⚡

可视化检查Skill visualization-check

可视化检查是一个用于审查数据可视化图表清晰度的技能，通过上下文无关的智能代理作为天真读者，确保图表在无额外上下文中能清晰传达核心信息。适用于R或Python绘图脚本的迭代优化，关键词包括数据可视化、图表审查、可视化最佳实践、R脚本、Python脚本和上下文无关审查。

数据可视化 0 次安装 0 次浏览 更新于 3/12/2026

name: visualization-check description: 用于审查数据可视化或图形的清晰度，检查图形是否能在没有额外上下文的情况下传达其信息，或迭代R/Python绘图脚本，直到天真读者能完全理解图形。

可视化检查

使用上下文无关的子代理作为天真读者的迭代审查循环。子代理仅看到图像——没有研究上下文、没有轴解释、没有预期结论。如果子代理无法理解图形，真实读者也无法理解。

何时使用

  • 生成图形后（R、Python或任何工具）
  • 提交图形用于出版前
  • 当图形感觉不清晰但无法确定原因时
  • 当需要客观的“新鲜眼光”反馈时

工作流程

digraph viz_check {
  rankdir=TB;
  node [shape=box];

  start [label="用户提供图像路径
（可选生成脚本）" shape=doublecircle];
  preprocess [label="下采样为预览
(sips → /tmp)"];
  launch [label="派遣审查子代理
（只读，上下文无关）"];
  feedback [label="子代理返回结构化报告：
理解度 / 问题 / 评级"];
  decide [label="清晰度 >= 4 且
主要信息正确？" shape=diamond];
  analyze [label="将反馈映射到
可操作的脚本更改"];
  fix [label="编辑生成脚本
+ 应用可视化最佳实践"];
  render [label="重新渲染图形"];
  done [label="图形通过天真读者测试
— 完成" shape=doublecircle];

  start -> preprocess;
  preprocess -> launch;
  launch -> feedback;
  feedback -> decide;
  decide -> done [label="是"];
  decide -> analyze [label="否"];
  analyze -> fix;
  fix -> render;
  render -> preprocess [label="下采样新
渲染 + 派遣
新子代理"];
}

步骤0：为子代理预处理图像

高DPI出版图形（300 DPI，2000-4500px宽）会消耗过多上下文标记并可能导致子代理达到上下文限制。 在派遣前始终下采样。

预处理命令

使用 sips（macOS内置）创建预览副本：

sips --resampleWidth 800 "{ORIGINAL_PATH}" --out "/tmp/viz_check_preview.png"

规则

  • 在派遣前始终下采样，无论文件大小。这很便宜且能防止失败。
  • 预览保存到 /tmp/ — 永不修改原始图形。
  • 在子代理提示中使用预览路径 (/tmp/viz_check_preview.png)，而非原始路径。
  • 每次重新渲染后重新预处理 — 原始图形变化，预览必须重新生成。
  • 对于多图形并行模式，使用唯一文件名：/tmp/viz_check_preview_{basename}.png

多图形预处理

并行审查多个图形时，先批量预处理：

for fig in path/to/figures/*.png; do
  basename=$(basename "$fig")
  sips --resampleWidth 800 "$fig" --out "/tmp/viz_check_preview_${basename}"
done

然后为每个子代理派遣对应的 /tmp/viz_check_preview_{basename}.png。

步骤1：派遣天真读者子代理

您必须为每轮审查派遣一个审查子代理。 不要试图自我审查 — 关键是上下文无关的眼光。

子代理配置

设置 值 原因
subagent_type Explore 只读工具（Read、Glob、Grep）。防止意外修改脚本或图形。
max_turns 3 子代理只需读取图像并写入报告。
Resume 永不 每轮使用新的子代理。永不恢复之前的审查者。

子代理提示模板

您是第一次看到这个图形的天真读者。您没有关于研究、数据或目的的任何上下文。读取图像文件，然后生成结构化审查。

## 图像
读取图像文件：{PREVIEW_PATH}

## 结构化审查模板

### A. 理解（您理解的内容）
1. 这个图形展示什么？用您自己的话描述。
2. 轴/标签是什么？总结每个。
3. 主要信息或要点是什么？

### B. 混淆点（不清晰的内容）
列出所有不清晰、模糊或难以阅读的元素。具体说明 — 引用位置（左上角、底部面板等）并引用任何有问题的文本。

### C. 视觉质量检查清单
对每个项目，标记通过 / 失败 / 不适用：
- [ ] 颜色可区分（灰度下也可区分？）
- [ ] 所有文本在此尺寸下可读（标签无重叠？）
- [ ] 参考线 / 阈值已标注
- [ ] 没有不必要的图表装饰（网格线、边框、装饰）
- [ ] 图例（如果有）在没有上下文的情况下自解释
- [ ] 良好的数据墨比率（数据与非数据元素）
- [ ] 缩写已拼写或自明显

### D. 清晰度评级
评分1（无法理解）到5（立即清晰）。用一句话说明理由。

### E. 前3个推荐修复
优先级最高的改进列表。

上下文污染规则

不要在子代理提示中包含：

  • 研究描述或目的
  • 轴代表什么
  • 预期结论或趋势
  • 变量名或领域术语解释
  • 先前迭代的反馈
  • 生成脚本或其路径

甚至说“这是生存曲线”都透露太多信息。让子代理自己理解。

步骤2：分析反馈

将子代理的混淆点映射到具体的脚本更改：

子代理说 可能的修复
“无法读取轴标签” 增加 axis.text 大小，减少刻度密度
“不知道颜色含义” 添加/改进图例，使用更明显的调色板
“太多线条/元素” 简化：减少序列，使用分面而非叠加
“这条虚线是什么？” 直接在图上标注参考线
“无法判断趋势” 增加线宽，减少噪音，添加平滑
“轴令人困惑” 更好的轴标题，考虑对数尺度，添加单位
“太杂乱” 移除网格线，减少图表装饰，增加空白
“颜色看起来相似” 使用色盲安全调色板（viridis、okabe-ito）
“缩写不清晰” 首次使用时拼写，或添加副标题/脚注

步骤3：应用数据可视化最佳实践

修复层次（影响最大优先）

  1. 标签和标题：自解释的轴标签带单位。无缩写。
  2. 参考线：直接在图上标注（不仅在图例中）。
  3. 颜色：色盲安全，灰度下可区分。使用 scale_color_viridis_d() 或 Okabe-Ito。
  4. 简化：移除冗余网格线、边框、背景。theme_minimal() 或 theme_classic()。
  5. 文本大小：所有文本在最终打印尺寸下可读（通常最小8-10点）。
  6. 数据墨比率：最大化数据，最小化装饰。
  7. 直接标注：尽可能直接标注线条/点而非使用图例。

R特定模式

# 出版图形的良好默认
theme_publication <- theme_minimal(base_size = 14) +
  theme(
    axis.title = element_text(size = 14, face = "bold"),
    axis.text = element_text(size = 12),
    legend.position = "bottom",
    panel.grid.minor = element_blank(),
    plot.title = element_text(size = 16, face = "bold")
  )

# 色盲安全调色板
scale_color_viridis_d()           # 顺序
scale_color_brewer(palette = "Set2")  # 分类

步骤4：重新渲染和迭代

  1. 用修复编辑生成脚本（修复源文件，而非PNG）
  2. 重新运行脚本以生成更新的图形
  3. 重新预处理：sips --resampleWidth 800 新渲染到 /tmp/（旧预览已过时）
  4. 派遣新子代理（新上下文，相同模板）指向新预览
  5. 退出条件：子代理评级清晰度 >= 4/5 且正确识别主要信息

典型迭代：2-3轮。

多图形模式

审查多个独立图形时，并行派遣审查子代理 — 每个图形一个。每个子代理仅接触自己的图像（无共享状态）。

digraph multi_fig {
  rankdir=LR;
  node [shape=box];
  dispatch [label="并行派遣N个子代理"];
  fig1 [label="子代理1
审查fig1.png"];
  fig2 [label="子代理2
审查fig2.png"];
  fig3 [label="子代理3
审查fig3.png"];
  collect [label="收集所有报告
并顺序修复"];

  dispatch -> fig1;
  dispatch -> fig2;
  dispatch -> fig3;
  fig1 -> collect;
  fig2 -> collect;
  fig3 -> collect;
}

对于共享视觉一致性要求的图形（相同配色方案、轴样式），在单个审查后进行最终合成步骤以检查跨图形一致性。

常见陷阱

  • 将上下文泄露给子代理：最常失败的模式。在派遣前检查提示。
  • 重用同一子代理：先前的反馈造成污染。始终派遣新的。
  • 过度迭代：如果子代理正确识别主要信息但挑剔美学，即已完成。
  • 忽略生成脚本：修复源文件（R/Python脚本），而非PNG。确保可重复性。
  • 使用通用子代理：使用 Explore（只读）以防止审查者意外修改文件。

快速开始

/visualization-check path/to/figure.png

如果还知道生成脚本：

/visualization-check path/to/figure.png --script path/to/plot_script.R

代理将：

  1. 找到生成脚本（如果未提供，搜索它）
  2. 下采样到 /tmp/ 预览 (sips --resampleWidth 800)
  3. 用预览路径派遣天真读者子代理（只读，上下文无关）
  4. 收集结构化反馈报告
  5. 编辑脚本并重新渲染
  6. 重新预处理 + 派遣新子代理进行重新审查
  7. 重复直到清晰度 >= 4/5