smart-charts

Smart Charts

将数据文件（CSV/Excel/JSON）转化为交互式 ECharts HTML。支持 32 种图表类型、3 套主题预设（default/classic/dark）、多文件合并、LLM 数据转换代码（沙箱执行）。 CLI 全参数、flags 语义、多图/多文件细节、能力边界、错误码表、交付解读完整规范、FAQ 见 REFERENCE.md。

---

Activation Triggers

TRIGGER

• 用户提供 / 指向一个表格数据文件，要求出图、可视化、生成图表
• 用户提到「画图」「出图」「生成图表」「数据可视化」「chart」「visualization」

DO-NOT-TRIGGER（命中任一条请改推其他技能，不要硬接）

• 要的是带结论叙事的报告/周报/复盘/汇报文档 → 用报告类技能（本技能出图 + 可溯源事实 + 候选洞察信号，不写叙事文档）
• 没有数据文件（纯文字描述、口头想法）
• 需要后端的 dashboard、图片/音频/视频等非表格内容
• 地图渲染：内置中国省级（china，含港澳台）与世界国家级（world，英文国名精确匹配）；市级/区县级等更细区域需用户自备 GeoJSON 文件（--geo-path），本技能不代为下载

---

工作流（先画像，后选型）

chart_type 是 CLI 必填参数，而选型的依据（基数、分布、粒度、实体 vs 明细）本来只在选完型之后的 plot_stats 里才有——先决策、后取证会让选型变成瞎猜。所以按用户有没有说清意图分两条路：

A. 用户意图明确（"对比各地区销售额""看月度趋势""占比构成"） → 直接按选型表挑图型 + 轴 + 聚合口径，出图。不要为了走流程去跑 profile。若数据撑不起该意图（要趋势却没有时间列、要占比却全是明细行），如实说明并给出可行替代（例如把"趋势"换成按类别对比），不要硬画。

B. 用户只给了数据，没说想看什么（最高频）→ 两条命令：

1. python {skill_base}/scripts/cli.py <file> --profile（一条命令；只读不渲染不落盘），拿到：每列的 dtype/基数/缺失率/样本/统计、实体粒度（grain）、候选洞察信号（signals）、疑似非数据行（row_quality）。
2. 由你决定出哪 1~3 张图：读 columns 的 dtype/样本/基数自行判断哪列是 ID、哪列是维度、哪列是度量，结合 signals 挑出值得讲的发现，据此定图型 + 轴 + 聚合口径，直接出图（--transform-code 聚合/透视 + --title 结论 + --annotation 解读）。交付时说明"为什么是这几张"。

signals 里最值得优先出图的是 divergent_category（某类别逆势变化）与 trend：它们最容易被整体均值掩盖，也正是"用户自己没想到但一看就懂"的发现。

MUST NOT 把选型责任推回给用户（"你想看趋势、对比还是占比？"）——哪列是 ID、哪列是维度、出什么图，是 agent 从画像客观事实自行判断的活，不是菜单让用户挑。

---

契约（8 条，MUST）

1. 列名解析后会被规范化：转小写、特殊字符→_（如 总学时→总_学时），中文保留；--x-axis/--y-axis/transform 必须引用规范化后的列名
2. transform 沙箱：可用变量仅 df/pd/np（np.select/np.where 可用），支持多语句（; 或换行分隔），必须产出名为 result 的 DataFrame；禁止 import/open/try/类定义（黑名单 + AST 白名单强制校验，违规返回带 suggestion 的错误）
3. pie/bar/treemap/funnel 等按「1 个分类列 + 1 个数值列」读数据（文档里的 name/value 指角色，不是要求列名叫这个——保留原列名可读性好，也不必多写一次 rename）；分类频次图先用 transform 聚合成这两列，再用 --x-axis <分类列> --y-axis <数值列> 指定
4. 成功时 stdout：success/html_path/chart_type/title/source_rows/plotted_rows/unique_entities/data_rows/data_preview（绘图数据前 10 行，口径校对用）/annotation_source/plot_stats（绘图数据完整统计摘要，写解读用；32 类全覆盖）；assumptions（CLI 代做的自动选择）与 advisories（口径提醒）仅在非空时出现——没有该字段表示"本次无自动选择/无提醒"，不是缺失
5. 校对口径直接读 stdout 的 data_preview + data_rows，不要打开 HTML 去搜数据——data_preview 是渲染帧中 x/y 列的前 10 行（与渲染同源同帧，但不含未参与绘图的辅助列）；data_rows 是实际绘图行数。需要核对 transform 产出的辅助列时，用 transform 内 print(df.columns)/print(df.head())（走 stderr、不污染 stdout）或另行 --dry-run
6. 聚合口径对账读 source_rows / plotted_rows / unique_entities：source_rows=transform 前原始行数，plotted_rows=实际绘图行数，unique_entities=去重实体数（有 --label-col 取该列，否则取 x 列）。注意：plotted_rows == source_rows 只说明"没有聚合"，而散点/箱线等以行为单位的图本来就不该聚合——判据要配合图型语义使用，别把它当通用错误信号。真正的机械判据是 advisories 里的「疑似未聚合」：x 轴取值数 < 行数且该图型要求"一个 x 对应一个 y"，此时 plot_stats 的 max/min/mean 是行级而非该维度整体
7. 意图不明确时 MUST 先跑 --profile（python {skill_base}/scripts/cli.py <file> --profile，不需要图表类型）。它返回每列的 dtype/基数/缺失率/样本/统计、grain、signals、row_quality——这些是客观事实，是选型的依据；哪列是 ID、哪列是维度、出什么图，由你从这些事实自行判断，profile 不代笔（不产出 role 归类或图型建议）
8. 交付前 MUST 读 assumptions + advisories：assumptions 是 CLI 替你做的自动选择（x/y 自动取值等），advisories 是"生成成功但你可能想要另一种口径"的提醒（疑似未聚合、饼图类别过多、数值列部分降级…）。两者都要在交付语里呼应——用户不同意的假设，一句话就能重生成

---

黄金示例（模板，复制改列名）

1 分类频次 → pie/bar（最高频场景）：

python {skill_base}/scripts/cli.py data.xlsx bar --title "标题" --output-dir ./out \
  --x-axis name --y-axis value \
  --transform-code "result = df['类别列'].fillna('未标注').value_counts().rename_axis('name').reset_index(name='value')"

（gauge/liquid 想出"达成率"时必须补 --target <目标值>；缺它 plot_stats.achievement 为 null。环境自查用 python {skill_base}/scripts/cli.py --doctor。）

2 多图批量 + 防转义坑（≥2 张图 MUST 批量；transform 含中文/引号时不要直接在 shell 传 --charts，写进 JSON 文件用 --charts-file）：

python {skill_base}/scripts/cli.py data.xlsx --sheet "Sheet1" \
  --charts-file charts.json --output-dir ./out

charts.json 每项：type（必填）+ title/x_axis/y_axis（字符串或数组）/transform_code（单图级）/label_col/color_by/annotation。配置由 agent 自己写——根据 --profile 的客观事实（dtype/基数/样本/signals）决定出什么图、配什么轴。

3 分组聚合 → bar：

python {skill_base}/scripts/cli.py data.xlsx bar --title "标题" --output-dir ./out \
  --x-axis 分组列 --y-axis 数值列 \
  --transform-code "result = df.groupby('分组列')['数值列'].sum().reset_index()"

（reset_index() 后列名仍是「分组列/数值列」，轴直接引用即可；改成 rename_axis('name')+reset_index(name='value') 也可以，但轴要跟着改成 name/value——二者必须一致。）

口径陷阱：聚合前想清楚「按数据行 vs 按去重实体」——统计实体属性（如每门课程的学时结构）先 drop_duplicates；生成后对照 data_preview 检查（若各行 value 之和等于原始行数而非实体数，就是忘了去重）。

---

Hard Constraints (MUST follow)

1. MUST 走 CLI 工作流（data_parser.py → cli.py），不要自写脚本替代。
2. 脏表头 MUST 用 CLI flags（--skiprows N / --header-row N / --drop-rows 0,1 / --sheet，语义见 REFERENCE.md），N 由实际数据决定（先无 flags 跑一次看原始布局），不得拍脑袋固定。注：--skiprows N 与 --header-row N 是同一行为（都是"第 N 行作表头、其上行丢弃"），二选一即可，不要把 N 想成两个不同的决策；推荐统一用 --header-row。
   • 两行表头 + 分值行/子表头行（--header-row N 只能选「哪一行作列名」，无法既保留主表头又合并子表头）走三段式：① 跑 --profile，读 row_quality.suspicious_non_data_rows（或 advisories）定位残留的非数据行位置；② 用 --drop-rows 0,1（位置由 profile 给出，不要拍脑袋）或 --transform-code "result = df.drop(index=[0,1])" 丢行；③ 重跑 --profile 确认干净（rows 变少、row_quality 零命中）再出图。
3. 列重命名/重塑/聚合 MUST 用 --transform-code。解析层只解决"哪行是表头"，其余清洗归 transform。
4. 轴名/系列名要改显示名，MUST 用 --x-name/--y-name/--series-name(s)，不要靠改列名。改列名会同时改轴名和系列名（两者都绑定列名），且原本写死默认文本的图（heatmap「热力图」/gauge「仪表盘」/sankey「桑基图」等）改列名也改不了系列名。显示名才是唯一干净的入口：--x-name 改 x 轴、--y-name 改 y 轴、--series-name（单）或 --series-names（多，按可见系列顺序）改系列名。
5. MUST report unsupported scenarios: CLI 确实不支持的（如嵌套 JSON 超过 1 层），先向用户说明并给建议，不得静默绕过。
6. MUST NOT 在生成代码中硬编码绝对路径；运行时解析路径。
7. 不要主动传 --lang；CLI 自动跟随数据语言。仅当用户明确要求某种语言时才传。
8. MUST 附解读交付：交付图表时必须附由 LLM 写的文字解读，并通过 --annotation 注入 HTML（见下方「交付解读规范」），不得只交付裸图。成功输出里的 annotation_source 会标明解读来源：'user'=你传的，'default'=代码用模板填充的（此时输出还会挂 advisory）——交付前确认它是 user'。
9. MUST 显式传 --output-dir，指向用户可见的目录（如 ./out、桌面目录、当前工作目录下的显式子目录）。默认值 ./smart_charts_output 会随当前工作目录落盘，用户不易发现产物。
10. {skill_base} = 技能根目录（含 SKILL.md）。若当前宿主不替换该占位符，先定位一次再改成绝对路径使用：SKILL_DIR=$(dirname "$(find "$HOME" -maxdepth 6 -type f -path "*smart-charts/scripts/cli.py" | head -1)")/..，后续用 $SKILL_DIR/scripts/cli.py。不要凭印象拼路径。

---

默认策略（不向用户确认）

生成图表是廉价可逆动作（重生成 1-10s，零外部副作用）。图表类型、多文件合并策略、取值口径均由 agent 内部决定，不打断用户——依据是：用户明确意图（A 分支）或 --profile 给出的客观事实（dtype/基数/样本/signals，B 分支）。

事后审阅代替事前确认：交付语中显式列出本次关键假设（如"选了 line，因 month 是时间序列列""多文件按列名完全相同走纵向拼接，已注入 source_file 列""销量按金额口径"）。用户不同意任一假设，可一句话要求换口径/换类型/换合并方式重生成。

唯一必须的用户介入点：见 Exit Criteria 的"仍失败"分支。

---

Exit Criteria（机械可判定）

• ✅ 成功: stdout 为 {"chart": {"success": true, ...}}（多图模式为 {"charts": [...], "summary": ...}），且 html_path 指向的文件存在且非空 → 用同一 stdout 的 data_preview/data_rows/plotted_rows/unique_entities 校对聚合口径（按行 vs 按去重实体），确认无误后附文字解读交付。
• ℹ️ --dry-run 不算交付：html_path 为 null、不落盘，仅用于试错列名或试聚合脚本。写解读不需要先跑它——正式输出已带 plot_stats。
• ❌ 失败: success: false 或 exit code 1 → 读 error.details.suggestion，修正后重试；同一环节最多重试 2 次。
• 🛑 仍失败（唯一必须的用户介入点）: 把 code_name、suggestion、已尝试的修复如实报告用户并给出建议，等待用户决策。不得静默改用自写脚本兜底（违反约束 1/4）。

---

Chart Types 选型表

选型前核对 Required Format；不匹配则用 transform 代码适配。

量纲提示：heatmap / boxplot / radar 等多列图表，若各列量纲差异大（如满分 10 与满分 100 混合），需先用 transform 代码归一化，否则小量纲列会被大量纲列主导。

ID	最适合	触发关键词	y_axis	必需的 DataFrame 格式
line	时间序列趋势	trend, change, over time, 趋势, 变化, 走势	1~N	1 个类别/时间 + 1~N 个数值
bar	类别对比	compare, rank, difference, 对比, 比较, 排名, 差异	1~N	1 个类别 + 1~N 个数值
area	累积变化	cumulative, change, 累计, 变化	1~N	1 个类别/时间 + 1~N 个数值
pie	构成/占比	share, composition, proportion, 占比, 构成, 比例	1	1 个名称 + 1 个数值
scatter	相关性	correlation, relationship, scatter, 相关, 关系, 散点	1	2 个数值，或 1 个类别 + 1 个数值
radar	多维对比	multi-dimension, comprehensive, radar, 多维, 综合, 雷达	N	1 个指标 + N 个数值
heatmap	密度/交叉表	density, cross, matrix, heatmap, 密度, 交叉, 矩阵, 热力	1~N	1 个类别 + 1~N 个数值（每列是一"列"矩阵；交叉表先用 pivot_table 摊成列）
treemap	层级占比	hierarchy, proportion, nested, 层级, 占比, 嵌套	1	1 个名称 + 1 个数值
graph	实体关系	relationship, network, topology, 关系, 网络, 拓扑	special	source + target（+ value）
boxplot	分布/离群值	distribution, outlier, quartile, 分布, 离群, 四分位	N	N 个数值
waterfall	增量变化	increment, change, waterfall, 增量, 变化, 瀑布	1	1 个类别 + 1 个数值（增量）
gauge	KPI 进度	progress, kpi, achievement, 进度, KPI, 达成	1	1 个数值（使用平均值）
sankey	流向转移	flow, transfer, sankey, 流向, 流量, 转移	special	source + target + value
funnel	转化率	conversion, funnel, churn, 转化, 漏斗, 流失	1	1 个名称 + 1 个数值
sunburst	单层占比	proportion, sunburst, 占比, 比例	1	1 个名称 + 1 个数值
wordcloud	词频/关键词	word frequency, keywords, text, 词频, 关键词, 词云	1	1 个名称 + 1 个数值
histogram	分布形态	distribution, histogram, 分布, 直方图	1	1 个数值列（--x-axis 或 --y-axis 均可，数值型 --x-axis 优先）
stacked_bar	类别构成	composition, stacked, 堆叠, 构成	1~N	1 个类别 + 1~N 个数值
bubble	三变量相关性	bubble, 3-variable, 气泡, 三变量	2	2 个数值 + 1 个大小值
pareto	80/20 分析	pareto, 80/20, 帕累托, 二八	1	1 个类别 + 1 个数值
combo	双轴对比	dual-axis, combo, 双轴, 组合	1~N	1 个类别 + 1 个柱形值 + 1~N 个折线值
venn	集合重叠（2~3 个集合）	overlap, intersection, venn, 交集, 重叠, 韦恩	1	1 个名称 + 1 个数值；交集行命名为 A∩B（分隔符：∩ & + × 与）
mindmap	层级化思路	mind map, outline, 思维导图, 脑图, 大纲	1	1 个父项 + 1 个子项（分类列）
orgchart	组织结构	org chart, hierarchy, 组织架构, 汇报关系, 层级	1	1 个父项 + 1 个子项（分类列）
liquid	百分比/进度	liquid, progress, percent, 水波, 进度, 百分比, 完成率	1	1 个数值（使用平均值）
spreadsheet	原始表格/透视表显示	table, detail, spreadsheet, 表格, 明细, 清单	N	任意列（x/y 可选地筛选显示列；聚合用 transform）
map	地理分级统计图	map, region, province, geo, 地图, 地区, 省份, 地域	1	1 个地区名称 + 1 个数值（默认为中国省级；用 --geo/--geo-path 切换到任意区域）
lines	地图上的路线/迁移	route, migration, flow map, 航线, 迁徙, 流向地图	special	source + target（+ value）（默认为省级名称；用 --geo/--geo-path 切换到任意区域）
effect_scatter	动态散点高亮	ripple, highlight, scatter animation, 涟漪散点, 动态散点	1	2 个数值，或 1 个类别 + 1 个数值
calendar	每日热力图（GitHub 风格）	calendar heatmap, daily activity, 日历热力, 每日活跃	1	1 个日期 + 1 个数值
pictorial_bar	象形/图标柱形图	pictorial, icon bar, symbol bar, 象形柱, 图标柱	1~N	1 个类别 + 1~N 个数值
theme_river	主题随时间演变	theme river, event evolution, 主题河流, 事件演化	1~N	1 个日期 + 1~N 个数值

gauge/liquid 要显示“达成率”必须传 --target <目标值>：achievement = mean ÷ target。不传时该字段为 null（自动推断的量程不是业务目标，比值没有业务含义），且输出会附带 advisory。 y_axis cardinality key: 1 = only first column used; 1~N = each column becomes a series; N = multiple columns expected; 2 = exactly 2 numeric columns required; special = 关系图（graph/sankey/lines）由 --x-axis（source）+ --y-axis（target，可选 value）显式指定，不做列名词表自动检测。scatter/bubble/boxplot 的身份列由 --label-col 显式指定，不传则不显示身份（tooltip 只显示坐标值）。

---

Transform Code Contract

契约（由沙箱强制，违反会收到带 suggestion 的错误，按提示修正即可）：

• 可用变量只有 df, pd, np；必须产出名为 result 的 pd.DataFrame
• 不要原地修改 df（用 df.copy() 或链式操作）
• 原始数据已匹配目标格式时，不传 --transform-code

Common transform patterns:

• Long→multi-series: result = df.pivot_table(index='<time>', columns='<category>', values='<value>', aggfunc='sum').reset_index()
• Long→pie (filter): result = df[df['metric']=='revenue'][['category','value']].rename(columns={'category':'name'})
• Wide→long: result = df.melt(id_vars=['date'], var_name='name', value_name='value')
• Aggregate→bar: result = df.groupby('<category>')['<value>'].sum().reset_index()
• Rename columns: result = df.rename(columns={'来源':'source','去向':'target','金额':'value'})
• Compute delta→waterfall: tmp = df.copy(); tmp['delta'] = tmp['profit'].diff().fillna(tmp['profit'].iloc[0]); result = tmp[['month','delta']]
• Rename messy/uninformative column names (after --header-row leaves columns like score_a, unnamed_3): result = df.rename(columns={'unnamed_0':'student_id','unnamed_1':'name','score_a':'homework_score','score_b':'exam_score'})
• Forward-fill merged cells (when only the first row of a group is populated): result = df.ffill()
• Drop non-data rows (位置由 --profile 的 row_quality.suspicious_non_data_rows 给出，不要拍脑袋；等价于出图前用 --drop-rows 落盘，但 transform 里更直观): result = df.drop(index=[0,1])
• Combine sub-headers into a single column name (when --header-row N flattens one row but loses context): result = df.rename(columns={c: f'{c}_score' for c in df.columns if c not in ['student_id','name']})

核对清洗结果的常规动作：transform 里的 print(df.head()) / print(df.columns) 会被重定向到 stderr，不污染 stdout 的 JSON 契约——所以可以直接在 transform 里 print 检查丢行/聚合/重命名后的结果，把它当成清洗后的常规核对手段（不必只在报错时才用）。

---

交付解读规范（Delivery Annotation）

交付每张图表时，必须附一段由 LLM 写的文字解读（不是模板文字），再用 --annotation 注入 HTML（图表下方「图表说明」区块）。

解读要回答的是「这份数据里最值得注意的发现是什么」，不是复述图上有什么。 技能负责算事实，判断哪个发现值得说、并把它说清楚，是 agent 的活——所以解读的结构是「结论 → 证据 → 边界」，不是「图是什么 → 最大值是多少」。

可引用的事实源（三处）：

• profile.signals —— 出图前的候选洞察（趋势方向与涨跌幅、头部集中度、逆势类别、离群值、强相关对）
• plot_stats / data_preview —— 该图实际绘制数据的统计（最终口径以此为准）
• assumptions / advisories —— CLI 替你做的自动选择与口径提醒

标准流程：

1. 意图不明确时先 --profile，从 signals 里挑出要讲的发现，据此定图型与聚合口径（见「工作流」B 分支）。
2. 带 --annotation "解读文字" 正式生成一次。正式输出本身已包含 plot_stats 与 data_preview，无需先跑 --dry-run 取数。
3. 读该次 plot_stats 校对自己要讲的数字；解读写完再回看：若发现需要换口径/换图，才重新生成第二次——重生成是廉价可逆动作（1~10s）。

--dry-run 只在"想先看数、明确不落盘"时才用（如试错列名、试聚合脚本）。把它当成写解读的前置必选步骤会让调用量翻倍且毫无收益。

解读最小结构（2~4 句，结论先行）：

1. 发现：一句话给结论。写「华南 4 月起销售额腰斩，其余三地同期仍增长」，不写「本图展示各地区月度销售额」。
2. 证据：1~2 个具体数值 + 对应标签 + 出处（来自 plot_stats 还是 profile.signals）。
3. 边界：一句话交代口径（聚合方式、覆盖范围、样本量），并呼应 assumptions/advisories 里的假设——用户不同意任一假设，一句话就能重生成。

标题写结论，副标题补口径：--title 用结论式短语（主谓宾+数值，如「营收同比增长 23%」），数字直接取自 plot_stats，不用名词短语（「各月营收」）；时间范围/筛选条件/数据来源等上下文放 --subtitle，不塞进标题。

硬边界：

• 解读的每个数字都必须能在 plot_stats/data_preview/profile.signals 里找到出处——不得凭印象编造；x_cardinality 是去重个数，按 x 列语义表述（x 是「姓名」则说「59 名学生」而非「59 个类别」）。
• 只陈述证据能支撑的事实；"为什么/怎么办"可结合上下文发挥，但必须标注为推测，不能混进事实。
• advisories 出现「疑似未聚合」时，先按提示聚合再写解读——否则你引用的极值/均值是行级值，不是该维度的整体，结论会错（实测：月×地区明细画折线，plot_stats 报的"6月最高 156"其实只是华东一地）。

完整规范与示例见 REFERENCE.md。