 不可读直接退回。\n\n### 原则 5：误差必有交代\n\n只要有误差棒 \u002F 阴影区间 \u002F 箱线——**图注必须写清**：\n- 误差类型（SD \u002F SEM \u002F 95% CI \u002F IQR）\n- 样本量 n\n- 显著性检验方法 + 校正（如 Bonferroni）\n- 显著性符号定义（`* p\u003C0.05` 等）\n\n**为什么**：SD 和 SEM 差一个 √n。混淆 = 结论反转 = 退稿。\n\n## 主动拦截（顾问职责）\n\n发现用户的需求会触发以下错误时，**先说明再给替代方案，不要默默照做**。完整 15 条详见 `references\u002Fviz_pitfalls.md`。\n\n| 错误 | 后果 | 替代方案 |\n|---|---|---|\n| n\u003C10\u002F组 还想画均值柱 | 掩盖分布、掩盖 n、审稿人怀疑 | 箱线 + stripplot；或直接 stripplot |\n| 双 Y 轴显示无关变量 | 视觉上的相关 \u002F 分歧是作图者捏造的 | 拆成上下子图共享 x；或标准化共轴 |\n| 用饼图展示占比 | 人眼判角度差长度 3 倍 | 横向柱状（按值排序） |\n| 3D 柱 \u002F 3D 饼 | 视角扭曲所有数值 | 2D 柱、热力图 |\n| 比例图 Y 轴不从 0 起 | 误导小差异看起来很大 | 从 0 起或用 log；或加明显断裂标记 |\n| 颜色映射连续值无 colorbar | 读者不知道深浅对应数值 | 必加 colorbar + 标 label\u002F单位 |\n| x 是分类却用折线连均值 | 暗示不存在的连续关系 | 散点 \u002F 点图 \u002F 柱状 |\n| 一图塞 5 个论点 | 没论点 | 拆图，一张图一个核心结论 |\n| rainbow \u002F jet 色图 | 感知不均匀、造假峰 | viridis \u002F magma \u002F RdBu_r |\n\n**拦截话术示例**：\n\n> 你要的\"3 组各 5 个样本的均值柱状图\"会触发 P1（均值柱掩盖分布）：n=5 太小，柱状会让审稿人怀疑你藏了什么。我建议改成**箱线 + stripplot 叠加每个点**，5 个点直接可见、分布形态一目了然。要按原方案画吗？\n\n尊重用户最终决定，但**留下明确的劝阻记录**。\n\n## 中文支持\n\n中文 matplotlib 出方框的根本原因：默认字体（DejaVu Sans 等）不含 CJK 字符表。`setup_style(lang='zh')` 自动做两件事：\n\n1. 按优先级查中文字体：`Noto Sans CJK SC` > `Source Han Sans SC` > `SimHei` > `Microsoft YaHei`\n2. 修负号方框：`plt.rcParams['axes.unicode_minus'] = False`\n\n找不到任何 CJK 字体会抛清晰的安装提示（不会让你画完发现是方框）。\n\n**中文期刊的\"宋体 + 数字 Times New Roman\"混排**：传 `serif_for_zh=True`，优先选 Noto Serif CJK \u002F Source Han Serif \u002F SimSun。\n\n详见 `references\u002Fjournal_specs.md` 末尾的字体安装小节。\n\n## 脚本说明\n\n| 脚本 | 干啥 | 主入口 |\n|---|---|---|\n| `profile_data.py` | EDA：列类型 \u002F 样本量 \u002F 分布 \u002F 异常 \u002F 相关 \u002F 初步图型建议 | `profile_data(source, group_cols)` |\n| `setup_style.py` | 期刊预设 + CJK 字体配置 + SciencePlots 包装 | `setup_style(journal, lang, use_sciplots, serif_for_zh)` |\n| `export_figure.py` | 多格式 + 按最终尺寸 + 灰度预览 | `export_figure(fig, basename, formats, dpi, size_inches, grayscale_preview)` |\n| `check_figure.py` | 文件合规自检（格式 \u002F DPI \u002F 字体嵌入） | `check_figure(path, min_dpi, target_inches)` |\n| `layout_tools.py` | 子图标签对齐 + constrained\u002Ftight 兜底理版 | `add_panel_labels(fig, style)` \u002F `finalize_figure(fig)` |\n| `visual_qa.py` | 渲染 PNG 预览 + 程序自检（缺字 \u002F 裁切 \u002F 刻度重叠） | `render_preview(fig, out)` \u002F `audit_layout(fig)` |\n\n## 参考文档\n\n`references\u002F` 下七份文档——**按需 view，不要一次全读**：\n\n| 文档 | 何时读 |\n|---|---|\n| `chart_selection.md` | **每次选图必读**——决策框架、不同论点→不同图 |\n| `data_profiling.md` | 读不懂 `profile_data.py` 输出 |\n| `viz_pitfalls.md` | 自检前必读——18 条避坑清单（含 P16-18 排版\u002F渲染坑） |\n| `journal_specs.md` | 不确定目标期刊的栏宽\u002F字号\u002FDPI\u002F字体 |\n| `plot_recipes.md` | 9 类图各自的完整配方 + 适用场景 |\n| `publication_checklist.md` | 投稿前最后过形式合规清单 |\n| `visual_review.md` | 出图后视觉自检——AI 读图 8 项清单 + 回改循环协议 |\n\n每份开头都有目录——先查目录定位，再 view 对应小节。\n\n## 常见任务示例\n\n### 任务 A：用户只丢一个 CSV 说\"帮我把这个画成论文图\"\n\n**思考-绘制工作流的范例**：\n\n1. **第 0 步**：问用户\"你这份数据主要想说服读者相信什么？\"——是组间差异？时间趋势？变量关系？\n2. **第 1 步**：跑 `python scripts\u002Fprofile_data.py data.csv` 得到剖析报告\n3. **第 2 步**：读报告里\"列类型 + 样本量 + 分组结构\"，结合用户的论证目标查 `chart_selection.md` 决策。**主动给出推荐 + 理由 + 1-2 备选**\n4. **拿到用户确认后**进入第 3-7 步：查期刊规范、配环境、画、自检、导出\n\n不要跳过任何一步。\n\n### 任务 B：用户说\"我想用柱状图展示三组各 5 个样本的均值\"\n\n**主动拦截的范例**：\n\n```\n你要的\"三组各 5 个样本均值柱状图\"会触发科研画图的经典 P1 错误\n（参见 viz_pitfalls.md）——n=5 太小，柱状图的高度 + 一根误差棒无法\n告诉读者数据真实分布。审稿人看到很可能要求\"show individual data points\"。\n\n我建议改成 **箱线图 + stripplot 叠加每个点**：5 个点直接可见，\n不掩盖任何信息，反而更可信。代码也只多一行。\n\n要按原方案画，还是改成箱线+stripplot？\n```\n\n如果用户坚持要柱状，那也照做——但**至少**强制叠加 stripplot 显示每个点。\n\n### 任务 C：多面板组合图\n\n用户：\"给我画一个 Figure 1：4 个 panel，分别是 PCA、loss 曲线、混淆矩阵、生存曲线。\"\n\n流程：\n1. 确认目标期刊（决定整张图 7.2 in 还是 7.16 in；Nature `a\u002Fb\u002Fc` vs IEEE `(a)(b)(c)`）\n2. 各 panel 独立画，**保证字号、配色、坐标尺度统一**（同一变量在 4 个 panel 里同色）\n3. 用 `plt.subplots(2, 2, figsize=(7.2, 5.4))` 组合（`setup_style` 已默认开 constrained_layout）\n4. `layout_tools.finalize_figure(fig)` 理顺版面，再 `add_panel_labels(fig, style='nature')` 打 a\u002Fb\u002Fc\u002Fd——**统一 figure 坐标自动横竖对齐**，不要手摆 `ax.text`（易错位，见 viz_pitfalls P18；IEEE 用 `style='ieee'` → (a)(b)(c)）\n5. **视觉自检闭环**：`render_preview` 渲 PNG → `audit_layout` 程序自检 → `Read` 读图核对子图对齐\u002F遮盖 → 回改 → 通过后再导出 + 灰度检查\n\n详细配方见 `plot_recipes.md` 第 9 节。\n\n### 任务 D：带显著性标注的统计图\n\n用户：\"3 组数据，箱线图加显著性标注。\"\n\n流程：\n1. profile 确认 n（n\u003C10 → 必须叠 stripplot）\n2. 跑统计检验（**用户必须告知**用了什么检验，是否多重比较校正）\n3. 画箱线 + stripplot\n4. 用 `matplotlib.lines.Line2D` 或 `statannotations` 在组之间画显著性桥\n5. **图注必须写**：误差类型 \u002F n \u002F 检验方法 \u002F 校正 \u002F 符号含义\n\n配方见 `plot_recipes.md` 第 4 节。\n\n## 依赖\n\n```\nmatplotlib>=3.7\nseaborn>=0.13\nplotly>=5.18\npandas>=2.0\nnumpy>=1.24\nscipy>=1.10            # profile_data 的偏度计算用到\nPillow>=10.0           # check_figure \u002F grayscale preview\nSciencePlots>=2.1      # 可选；装了样式更接近期刊\npypdf>=4.0             # 可选；check_figure 字体嵌入检查\nkaleido>=0.2.1         # 可选；plotly 导出 PDF\u002FPNG\n```\n\n可选依赖缺失时本技能仍能跑——会优雅降级并提示。\n",{"name":5,"description":7},"main","881f142d407fa7bb613ad4cb48e002220fb94107","https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills","https:\u002F\u002Fgithub.com\u002FErin-1919","https:\u002F\u002Ferin-1919.github.io\u002F","I am a Geospatial Data Scientist.","2026-10-31 05:11:39",{"source":8,"skillName":5,"commands":33,"prompt":43,"zipAvailable":44},[34,37,40],{"tool":35,"command":36},"npx","npx skills add Erin-1919\u002Fclaude-skills --skill scipilot-figure-skill",{"tool":38,"command":39},"bunx","bunx skills add Erin-1919\u002Fclaude-skills --skill scipilot-figure-skill",{"tool":41,"command":42},"pnpm","pnpm dlx skills add Erin-1919\u002Fclaude-skills --skill scipilot-figure-skill","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fscipilot-figure-skill\u002FSKILL.md",true,[46,52,56,62,66,70,74,78,82,86,90,94,100,104,108,112,116],{"path":47,"resourceType":48,"resourceTypeDesc":49,"sizeBytes":50,"sourceHtmlUrl":51},".gitignore","OTHER","其他",513,"https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fscipilot-figure-skill\u002F.gitignore",{"path":53,"resourceType":53,"resourceTypeDesc":54,"sizeBytes":55,"sourceHtmlUrl":16},"LICENSE","许可证",1063,{"path":57,"resourceType":58,"resourceTypeDesc":59,"sizeBytes":60,"sourceHtmlUrl":61},"README.md","REFERENCE","参考文档",14453,"https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fscipilot-figure-skill\u002FREADME.md",{"path":63,"resourceType":58,"resourceTypeDesc":59,"sizeBytes":64,"sourceHtmlUrl":65},"references\u002Fchart_selection.md",11584,"https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fscipilot-figure-skill\u002Freferences\u002Fchart_selection.md",{"path":67,"resourceType":58,"resourceTypeDesc":59,"sizeBytes":68,"sourceHtmlUrl":69},"references\u002Fdata_profiling.md",8566,"https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fscipilot-figure-skill\u002Freferences\u002Fdata_profiling.md",{"path":71,"resourceType":58,"resourceTypeDesc":59,"sizeBytes":72,"sourceHtmlUrl":73},"references\u002Fjournal_specs.md",7428,"https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fscipilot-figure-skill\u002Freferences\u002Fjournal_specs.md",{"path":75,"resourceType":58,"resourceTypeDesc":59,"sizeBytes":76,"sourceHtmlUrl":77},"references\u002Fplot_recipes.md",19204,"https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fscipilot-figure-skill\u002Freferences\u002Fplot_recipes.md",{"path":79,"resourceType":58,"resourceTypeDesc":59,"sizeBytes":80,"sourceHtmlUrl":81},"references\u002Fpublication_checklist.md",5993,"https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fscipilot-figure-skill\u002Freferences\u002Fpublication_checklist.md",{"path":83,"resourceType":58,"resourceTypeDesc":59,"sizeBytes":84,"sourceHtmlUrl":85},"references\u002Fvisual_review.md",7330,"https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fscipilot-figure-skill\u002Freferences\u002Fvisual_review.md",{"path":87,"resourceType":58,"resourceTypeDesc":59,"sizeBytes":88,"sourceHtmlUrl":89},"references\u002Fviz_pitfalls.md",15851,"https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fscipilot-figure-skill\u002Freferences\u002Fviz_pitfalls.md",{"path":91,"resourceType":58,"resourceTypeDesc":59,"sizeBytes":92,"sourceHtmlUrl":93},"requirements.txt",287,"https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fscipilot-figure-skill\u002Frequirements.txt",{"path":95,"resourceType":96,"resourceTypeDesc":97,"sizeBytes":98,"sourceHtmlUrl":99},"scripts\u002Fcheck_figure.py","SCRIPT","脚本",9709,"https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fscipilot-figure-skill\u002Fscripts\u002Fcheck_figure.py",{"path":101,"resourceType":96,"resourceTypeDesc":97,"sizeBytes":102,"sourceHtmlUrl":103},"scripts\u002Fexport_figure.py",6450,"https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fscipilot-figure-skill\u002Fscripts\u002Fexport_figure.py",{"path":105,"resourceType":96,"resourceTypeDesc":97,"sizeBytes":106,"sourceHtmlUrl":107},"scripts\u002Flayout_tools.py",9351,"https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fscipilot-figure-skill\u002Fscripts\u002Flayout_tools.py",{"path":109,"resourceType":96,"resourceTypeDesc":97,"sizeBytes":110,"sourceHtmlUrl":111},"scripts\u002Fprofile_data.py",17764,"https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fscipilot-figure-skill\u002Fscripts\u002Fprofile_data.py",{"path":113,"resourceType":96,"resourceTypeDesc":97,"sizeBytes":114,"sourceHtmlUrl":115},"scripts\u002Fsetup_style.py",11794,"https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fscipilot-figure-skill\u002Fscripts\u002Fsetup_style.py",{"path":117,"resourceType":96,"resourceTypeDesc":97,"sizeBytes":118,"sourceHtmlUrl":119},"scripts\u002Fvisual_qa.py",12677,"https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fscipilot-figure-skill\u002Fscripts\u002Fvisual_qa.py",[121,130,138,146,154,162],{"skillNo":122,"name":123,"nameZh":6,"description":124,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":125,"licenseFileUrl":126,"sourceHtmlUrl":127,"categories":128,"keywords":129,"publishedAt":20},"01M7CT3D43G5JM0DJZYFRZTRDG","webapp-testing","Toolkit for interacting with and testing local web applications using Playwright. Supports verifying frontend functionality, debugging UI behavior, capturing browser screenshots, and viewing browser logs.","Apache-2.0","https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fwebapp-testing\u002FLICENSE.txt","https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fwebapp-testing\u002FSKILL.md",[],[],{"skillNo":131,"name":132,"nameZh":6,"description":133,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":125,"licenseFileUrl":134,"sourceHtmlUrl":135,"categories":136,"keywords":137,"publishedAt":20},"01M7CT38B76HBKH3MHY8BRFEV4","web-artifacts-builder","Suite of tools for creating elaborate, multi-component claude.ai HTML artifacts using modern frontend web technologies (React, Tailwind CSS, shadcn\u002Fui). Use for complex artifacts requiring state management, routing, or shadcn\u002Fui components - not for simple single-file HTML\u002FJSX artifacts.","https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fweb-artifacts-builder\u002FLICENSE.txt","https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fweb-artifacts-builder\u002FSKILL.md",[],[],{"skillNo":139,"name":140,"nameZh":6,"description":141,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":125,"licenseFileUrl":142,"sourceHtmlUrl":143,"categories":144,"keywords":145,"publishedAt":20},"01M7CT3473X29MT56ECSQHWQKM","theme-factory","Toolkit for styling artifacts with a theme. These artifacts can be slides, docs, reportings, HTML landing pages, etc. There are 10 pre-set themes with colors\u002Ffonts that you can apply to any artifact that has been creating, or can generate a new theme on-the-fly.","https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Ftheme-factory\u002FLICENSE.txt","https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Ftheme-factory\u002FSKILL.md",[],[],{"skillNo":147,"name":148,"nameZh":6,"description":149,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":125,"licenseFileUrl":150,"sourceHtmlUrl":151,"categories":152,"keywords":153,"publishedAt":20},"01M7CT2Y6P0A1A97HM2SRPWRMY","slack-gif-creator","Knowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like \"make me a GIF of X doing Y for Slack.\"","https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fslack-gif-creator\u002FLICENSE.txt","https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fslack-gif-creator\u002FSKILL.md",[],[],{"skillNo":155,"name":156,"nameZh":6,"description":157,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":125,"licenseFileUrl":158,"sourceHtmlUrl":159,"categories":160,"keywords":161,"publishedAt":20},"01M7CT2NC5SGYPV2BENYJ16C3H","skill-creator","Guide for creating effective skills. This skill should be used when users want to create a new skill (or update an existing skill) that extends Claude's capabilities with specialized knowledge, workflows, or tool integrations.","https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fskill-creator\u002FLICENSE.txt","https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fskill-creator\u002FSKILL.md",[],[],{"skillNo":163,"name":164,"nameZh":6,"description":165,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":125,"licenseFileUrl":166,"sourceHtmlUrl":167,"categories":168,"keywords":169,"publishedAt":20},"01M7CT1FA0GYTN7M26C33F8MWE","mcp-builder","Guide for creating high-quality MCP (Model Context Protocol) servers that enable LLMs to interact with external services through well-designed tools. Use when building MCP servers to integrate external APIs or services, whether in Python (FastMCP) or Node\u002FTypeScript (MCP SDK).","https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fmcp-builder\u002FLICENSE.txt","https:\u002F\u002Fgithub.com\u002FErin-1919\u002Fclaude-skills\u002Fblob\u002Fmain\u002Fmcp-builder\u002FSKILL.md",[],[]]