ModelViz 科研绘图

要解决的问题

写论文或竞赛报告时，常见痛点不是“画一张图”，而是把自然语言需求、真实数据、固定模板和可复现代码串起来。ModelViz Skill（规范名 @user_147de1c0/modelviz-skill）面向 csv / xlsx / xls 数据文件，从本地模板库中选择已有模板，保留其布局、配色和图例风格，再把模板示例数据替换为真实列名与数据，最终输出 outputs/ 下的图表文件、适配脚本和质检报告。

核心工作流

• 需求解析：抽取目标、图表类型、风格词、负面要求（如“不要雷达图”）和歧义点；若请求过模糊或列含义不明确，会先提出澄清问题。
• 模板召回与选择：模板库当前覆盖 12 类、共 89 个模板；先做确定性候选召回，再从 5-10 个候选中结合数据事实选择最终模板，不会直接把排名第一当答案。
• 数据适配与依赖处理：程序负责文件读取、prepare_dataset_context 抽样事实、依赖检查与安装；模型负责列映射和模板代码改写，避免引入不存在的列。
• 执行与质检：通过 subprocess 运行 adapted_plot.py，检查输出位置、PNG 可读性、像素方差、运行错误、字体/图例/布局警告，再进行视觉比对，必要时做有限次局部修复。

适用边界

适合“数据已给好，需要论文级图表”的场景。不适合纯数学概念解释、修改用户数据、运行任意非绘图代码，或在无合适模板时强行生成不支持的图表类型。中间 JSON 和最终图片分开输出，便于工程师审计流程或复现代码。