技能使用指南

data-viz-gen(数据可视化信息图生成器)Skill 是什么?如何一键安装使用?

数据可视化信息图生成器Skill(data-viz-gen)能用一份 JSON 生成自包含 HTML 信息图,支持 KPI 统计卡片、分组柱状图、流程图与混合仪表盘,内置 8 套配色与 24 个图标,零外部依赖、离线可看、可批量生成。本文详解安装步骤、使用方法、竞品对比与典型场景,帮你快速上手。

数据可视化信息图生成器Skilldata-viz-gen
8 个章节 约 16 分钟阅读 AI 智能生成

数据可视化信息图生成器Skill:一份 JSON 数据,一键生成自包含 HTML 信息图

  • 一句话定位:这是一个把结构化数据直接“翻译”成专业信息图的工具型技能,输入 JSON、输出可直接打开的精美 HTML 页面。
  • 四种图形模式:统计卡片(KPI)、分组柱状图对比、流程图、混合仪表盘,覆盖大多数汇报场景。
  • 零依赖、零外链:纯 Python 标准库实现,生成的 HTML 内联全部 CSS 与 SVG,不联网也能正常显示。
  • 开箱即用的设计感:8 套预设配色 + 24 个内置图标 + 响应式布局 + 中文字体栈,省去调样式的时间。
  • 最适合谁:需要反复产出数据报告、周报看板、业务流程说明的产品、运营、数据分析与技术同学。

1. 该技能叫什么?如何下载安装 AI 技能提升开发效率?

基本信息

项目 内容
中文名 数据可视化信息图生成器Skill
英文名 data-viz-gen
技能ID 14281
许可证 MIT
依赖环境 Python 3.7+(仅使用标准库,无需 pip install)

它解决什么问题? 日常工作中,“有数据但没图”的尴尬非常普遍:Excel 图表样式老旧、前端手写 ECharts 又要搭环境、在线信息图工具导出后经常缺字体或缺图标。这个技能把“数据 → 图形 → 可交付文件”压缩成一条命令:你只需要按约定写好 JSON 配置,脚本就会输出一个完全自包含的 HTML 文件,CSS、SVG、图标全部内联,发给任何人双击即可打开,不依赖网络、不依赖字体文件。

一键安装的思路与步骤

  1. 确认安装前提:本地具备 Python 3.7 及以上版本(终端执行 python3 --version 可查看)。因为脚本只用标准库,所以不需要任何第三方包,也不需要联网安装依赖。
  2. 获取技能:在 AI 技能市场 / 技能库中按英文名 data-viz-gen 或技能ID 14281 检索并添加该技能;具体入口位置、账号要求与是否收费,以官方说明为准。
  3. 确认目录结构:技能包内包含核心脚本 scripts/build_infographic.py,你的任务就是准备好一份 JSON 配置文件交给它。
  4. 验证是否生效:用一份最简单的配置做冒烟测试,脚本会在标准输出打印 JSON 状态,看到 "status": "success" 即表示安装成功。
python3 scripts/build_infographic.py config.json

成功返回值示例(节选):

{
  "status": "success",
  "output": "/absolute/path/to/infographic.html",
  "type": "stats",
  "title": "My Infographic",
  "palette": "auto",
  "size_bytes": 8432
}

如果失败,会返回结构化错误信息,例如 "errors": ["Missing required field: data"],按提示补齐字段即可。这种“机器可读”的返回格式,也让它可以被自动化流程直接调用。


2. 该技能的主要功能和特点

核心功能

  • 统计卡片(stats):生成 KPI 大数字卡片,支持数值、图标、趋势百分比与上升/下降箭头(上升为绿色、下降为红色),适合做指标看板首屏。
  • 数据对比(comparison):生成分组柱状图,categories 定义横轴分类,series 支持多系列并列对比,适合季度、年度、渠道之间的数据比较。
  • 流程图(flow):生成带编号、图标和箭头连接的步骤流程,每步包含标题与描述,适合说明业务流程、项目阶段、转化路径。
  • 混合仪表盘(dashboard):把统计卡片、柱状图、环形占比图(breakdown)和流程条组合在一个页面里,适合做产品数据总览。

差异化特点

  • 完全自包含输出:HTML 内联所有样式与图形,没有外链 CDN、没有外部图片、没有字体下载,离线可看、便于归档与邮件分发。
  • 零外部依赖:纯 Python 标准库实现,不需要 pip 安装任何包,对受限的内网环境和 CI 流水线尤其友好。
  • 8 套专业配色:auto、ocean、sunset、forest、berry、vibrant、corporate、pastel、earth,其中 auto 会根据数据自动挑选,避免“自己配色调半天”。
  • 24 个内置 SVG 图标:users、money、target、rocket、shield、trending-up 等常用图标内置齐全,不需要图标字体文件。
  • 中文友好字体栈:内建思源黑体、苹方、微软雅黑等字体回退策略,中文标题不会出现方块或错位。
  • 响应式布局:同一份文件在桌面浏览器和手机上都能正常浏览。
  • 双输入通道:既支持读取配置文件,也支持从标准输入(stdin)读入 JSON,方便嵌入脚本管道与自动化任务。

和普通工具比强在哪? 和 Excel、在线图表工具相比,它的优势不在“手动拖拽”,而在“可编程 + 可批量 + 可复现”:同一套 JSON 模板改数据就能复用,几十份报告可以脚本化生成,样式与配色在团队内保持完全一致。


3. 如何使用该技能?

第 1 步:明确要做的图形类型 从四种类型中选择一种:stats(KPI 卡片)、comparison(柱状对比)、flow(流程)、dashboard(混合仪表盘)。

第 2 步:编写 JSON 配置 通用字段包括:title(标题,可选)、subtitle(副标题,可选)、type(类型,必填)、palette(配色,可选,默认 auto)、data(数据,必填)、output(输出路径,可选,默认 infographic.html)、footer(页脚文字,可选)。

以一份 KPI 统计卡片为例:

{
  "title": "2025 上半年经营概览",
  "subtitle": "数据截至 6 月 30 日",
  "type": "stats",
  "palette": "corporate",
  "output": "report-kpi.html",
  "footer": "数据来源:内部经营看板",
  "data": [
    { "label": "总收入", "value": "¥1.2M", "icon": "money", "trend": "+12.5%", "trend_dir": "up" },
    { "label": "用户数", "value": "45,230", "icon": "users", "trend": "+8.2%", "trend_dir": "up" }
  ]
}

第 3 步:执行生成命令

python3 scripts/build_infographic.py config.json

或者走标准输入通道,适合把上游脚本的输出直接接进来:

cat config.json | python3 scripts/build_infographic.py

第 4 步:读取返回结果并打开文件 脚本会在标准输出打印 JSON,其中 output 字段是生成文件的绝对路径,size_bytes 是文件体积。用浏览器打开该路径即可查看效果。

第 5 步:按需微调

  • 觉得配色不合适?把 palette 从 auto 改成 "ocean"、"sunset"、"forest" 等再跑一次。
  • 想做季度对比,改成 comparison 类型,data 中提供 chart_title、categories 和 series 数组。
  • 想一页看全,改成 dashboard 类型,把 stats、chart、breakdown、flow 组合在一起。

输入输出小贴士 icon 只能取内置 24 个值之一(如 users、money、percent、globe、clock、check、star、target、zap、chart-bar、chart-pie、database、rocket、shield、heart、light、search、mail、settings、flag、trending-up、trending-down 等);trend_dir 只接受 up 或 down,否则箭头方向与配色会不符合预期。


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
data-viz-gen(本技能) 数据驱动的信息图生成器 KPI 卡片、分组柱状图、流程图、混合仪表盘;8 套配色、24 图标、自包含 HTML 需 Python 3.7+,无需安装第三方包;写一份 JSON 即可 周报月报、产品看板、流程说明、KPI 展示 优势:零依赖、离线可用、可脚本化批量生成;不足:图表类型固定为四种,深度定制空间有限
ECharts / Chart.js 等前端图表库 前端可视化开发库 数十种图表类型、交互、动画、数据驱动更新 需要前端工程环境与 JS 编码能力 交互式网页、后台管理系统 优势:灵活性极强、可交互;不足:需要开发资源,纯静态交付与离线归档相对麻烦
Python Matplotlib / Plotly 编程式统计绘图库 折线、散点、热力、3D 等科学图表 需 pip 安装依赖,需写绘图代码 数据分析、科研论文、探索性可视化 优势:图表类型丰富、可精细控制;不足:默认样式偏“学术”,做面向业务的 KPI 卡片和仪表盘要额外调样式
在线信息图/设计工具(如模板类设计平台) 拖拽式设计工具 模板化排版、图形元件、导出图片或 PDF 零代码,浏览器即可 市场宣传图、社交媒体长图 优势:视觉表现力强、上手直观;不足:难以批量与自动化,数据更新需手动重做,团队样式一致性依赖人工

选型建议:需要可复现、可批量、可离线交付的数据图形,优先选本技能;需要强交互或复杂图表类型,选前端图表库;追求宣传级视觉设计,选设计类工具。


5. 该技能的典型应用场景与实际体验情况

场景一:运营同学的周报/月报配图 痛点:每周重复做同样几张数据图,格式还要和上周保持一致,手工调整耗时且容易出错。 用法:把上周的 JSON 配置另存为新文件,只替换数据,跑一条命令生成新版 HTML,直接截图或整页附进周报。 体验:上手难度低,第一次配置大约十分钟,之后每周只需改数字;stats 类型几乎不用调样式就挺像样。注意提前约定好单位与小数位,避免同一份报告里出现“1.2M”和“1200000”两种写法。

场景二:产品经理的季度数据对比与转化路径说明 痛点:季度复盘既要展示同比环比,又要说清用户路径,通常得在 PPT 里拼图。 用法:先用 comparison 类型做季度营收/用户数对比柱状图,再用 flow 类型画“注册→激活→留存”的路径图,两份 HTML 分别截取后放进同一页。 体验:分组柱状图的多系列对比直观,流程图的编号与箭头让路径一目了然。注意 series 中各组 values 的长度需与 categories 一致,否则对比会错位。

场景三:小团队的产品数据总览页 痛点:没有专职前端,做交互式看板成本高,但又想让团队每天看到核心指标。 用法:使用 dashboard 类型,把 DAU、转化率放进 stats,月度趋势放进 chart,渠道占比放进 breakdown,关键路径放进 flow,每天由脚本重跑一次生成新文件。 体验:四种模块混排的信息密度刚好,不会被图表淹没;由于输出完全自包含,可以直接丢进共享盘或作为邮件附件分发,接收方无需联网。注意事项是环形图 breakdown 的数值建议用百分比口径,各项之和为 100 时展示最自然。

场景四:技术团队的方案与流程说明 痛点:架构评审、上线流程、故障处理步骤用文字描述冗长,用绘图软件画完又难维护。 用法:用 flow 类型把步骤写成 JSON 放进代码仓库,流程变更时改 JSON 重新生成,版本可追溯。 体验:把“文档即代码”的思路用在流程图上很顺手,配合 light、settings、rocket 这类图标,专业感明显提升。建议把 output 路径写进构建脚本,随文档一起产出。


6. 该技能能为用户带来的价值

  • 把“做图”从小时级压到分钟级:过去一份包含 KPI 卡片、对比图和流程的信息图,在 PPT 或设计工具里通常要半小时到一小时;现在只需写一份 JSON 并执行一条命令,重复场景(如周报)第二次起可能只需一两分钟。
  • 降低工具门槛:不需要前端框架、不需要图表库 API、不需要设计软件技巧,会写 JSON 就能产出视觉统一的信息图。
  • 消除环境风险:纯标准库、零外部依赖,内网机器、CI 环境、临时容器里都能跑;输出自包含,收件人不用装字体、不用联网,避免了“我这边好好的,你那边图裂了”的沟通成本。
  • 沉淀可复用的数据资产:JSON 配置本身就是可版本管理的“图表源文件”,配合 Git 可以追踪每次数据口径与文案的变更,团队内部样式天然一致。
  • 长期价值:当图表生成变成流水线中的一环,报告生产就从“手工劳动”转为“可自动化工程”,为后续接入更多数据源、定时任务和批量生成打下基础。

7. 常见问题 FAQ

Q1:这个技能怎么安装?需要装一堆 Python 包吗? A:不需要。脚本只使用 Python 标准库,前提是本地有 Python 3.7 及以上版本。获取方式是在技能市场/技能库中搜索英文名 data-viz-gen 或技能ID 14281 添加,具体入口与账号要求以官方说明为准。安装后用 python3 scripts/build_infographic.py config.json 跑一份最小配置,返回 "status": "success" 就说明可用了。

Q2:生成的 HTML 需要联网才能看吗?发给别人会不会缺图? A:不会。输出文件是完全自包含的,CSS 与 SVG 全部内联,不引用任何 CDN、外链图片或字体文件,离线双击即可打开。这也是它在内网、邮件分发、长期归档等场景下的最大优势。

Q3:收费吗?可以商用吗? A:技能详情标注的许可证为 MIT,属于宽松开源许可。至于获取渠道本身是否收费、是否有额外的服务条款,以官方说明为准,建议使用前确认所在平台的授权与合规要求。

Q4:适合谁用?我是纯业务岗、不会写代码能用吗? A:适合产品、运营、数据分析、技术文档撰写者,以及任何需要频繁产出数据图表的人。它不要求你会写代码,但需要你能照着模板改 JSON——本质是“填空”,把数字、标题、图标名换掉即可。如果完全不熟悉 JSON,建议先从一个 stats 示例开始,改几个字段跑一遍就理解了。

Q5:和 ECharts、Excel、在线设计工具相比,我该怎么选? A:要可交互的网页图表选前端图表库;要临时快速出一张图选 Excel 或在线设计工具;要可批量、可复现、可离线交付且样式统一的信息图,选本技能。它的边界也很清楚:图表类型固定为 stats、comparison、flow、dashboard 四种,超出的图形需求应交给更专业的可视化库。