图表图片生成器Skill:一条命令把 JSON 数据变成高质量图表图片
- 定位清晰:这是一个运行在命令行里的图表生成技能,输入一段 JSON 数据,输出一张 PNG 或 SVG 图片,不需要打开浏览器,也不需要图形界面。
- 图表类型齐全:折线图、柱状图、面积图、散点图、饼图/环形图、K 线图、热力图,以及多系列折线、堆叠柱状、双 Y 轴、成交量叠加、迷你图等进阶形态。
- 部署极轻:依赖总量约 15MB,采用 Sharp 预编译二进制,无需原生编译、无需 Puppeteer 或 Chrome,冷启动快,单张图表生成耗时通常在 500ms 以内,且完全离线,不依赖任何外部 API。
- 场景化参数丰富:内置涨跌标注、焦点缩放、暗色主题、Y 轴格式化(百分比/美元/简写/四位小数)、副标题、水平参考线、事件标注等,很适合监控告警与报告配图。
- 上手成本低:安装只需一次依赖拉取,之后用
--type、--data、--output三个核心参数即可跑通第一张图。
1. 该技能叫什么?如何一键安装 AI 技能提升开发效率?
基础信息
| 项目 | 内容 |
|---|---|
| 技能中文名 | 图表图片生成器Skill |
| 技能英文名 | chart-gen |
| 技能 ID | 14316 |
| 当前版本 | 2.5.1 |
| 核心能力标识 | chart-generation(提供 lineChart、barChart、areaChart、pieChart、candlestickChart、heatmap 等方法) |
它解决什么问题
很多开发者都遇到过同一个尴尬:本地用图表库画图很顺,一旦搬到 Fly.io、VPS 或 Docker 容器这类没有图形界面的环境,就立刻卡住。常见方案各有各的坑:
- 使用
canvas之类的库,需要安装系统级构建工具链来完成原生编译,镜像越做越大,构建还经常失败; - 使用 Puppeteer 或无头浏览器方案,要下载 Chrome,镜像动辄 400MB 以上,冷启动还要等浏览器拉起;
- 调用 QuickChart.io 这类在线服务,虽然省事,但必须联网,数据要出网,隐私和稳定性都打折扣。
图表图片生成器Skill 的思路正好相反:基于 Vega-Lite 生成图表规格,再用 Sharp 的预编译二进制把图形渲染成 PNG 或 SVG,整个链路是纯 Node.js 实现,没有浏览器、没有原生编译、没有外部请求。
一键安装思路与步骤
-
确认前提:运行环境已具备 Node.js 与 npm;技能目录已在部署环境中就位。
-
执行依赖安装(详情中给出的命令,仅需一次):
cd /data/clawd/skills/chart-image/scripts && npm install -
验证是否生效:直接跑一条最小示例,确认能产出图片文件。
node /data/clawd/skills/chart-image/scripts/chart.mjs \ --type line \ --data '[{"x":"10:00","y":25},{"x":"10:30","y":27},{"x":"11:00","y":31}]' \ --title "Price Over Time" \ --output chart.png若当前目录下出现
chart.png且打开后是一条正常的三点折线,说明安装成功。 -
提升效率的关键:把这条命令封装进脚本、定时任务或工作流中,此后每次只需要替换
--data里的 JSON,就能批量出图,人工绘图环节被彻底省掉。
说明:以上目录路径来自技能详情;实际部署路径、Node 版本要求与依赖源配置请以官方说明为准。
2. 该技能的主要功能和特点
能做什么
- 八大基础图表类型:
--type支持 line(折线,默认)、bar(柱状)、area(面积)、point(散点)、pie(饼图)、donut(环形图)、candlestick(K 线)、heatmap(热力图)。 - 双输出格式:默认输出 PNG,加
--svg即可输出矢量 SVG,方便嵌入网页或二次编辑。 - 多系列对比:
--series-field按字段拆分成多条折线,同一张图上对比不同维度趋势。 - 堆叠柱状图:
--stacked配合--color-field,把总量与构成一次说清。 - 双 Y 轴组合图:
--y2-field、--y2-type、--y2-color、--y2-title支持左轴柱状 + 右轴面积的混合表达,例如收入与流失率同图对比。 - 成交量叠加:
--volume-field在价格折线下叠加成交量柱,自动启用双 Y 轴。 - 迷你图(Sparkline):
--sparkline输出 80×20 的透明背景无坐标轴小图,适合放进表格或文本流中。 - K 线图完整支持:
--open-field、--high-field、--low-field、--close-field对应 OHLC 四价字段。 - 监控告警样式:
--show-change在末点标注涨跌百分比,--focus-change把 Y 轴压缩到数据范围的约 2 倍以放大变化,--focus-recent N只看最近 N 个点,--show-values标注最大最小值。 - 视觉与排版控制:
--dark暗色主题、--color主色、--color-scheme(如 category10、viridis)、--width/--height、--title与--subtitle、--hline水平参考线(支持值、颜色、标签三段式且可重复)、--annotation/--annotations事件标注。 - 数值格式化:
--y-format提供 percent、dollar/usd、compact、integer、decimal2、decimal4、scientific 等快捷格式,也接受 d3-format 字符串(如,.3f)。 - 坐标轴精细控制:
--x-field、--y-field、--x-title、--y-title、--x-type(ordinal/temporal/quantitative)、--y-domain。 - 灵活输入方式:既支持
--data直接传 JSON 数组,也支持通过管道echo '[...]' | node chart.mjs传入。 - 高阶定制:
--spec my-spec.json可直接喂入自定义 Vega-Lite 规格,突破内置参数的限制。
和普通工具比强在哪
- 比浏览器渲染方案轻:约 15MB 依赖对比 400MB+ 的 Puppeteer 方案,镜像体积与部署时间大幅下降。
- 比原生编译方案稳:Sharp 使用预编译二进制,不需要在目标机器上装构建工具,CI 与容器构建失败率更低。
- 比在线图表 API 可控:全程本地渲染,数据不出网,离线可用,不受第三方服务可用性与限流影响。
- 比手写图表代码快:常用图表用参数组合即可完成,不必每次重写图表配置对象。
3. 如何使用该技能?
第 1 步:准备数据
数据统一为 JSON 数组,每个对象是一条数据记录。折线/柱状等默认读取 x 与 y 字段;饼图读取分类字段与数值字段;K 线读取开高低收四个字段。
[{"x":"10:00","y":25},{"x":"10:30","y":27},{"x":"11:00","y":31}]
第 2 步:选择图表类型并生成
# 折线图(默认类型)
node chart.mjs --type line --data '[{"x":"A","y":10},{"x":"B","y":15}]' --output line.png
# 柱状图
node chart.mjs --type bar --data '[{"x":"A","y":10},{"x":"B","y":15}]' --output bar.png
# 饼图(需指定分类字段与数值字段)
node chart.mjs --type pie \
--data '[{"category":"A","value":30},{"category":"B","value":70}]' \
--category-field category --y-field value --output pie.png
# K 线图
node chart.mjs --type candlestick \
--data '[{"x":"Mon","open":100,"high":110,"low":95,"close":105}]' \
--open-field open --high-field high --low-field low --close-field close \
--title "Stock Price" --output candle.png
# 热力图
node chart.mjs --type heatmap \
--data '[{"x":"Mon","y":"Week1","value":5},{"x":"Tue","y":"Week1","value":8}]' \
--color-value-field value --color-scheme viridis \
--title "Activity Heatmap" --output heatmap.png
第 3 步:加上视觉与业务修饰
# 暗色 + 涨跌标注 + 焦点缩放 + 极值标注,典型的告警图组合
node chart.mjs --type line --data '[...]' \
--title "Iran Strike Odds (48h)" \
--show-change --focus-change --show-values --dark \
--output alert.png
# 只保留最近 4 个数据点,突出短周期变化
node chart.mjs --type line --data '[...]' \
--focus-recent 4 --show-change --focus-change --dark \
--output recent.png
# 金额格式化 + 副标题
node chart.mjs --data '[...]' --y-format dollar --title "MOLT Price" \
--subtitle "20,668 MOLT held" --output molt.png
# 时间轴标注事件
node chart.mjs --type line --data '[...]' \
--annotations '[{"x":"14:00","label":"News broke"},{"x":"16:30","label":"Press conf"}]' \
--output annotated.png
第 4 步:输出与交付
- 输出路径由
--output指定,默认chart.png;需要矢量图时加--svg。 - 图片生成后一定要把图片发回用户所在频道,而不是只保存到磁盘再文字描述。详情中给出的做法是:先把图存到持久化目录(如
/data/clawd/tmp/,避免使用可能被清理的/tmp/),再用消息工具的action=send配合filePath参数发送;thread-reply不支持文件附件。 - 建议根据时间自动切换主题:夜间(20:00–07:00)使用
--dark,白天使用默认亮色。
输入输出说明
| 项目 | 说明 |
|---|---|
| 输入 | JSON 数组(--data 或标准输入管道),或自定义 Vega-Lite 规格文件(--spec) |
| 输出 | PNG(默认)或 SVG(--svg)图片文件,路径由 --output 决定 |
| 默认尺寸 | 宽度 600 像素、高度 300 像素;迷你图默认 80×20 且透明背景 |
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 |
|---|---|---|---|---|---|
| chart-gen(图表图片生成器Skill) | 本地命令行图表图片生成 | 8 类基础图表 + 多系列、堆叠、双 Y 轴、K 线、热力图、迷你图、暗色主题、格式化与告警标注 | 一次 npm install,约 15MB 依赖,无原生编译、无浏览器 |
服务器端监控告警、报告配图、Agent 自动出图 | 优势:轻量、离线、冷启动快、参数化调用简单;不足:图表外观以参数可调范围为限,复杂定制需写 Vega-Lite 规格 |
| QuickChart.io(在线图表 API) | 云端图表图片服务 | 提供在线接口,传配置即返回图片 | 无需本地依赖,但需联网与接口调用配额 | 静态站点、无服务端渲染能力的小项目 | 优势:零安装、上手最快;不足:依赖外部服务,数据出网,存在可用性与限流风险 |
| Puppeteer + 无头浏览器(配合 Chart.js/ECharts) | 浏览器内核渲染方案 | 生态成熟、图表样式自由度极高 | 需下载 Chrome,镜像通常数百 MB,冷启动需等待浏览器 | 需要高度定制、需要截图整页或复杂交互渲染的场景 | 优势:表现力最强、可复用前端图表配置;不足:体积大、启动慢、容器内常需额外系统依赖 |
| Python 生态方案(Matplotlib/Plotly) | 数据分析侧绘图库 | 统计分析图表能力强,可导出多种格式 | 需 Python 运行环境与相应库,跨语言调用需额外桥接 | 数据科学分析、离线批量出图 | 优势:统计与科研图能力强;不足:在 Node.js 服务中调用需跨语言,参数化封装成"一键出图"成本更高 |
怎么选:如果团队主栈是 Node.js、部署在容器或无界面服务器、核心诉求是"稳定、轻量、按需出图",图表图片生成器Skill 的契合度最高;如果只是偶尔出图且不在意数据出网,在线 API 更省事;如果对视觉效果有像素级要求,无头浏览器方案仍有不可替代性。
5. 该技能的典型应用场景与实际体验情况
场景一:服务监控与告警快照(运维/SRE)
痛点是告警消息里只有一串数字,值班同学要在脑内"补图"。使用方式:把最近的指标序列拼成 JSON,用 --type line --show-change --focus-change --show-values --dark --focus-recent 4 生成一张聚焦近期变化的告警图,随告警一并推送。实际体验是上手快——一个参数组合就是一条固定"图表模板",复制到脚本里即可复用;效果上,末点涨跌百分比与极值标注能显著缩短判断时间;注意 --focus-change 会压缩 Y 轴范围,用于对外汇报时要说明坐标尺度,避免误读。
场景二:周报与运营报告配图(运营/分析师)
痛点是每次写报告都要在 Excel 里重复劳动。使用方式:把报表数据导出为 JSON,按需生成柱状图、堆叠柱状图(--stacked --color-field)或多系列折线图(--series-field),金额类指标配 --y-format dollar 或 compact,再加 --subtitle 说明统计口径。实际体验是"改一个字段就跑一张图",批量出图非常顺;需要留意的是中文字段名、千分位与单位的一致性,建议统一模板参数后再批量执行。
场景三:行情与量化观察(金融/加密资产玩家)
痛点是常规图表工具难以快速产出 OHLC 形态。使用方式:用 --type candlestick 搭配四个价格字段画 K 线,用 --type line --volume-field volume 做价格 + 成交量双轴叠加,用 --type heatmap 观察时间段活跃度分布。实际体验是命令行参数直观,双 Y 轴与格式化选项覆盖了大部分行情表达需求;注意事项是时间字段较多时建议用 --x-type temporal 让间距反映真实时间间隔,而不是等距排列。
场景四:AI 助手/机器人自动出图(开发者)
痛点是对话式产品里"说得出图,画不出图"。使用方式:在工具调用里拼接 --data 与类型参数,生成到持久化目录后通过 action=send 与 filePath 把图片发回频道。实际体验是纯 Node.js 渲染让整条链路变得可预期,无需为容器预装浏览器;特别提示:一定要真正发送图片,只保存文件再文字描述会丢掉可视化的价值。
6. 该技能能为用户带来的价值
- 效率提升:把"写图表代码—调试样式—导出图片"三步压缩成一条命令,单图生成耗时通常在 500ms 内,批量出图时节省的时间随图表数量线性放大。
- 门槛降低:不需要懂前端图表库、不需要配置无头浏览器、不需要系统构建工具,只要会写 JSON 就能出专业图表;对非前端岗位尤其友好。
- 成本与稳定性收益:依赖体积约 15MB,相比 400MB+ 的浏览器方案,镜像拉取更快、存储占用更小、冷启动等待更短;预编译二进制让构建成功率更高。
- 数据安全与可用性:纯本地离线渲染,数据不出网,不受第三方 API 限流或宕机影响。
- 长期价值:参数化的调用方式天然适合沉淀为团队内部"图表模板库",让告警图、日报图、复盘图风格统一,也让图表生成能力可以被编排进任何自动化流程或 AI 工作流中。
7. 常见问题 FAQ
Q1:这个技能怎么安装?需要哪些前提?
A:前提是环境里具备 Node.js 与 npm,且技能目录已就位。安装只需在 scripts 目录执行一次 npm install(详情中给出的命令为 cd /data/clawd/skills/chart-image/scripts && npm install)。安装后用一条最小的折线图命令验证是否能正常产出 chart.png。具体路径与 Node 版本要求以官方说明为准。
Q2:这个技能收费吗?
A:技能详情中未提及任何收费、授权或订阅信息,实际使用中的依赖与部署成本请以官方说明为准。可以确认的是它不依赖外部付费 API,渲染在本地完成。
Q3:它适合谁用?不会写代码能用吗?
A:主要面向需要在服务器、容器或无界面环境中出图的开发者、运维与数据分析人员,也适合做 AI 助手/机器人的团队。使用方式是命令行加 JSON,不涉及前端开发,但需要基本的命令行操作能力;如果完全不想碰命令行,则更适合使用带图形界面的图表工具。
Q4:它和 QuickChart.io、Puppeteer 方案怎么选?
A:追求零安装、偶尔出图、不介意数据出网,选在线 API;追求极致视觉自由度和整页截图能力,选 Puppeteer 方案;追求轻量、离线、冷启动快、按需批量出图,且主栈是 Node.js,选图表图片生成器Skill。
Q5:中文标题、百分比、大数字显示会不会乱?
A:标题、副标题、坐标轴标题都通过参数直接传入字符串,中文可以正常显示;数值可统一用 --y-format 处理,例如 percent 输出百分比、dollar 输出美元金额、compact 输出 1.2K/3.4M 的简写、decimal4 保留四位小数,也可传 d3-format 字符串自定义格式。若排版需求超出内置参数,还可以用 --spec 直接传入自定义 Vega-Lite 规格。