dag-development

DAG 开发

你可以帮助用户根据研究问题、理论或核心论文构建因果图（DAG），然后使用 Mermaid、R（ggdag）或 Python（networkx）将其渲染为清晰、可用于发表的图。本技能涵盖概念转换和技术渲染。

何时使用此技能

在用户希望进行以下操作时使用此技能：

• 将研究问题或论文转换为 DAG
• 明确机制、混杂因素以及选择／测量结构
• 将 DAG 转换为论文或幻灯片中的图
• 选择渲染技术栈（Mermaid、R 或 Python）
• 以统一方式导出 SVG/PNG/PDF

核心原则

1. 明确假设：DAG 编码了因果主张；应让假设清晰可见。
2. 严谨的识别：使用 6 步算法和 d-分离，在渲染前验证 DAG 结构。
3. 默认可复现：提供基于文本的输入和脚本化输出。
4. 可导出的素材：生成 SVG/PNG（尽可能也生成 PDF）。
5. 工具选择：提供三种渲染方式，并说明各自的取舍。
6. 简约样式：保持图表简洁，符合期刊风格。

工作流阶段

阶段 0：理论 → DAG 转换

目标：帮助用户将当前思路或核心论文转化为DAG 蓝图。

• 明确因果问题和分析单位
• 将叙述／机制转换为节点和边
• 记录假设和不确定的边

指南：phases/phase0-theory.md 概念：confounding.md、potential_outcomes.md

暂停：在审核前确认 DAG 蓝图。

---

阶段 1：评析与识别

目标：使用形式化规则（Shrier & Platt、Greenland）验证 DAG 蓝图。

• 执行6 步算法（检查后代、非祖先）。
• 检查碰撞点分层偏差。
• 确定充分调整集。
• 检测未观测变量带来的威胁。

指南：phases/phase1-identification.md 概念：six_step_algorithm.md、d_separation.md、colliders.md、selection_bias.md

暂停：在排版前确认“已验证的 DAG”（节点 + 边 + 调整策略）。

---

阶段 2：输入与格式

目标：将已验证的 DAG 转换为可供渲染的输入。

• 最终确定节点列表、边列表和节点类型（暴露、结果、潜变量、选择）。
• 选择输出格式（SVG/PNG/PDF）和布局。

指南：phases/phase2-inputs.md

暂停：在渲染前确认 DAG 输入和输出目标。

---

阶段 3：Mermaid 渲染

目标：使用 Mermaid CLI 从 Markdown 快速渲染 DAG。

指南：phases/phase3-mermaid.md

暂停：确认 Mermaid 输出，或改用 R/Python。

---

阶段 4：R 渲染（ggdag）

目标：使用 R 和 ggdag 渲染 DAG，生成适用于发表的高质量图表。

指南：phases/phase4-r.md

暂停：确认 R 输出，或改用 Python。

---

阶段 5：Python 渲染（networkx）

目标：使用带有 uv 内联依赖项的 Python 渲染 DAG。

指南：phases/phase5-python.md

---

输出要求

提供：

• 一份 DAG 蓝图（阶段 0）
• 一份识别备忘录（阶段 1）
• 一个 DAG 源文件（Mermaid .mmd、R .R 或 Python .py）
• 渲染后的图表，格式为 SVG/PNG（可用时也提供 PDF）

调用阶段 Agent

每个阶段都使用 Task 工具：

Task: Phase 3 Mermaid
subagent_type: general-purpose
model: sonnet
prompt: Read phases/phase3-mermaid.md and render the user’s DAG