- name
SKILL.md
技能文件保留在发布者的仓库中。
在终端中粘贴复制的命令。它会把这个 SKILL.md 安装到对应的智能体中。
npx skills add XiaoMaColtAI/math-modeling-skill --skill figure -a cursor -y在终端中粘贴复制的命令。它会把这个 SKILL.md 安装到对应的智能体中。
npx skills add XiaoMaColtAI/math-modeling-skill --skill figure -a claude-code -y在终端中粘贴复制的命令。它会把这个 SKILL.md 安装到对应的智能体中。
npx skills add XiaoMaColtAI/math-modeling-skill --skill figure -a codex -y在终端中粘贴复制的命令。它会把这个 SKILL.md 安装到对应的智能体中。
npx skills add XiaoMaColtAI/math-modeling-skill --skill figure -a grok -y在 Grok Bot 聊天中发送复制的消息。Bot 会从 GitHub 获取这个 SKILL.md,并添加到你所有 Bot 共享的技能中。
Install this skill: https://github.com/XiaoMaColtAI/math-modeling-skill/tree/HEAD/tools/figure来自发布者
从数据剖析到出版级成图 | Python + MATLAB | 自检 + AI 读图闭环
SKILL_ROOT:math-modeling-skill 仓库根目录(只读)。tools/figure/... 路径均相对于 SKILL_ROOT。"<SKILL_ROOT>/tools/figure/scripts/..." 格式,确保从任何工作目录均可执行。sys.path.insert(0, os.path.join(SKILL_ROOT, 'tools', 'figure', 'scripts')) 后导入。本工具融合 nature-figure 的图表契约/后端路由架构与 scipilot-figure-skill 的数据剖析/选图决策/自检闭环, 并扩展数学建模特有的三类图体系、子问题覆盖检查和建模流程图。永远先思考再画:
数据图范围:折线、柱状、散点、箱线/小提琴、热力图、误差棒、分布图、相关性矩阵、雷达图、 3D 曲面、多面板组合。不做示意图、架构图。
额外覆盖建模流程图:数学建模场景的总体/子问题方法流程图走 references/chart-types/flowchart.md。
流程图属于方法与结构示意,不占用三类候选图配额,也不替代结果图。
python "<SKILL_ROOT>/tools/figure/scripts/profile_data.py" data.csv --group group --group condition
输出:每列类型、样本量、缺失率、连续列描述统计 + 偏度 + 异常值、分组样本量分布、相关性矩阵、初步图型建议。
不会读报告?查 tools/figure/references/guides/data_profiling.md。
重点核对:列类型识别对不对?每组 n 是多少?是否高度偏态?是否需要对数轴?
数学建模场景:从题目分析报告提取全部子问题并规范为 q1…qN,按子问题核对行列、类型、缺失、
分组样本量、分布、异常值和单位。
在选图之前,先填写五点契约(详见 tools/figure/static/core/contract.md):
永远先选图型,再画图。 图型选错,画得再好看也没用。
基于第 1、2 步的事实,查 tools/figure/references/chart-types/chart_selection.md 的决策框架:
chart_selection.md 末尾的"数学建模场景速查"表design_theory.md §11 反冗余清单)确定目标期刊后查 tools/figure/references/quality/journal_specs.md 拿到:单/双栏宽(mm 与 inch)、字号、
推荐字体、DPI、矢量格式偏好。不知道目标期刊就问一句。
Python:
import sys, os
sys.path.insert(0, os.path.join(SKILL_ROOT, 'tools', 'figure', 'scripts'))
from setup_style import setup_style
setup_style(journal='nature', lang='en') # 英文 Nature
setup_style(journal='general', lang='zh', serif_for_zh=True) # 中文宋体混排
SciencePlots 装了自动用,没装回退到内置预设。
MATLAB:将 references/roles/编程手/scripts/apply_publication_style.m 复制到 PROJECT_ROOT/utils/ 后调用。
按 tools/figure/references/api-templates/plot_recipes.md 对应章节的配方画。每节都有可直接复制的代码 + 常见坑。
Python 画图时强制做到:
figsize=(目标宽, 目标高) 单位英寸——直接定最终尺寸seaborn.color_palette('colorblind') 或 Okabe-Ito + 冗余编码(不同线型/marker)MATLAB:按 references/roles/编程手/scripts/apply_publication_style.m 的出版规范绘制,用 export_publication_figure() 导出。
数学建模场景(两种语言均适用):按三类图体系生成(原始数据图 / 过程图 / 结果图),每类至少 3 张、合计至少 9 张,且每个子问题在三类中各至少 1 张。每类内部图型要有变化(如原始数据类至少含 1 张分布图 + 1 张关系图),全文图型种类 ≥ 3 种。
tools/figure/references/design/viz_pitfalls.md 18+ 条避坑清单——图型/配色/误差是否踩坑tools/figure/references/quality/publication_checklist.md 形式合规(尺寸、DPI、字号、误差交代)tools/figure/scripts/visual_qa.render_preview(fig, 'figs/_preview.png') 渲预览,tools/figure/scripts/visual_qa.audit_layout(fig) 程序抓缺字/裁切/重叠export_publication_figure() 导出 PNG 后人工检查tools/figure/references/quality/visual_review.md 的 8 项清单核对Python:
import sys, os
sys.path.insert(0, os.path.join(SKILL_ROOT, 'tools', 'figure', 'scripts'))
from export_figure import export_figure
export_figure(
fig, basename='figs/fig1',
formats=['pdf', 'svg', 'png'],
size_inches=(3.5, 2.625),
dpi=300,
grayscale_preview=True,
)
MATLAB:使用 export_publication_figure(fig, 'figs/fig1', 'png', 300) 或 export_publication_figure(fig, 'figs/fig1', 'svg')。
数学建模场景(两种语言均适用):同时输出 SVG 与至少 300 DPI PNG。
两个脚本职责不同,按顺序执行:
# 1. 编程手自检:文件格式/DPI/字体合规(每张图都过)
python "<SKILL_ROOT>/tools/figure/scripts/check_figure.py" "<PROJECT_ROOT>/figures" --strict
# 2. 数学建模 P2 门禁:三类图数量 + 子问题覆盖(终检时由质检 Subagent 执行)
python "<SKILL_ROOT>/references/roles/编程手/scripts/figure_audit.py" "<PROJECT_ROOT>/figures" --questions q1 q2 ... qN --strict
check_figure.py:检查单张图的格式合规性(DPI、字体、尺寸、矢量格式),编程手每次导出后自检用。figure_audit.py:检查三类图数量是否达标、子问题是否全覆盖,P2 编程终检时由独立质检 Subagent 执行。发现用户需求触发以下错误时,先说明再给替代方案,不要默默照做。完整清单见
tools/figure/references/design/viz_pitfalls.md。
尊重用户最终决定,但留下明确的劝阻记录。
tools/figure/references/ 下文档——按需读,不要一次全读:
matplotlib>=3.7
seaborn>=0.13
plotly>=5.18
pandas>=2.0
numpy>=1.24
scipy>=1.10
Pillow>=10.0
SciencePlots>=2.1 # 可选
pypdf>=4.0 # 可选;字体嵌入检查
kaleido>=0.2.1 # 可选;plotly 导出
可选依赖缺失时优雅降级并提示。
design_theory.md §11 反冗余清单)>-
---name: 科研可视化工具description: >----# tools/figure/SKILL.md常见问题
从发布者处下载 tools/figure/SKILL.md,或复制路径后打开仓库。PlugMCP 只收录该技能,不托管文件。
发布者将它存放在 https://github.com/XiaoMaColtAI/math-modeling-skill。
Claude、Cursor、Codex 和 Grok Build 可以读取你从发布者仓库添加的 SKILL.md。在聊天中发送技能的 GitHub 文件夹链接,Grok Bot 就会安装它。