Science Figures 学术图表生成器
将以下提示词粘贴到你的 AI 对话框中：
请根据 https://skillhub.cn/install/skillhub.md，安装 @user_40f1996d/science-figures。
技能介绍
问题
科研绘图常卡在数据到成图之间：JSON 或 CSV 已有，但要调整 matplotlib 字体、误差线、显著性标记、期刊字体与矢量输出，仍容易不一致。science-figures 把这类重复劳动压缩成一条命令。
工作流与核心能力
它基于 scienceplots 和 matplotlib 本地运行，输入 JSON/CSV，输出 PNG、SVG 或 PDF。常用步骤是选择 --type、指定 --data、设置 --style，再按需调整 --cmap、--vmin、--vmax、--kde、--layout 等参数。它支持 17 类图形，如 bar、heatmap、scatter、histogram、radar、surface、contour、subplots；也内置 8 种期刊风格，如 nature、ieee、springer、lancet、acs、aps。元分析可用 forest，矩阵可用带注释 heatmap，分布比较可用 histogram 与 density。
适用边界
它面向结构化数据到静态学术图，不负责实验设计、统计检验或交互式仪表盘。中文图依赖可用字体，必要时用 --cjk-font 指定；SciencePlots 建议配合 LaTeX，缺失时会回落到等效样式。
使用场景
- 写论文时已有 CSV 实验结果，需要把多组均值和误差线画成符合 Nature 风格的柱状图。
- 投稿前需要把同一批实验数据分别导出为 SVG 和 PDF，便于论文矢量图与汇报插图使用。
- 做元分析时根据 JSON 中的效应量和置信区间生成 forest 图，用于展示各组干预效果差异。
- 比较多变量指标时，从 JSON 数据生成 radar 图或 subplots 组合图，放入报告附录。
适合人员
- 准备 SCI 论文插图的研究生：需要把 JSON/CSV 实验数据快速画成 Nature 或 IEEE 风格的柱状图、热力图。
- 写技术报告的算法工程师：需要从指标 CSV 生成符合期刊样式的折线图、子图组合或 3D 曲面图。
- 做统计汇总的研究助理：需要用箱线图、小提琴图、直方图和密度图比较多组分布差异。
- 开展元分析的博士研究者：需要把效应量和置信区间 JSON 转成森林图，并导出矢量图。
相关技能
基于五步框架搜索近期数据，快速分析公司需求、商业模式、护城河、生命周期与外部环境，并生成 HTML 可视化报告。
结合 DCF 估值、Livermore 趋势规则与市场情绪指标，生成 A 股/港股买入信号和完整分析报告。
面向工程师的统计分析技能，覆盖假设检验、回归、相关、贝叶斯分析、假设检查、效应量与 APA 报告。
基于 ARI 评论样本分析 Amazon 用户痛点、VOC 报告、差评预警与竞品对比，辅助需求洞察和经营决策。