infographics（信息图表生成技能）Skill 怎样快速生成专业信息图表？

信息图表生成技能Skill：一句话生成出版级信息图表，零设计基础也能出稿

• 一句话定义：这是一个用自然语言描述即可生成专业信息图表的 AI 技能，底层由 Nano Banana Pro 负责绘制、Gemini 3 Pro 负责质量打分、Perplexity Sonar 负责事实研究。
• 核心能力：支持 10 种信息图表类型、8 种行业风格、3 套色盲安全调色板，覆盖从统计数据到简历、社交图的主流场景。
• 差异化亮点：内置「生成 → 审查 → 打分 → 决定是否重做」的智能迭代闭环，分数达标即提前停止，避免无意义的重复生成。
• 使用门槛：通过命令行调用，只需一段具体的内容描述加一个输出路径；需要配置 OpenRouter API 密钥。
• 产出形态：版本化图像文件 + 详细审查日志（含质量分数、批评意见、是否提前停止），质量可追溯、可复现。

1. 该技能叫什么？如何一键安装 AI 技能提升开发效率？

基本信息

项目	内容
技能中文名	信息图表生成技能Skill
技能英文名	infographics
技能ID	13091
允许调用的工具	读取、写入、编辑、Bash
核心外部依赖	OpenRouter API 密钥、Nano Banana Pro、Gemini 3 Pro、Perplexity Sonar

它解决什么问题

做信息图表长期存在一个「三难」：懂内容的人不会设计，会设计的人不懂数据，两者都懂的人没时间。传统路径是先整理数据、再打开设计工具、反复调版式配色字号，一张图动辄几小时；而直接让通用绘图模型出图，又常常出现文字错乱、数据编造、版式崩塌。这个技能把「内容理解 → 版式设计 → 质量审查」拆成一条可自动执行的流水线，用一句自然语言描述替代手工排版，同时用质量评分机制兜住下限。

一键安装与生效验证的思路

技能详情中提供了脚本入口与配置方式，但未给出具体的安装命令与包地址，因此以下步骤中的安装动作请以官方说明为准，不要随意复制来源不明的命令。

1. 确认运行前提：准备好可执行 Python 脚本的环境（脚本路径为 skills/infographics/scripts/generate_infographic.py），并确保技能已被放入技能目录、可被读取、写入、编辑与 Bash 调用。

2. 配置 API 密钥：该技能通过 OpenRouter 调用模型，需要设置环境变量：

   export OPENROUTER_API_KEY='您的API密钥'
   

   密钥可从 https://openrouter.ai/keys 获取（以官方说明为准），计费规则同样以 OpenRouter 官方页面为准。

3. 验证是否生效：执行选项列举命令，若能正常打印所有可用参数，说明脚本已被正确加载：

   python skills/infographics/scripts/generate_infographic.py --list-options
   

4. 跑通第一张图：用最小成本试跑一条命令，确认输出目录可写、图像能正常生成：

   python skills/infographics/scripts/generate_infographic.py \
     "定期锻炼的5个好处" \
     -o figures/exercise_benefits.png --type list
   

5. 检查审查日志：生成后查看同名审查日志中的 final_score 与 early_stop 字段，确认质量审查环节确实在运行。

2. 该技能的主要功能和特点

• 10 种信息图表类型预设：统计/数据驱动、时间线、流程/如何操作、比较、列表/信息性、地理、层次/金字塔、解剖/视觉隐喻、简历/专业、社交媒体。每种类型都有对应的关键视觉元素约定，例如统计类强调大数字标注与图表，时间线强调日期标记与连接线。
• 8 种行业风格：corporate（企业）、healthcare（医疗）、technology（科技）、nature（自然）、education（教育）、marketing（营销）、finance（金融）、nonprofit（公益），每种风格绑定一套经过搭配的配色，避免「随手选色」导致的廉价感。
• 色盲安全调色板：提供 wong、ibm、tol 三套无障碍配色方案，其中 wong 是最广泛推荐的色盲友好方案，适合需要对外发布或合规要求较高的场景。
• 分级质量阈值：不同文档类型对应不同及格线——营销 8.5、报告 8.0、演示 7.5、社交 7.0、内部 7.0、草稿 6.5、默认 7.5。重要材料天然被要求更严格，草稿则快速出图。
• 智能迭代闭环：首次生成后由 Gemini 3 Pro 从视觉层次与布局、排版与可读性、数据可视化、颜色与可访问性、整体影响五个维度各打 0-2 分，合计 10 分。达标即停，不达标则依据批评意见改写提示词后重试，最多重试次数可配置（默认 3 次）。
• 研究集成：加上 --research 后，Perplexity Sonar 会自动收集 5-8 个相关事实与统计数据、补充背景、查找具体数字与日期、标注主要来源，并优先采用较新的信息；同时额外产出一份 {name}_research.json 原始研究数据文件。
• 可审计的审查日志：每次生成都会写出 JSON 日志，记录用户提示、图表类型、风格、文档类型、阈值、每轮迭代的分数与批评，以及是否提前停止及原因。
• 相比普通绘图工具强在哪：普通工具给你一支画笔，这个技能给你一位「会自查的设计师」——它知道自己画得好不好，并且会在不合格时自己重画。

3. 如何使用该技能？

步骤一：明确你要表达的内容，写成具体提示

提示词的质量直接决定成图质量。好的提示包含具体条目与数据点：

"冥想的5个好处：减轻压力，提高专注力，改善睡眠，降低血压，情绪平衡"

模糊提示如「冥想信息图表」会导致内容空洞。若涉及数据，把数字写进去，例如「市场增长从100亿美元（2020年）到450亿美元（2025年），复合年增长率35%」。

步骤二：选择图表类型（--type）

按内容结构选型：讲数字用 statistical，讲先后用 timeline，讲步骤用 process，讲取舍用 comparison，讲要点用 list，讲地区用 geographic，讲层级用 hierarchical，讲隐喻用 anatomical，做人设用 resume，做传播用 social。始终显式指定类型，可避免模型「自由发挥」出错误版式。

步骤三：选择风格与调色板

# 企业风格 + 统计类型
python skills/infographics/scripts/generate_infographic.py \
  "Q4结果" -o q4.png --type statistical --style corporate

# 色盲安全配色
python skills/infographics/scripts/generate_infographic.py \
  "按类别分列的调查结果" -o survey.png --type statistical --palette wong

步骤四：设定文档类型与迭代上限

营销物料加 --doc-type marketing（阈值 8.5），内部草稿加 --doc-type draft（阈值 6.5），迭代次数用 --iterations N 控制，默认 3 次。

步骤五：需要准确数据时开启研究

python skills/infographics/scripts/generate_infographic.py \
  "全球AI市场规模和增长预测" \
  -o figures/ai_market.png --type statistical --research

这一步会额外产出 figures/ai_market_research.json，研究内容会自动融入绘图提示。

步骤六：查看输出与审查日志

输出为版本化图像（如 exercise_v1.png）加一份 JSON 审查日志。日志中可直接读到 final_score、early_stop 与 early_stop_reason：

{
  "infographic_type": "list",
  "style": "healthcare",
  "doc_type": "marketing",
  "quality_threshold": 8.5,
  "final_score": 8.7,
  "early_stop": true,
  "early_stop_reason": "质量分数8.7满足阈值8.5"
}

步骤七：按需重生成

若分数偏低，回到提示词环节：减少文字量、补充数据点、显式指定视觉元素（如「时间线显示5个里程碑，每个事件有图标」），再执行一次。

常用参数速查：-o/--output 输出路径（必需）、-t/--type 类型、-s/--style 风格、-p/--palette 调色板、-b/--background 背景色（默认白色）、--doc-type 文档类型、--iterations N 最大迭代、--api-key 密钥、-v/--verbose 详细输出、--list-options 列出全部选项。

4. 同类型竞品对比分析

方案名称	定位	核心功能	安装/使用门槛	适用场景	优势与不足
信息图表生成技能Skill（infographics）	命令行驱动的 AI 信息图表流水线	10 类型、8 风格、3 套色盲调色板、质量打分与智能迭代、研究集成	需 Python 环境与 OpenRouter 密钥；一条命令出图	批量生产、数据型图表、需要质量下限保障的对外物料	优势：闭环质检、可审计、风格统一、无需设计基础；不足：需命令行基础，风格偏模板化，模型调用按官方规则计费
在线设计平台（如 Canva 类工具）	拖拽式可视化设计	海量模板、手工排版、素材库	浏览器打开即用，零代码	个性化强、需要精细人工调整的单张图	优势：上手无门槛、可控性极高；不足：批量效率低、质量取决于使用者设计能力
通用图像生成模型直接出图	文生图通用能力	自由风格图像生成	提示词即用	概念图、氛围图、艺术化表达	优势：风格自由；不足：文字常出错、数据结构不严谨、无质量审查与迭代机制
科研制图/图表库（如脚本绘图工具）	精确可控的图表绘制	精确坐标、严谨图表类型	需编程能力	学术图表、技术流程图、统计图	优势：数据精确、可复现；不足：版式美观度与信息图风格需自行打磨，非技术流程图场景适配一般（技能说明中也建议技术流程图改用 scientific-schematics）

选型建议：追求效率与稳定质量下限、需要批量出图，选本技能；追求单张精雕细琢、强个人风格，选在线设计平台；追求数据绝对精确的学术图表，选脚本绘图库或科学示意图类技能。

5. 该技能的典型应用场景与实际体验情况

场景一：市场与运营人员做产品对比图 痛点是做一版对比图要等设计师排期，改一版再等一轮。使用方式是写好对比维度与结论（如「电动vs燃气汽车：燃料成本、维护、续航里程」），指定 --type comparison --doc-type marketing，阈值自动提到 8.5。实际体验：首次生成就会因营销阈值较高而更严格，若未达标会自动重画；建议把每个维度的「谁更优」写清楚，否则并排布局容易变成两列平铺文字。

场景二：数据分析师做统计型信息图表 痛点是手头有数据但缺少可视化表达，向汇报对象解释成本高。使用方式是加 --research 让 Perplexity Sonar 补齐事实与数字，再用 --type statistical 出图，同时保留 _research.json 作为数据出处。实际体验：研究产出会显著提升内容的可信度，尤其适合市场数据、行业趋势、科学健康类主题；但涉及强监管或内部保密数据时，应跳过研究、直接把数字写进提示词。

场景三：产品与培训团队做流程说明 痛点是操作步骤散落在文档里，用户记不住。使用方式是用 --type process 把步骤编号写清（如播客上线的 5 步），配合 --style technology 或 --education。实际体验：流程类对文字量敏感，步骤名过长容易出现文字挤压，务必精简每一步的措辞，必要时拆成两张图。若文字不可读，官方故障排查建议就是减少文本内容。

场景四：公益组织与个人品牌做传播素材 痛点是预算有限、没有设计资源，但对外发布又需要视觉体面。使用方式是 --type social 出方形传播图，或 --type resume 做技能可视化简历，配色选 --palette wong 保证色盲可读。实际体验：社交类阈值较低（7.0），出图速度快；简历类建议把技能熟练度写成百分比、经历写成时间区间，结构化输入的效果明显更好。

整体上手难度：中等偏低。会用命令行即可，真正的学习成本在于「把需求写成具体提示词」这一环节。注意事项集中在三点：显式指定 --type 以保证一致性；控制单图文字量；对外发布前务必人工过一遍图上的数字与措辞。

6. 该技能能为用户带来的价值

• 把设计环节从「排期」变成「命令」：一张图从构思到出稿压缩到几分钟量级，且无需任何设计软件操作经验，非设计岗位也能独立完成对外物料。
• 用质量阈值替代主观判断：五维评分让「够不够好」变成可比较的数字，营销物料 8.5、草稿 6.5 的分级标准，让团队可以用统一口径验收，减少来回返工。
• 用智能迭代省下无效成本：达标即停的机制意味着好提示词往往一次通过，只在必要时才追加生成，模型调用开销与等待时间都更可控。
• 用研究集成降低事实风险：涉及统计数据时可以自动补齐 5-8 条带来源的事实点，并保留原始研究 JSON，便于复核，减少「图做得漂亮但数字站不住」的尴尬。
• 用可访问性设计扩大受众：色盲安全调色板让成图在更广泛人群中保持可读，对公益、医疗、教育等场景是实打实的合规与伦理收益。
• 长期价值在于资产化：统一的类型、风格与命名规范，配合版本化输出与审查日志，让信息图表从一次性消耗品变成可复用、可追溯的内容资产。

7. 常见问题 FAQ

Q1：这个技能怎么安装？需要准备什么？ A：把技能放入技能目录后，核心是两件事：一是确保 Python 脚本 skills/infographics/scripts/generate_infographic.py 可执行，二是设置 OPENROUTER_API_KEY 环境变量（密钥获取地址以官方说明为准）。安装完成后用 --list-options 验证是否加载成功。具体安装命令与依赖清单请以官方说明为准。

Q2：使用它收费吗？ A：技能本身的能力通过 OpenRouter 调用模型实现，因此会产生模型调用费用，具体价格与计费方式请以 OpenRouter 官方说明为准。由于具备「达标即停」机制，提示词越具体、首次通过率越高，实际消耗越可控。

Q3：它适合谁用？不适合谁？ A：适合需要批量产出信息图表的市场运营、数据分析师、产品与培训团队、公益组织以及做个人品牌的用户。不太适合两类需求：一是需要极致个性化手工排版的单张精修；二是技术流程图、电路图、生物通路图、神经网络架构图这类专业示意图——技能说明中明确建议改用科学示意图类技能。

Q4：生成出来文字看不清、颜色不合适怎么办？ A：文字问题的标准解法是减少文字量并显式指定 --type 锁定版式；颜色与对比度问题使用 --palette wong 启用色盲安全配色；整体分数偏低则把 --iterations 提到 3 并让提示词更具体（补充数据点、指定视觉元素）。

Q5：和在线设计平台、通用绘图模型怎么选？ A：要效率、要批量、要一个稳定的质量下限，选本技能；要单张精修、强人工可控，选在线设计平台；要数据绝对严谨的学术图表，选脚本绘图类工具。三者也可以组合：本技能出草稿与结构，人工或设计工具做最后的品牌微调。