核心用法
本技能提供系统化的数据可视化方法论，通过 inference.sh CLI 工具直接生成专业图表。主要功能包括：
1. 图表选型决策表 — 针对不同数据关系（时间变化、类别比较、分布、相关性等）提供明确的图表推荐与避坑指南，特别强调「几乎永远不要用饼图」的原则
2. 设计规范体系 — 涵盖坐标轴规则（条形图Y轴必须从0开始）、色彩理论（最多5-7色、色盲友好方案）、文字标注（标题应陈述洞察而非描述数据类型）三大维度
3. 即用的代码模板 — 提供完整的 Bash 命令，可直接生成折线图、水平条形图、KPI卡片、热力图、深色模式图表等常见场景
4. 数据叙事框架 — 提出「背景-张力-解决」的三段式叙事弧，强调标题即洞察（"SEO drives the most traffic" 而非 "Traffic by Source"）
显著优点
- 权威性：内容基于 Edward Tufte、Cole Nussbaumer Knaflic 等数据可视化经典理论，规则表述清晰可执行
- 实用性：所有示例均为可直接运行的 inference.sh 命令，零配置即可产出 publication-ready 图表
- 完整性：从选型、配色、标注到叙事形成闭环，覆盖数据分析师日常工作的主要场景
- 现代感：包含深色模式、响应式 KPI 卡片等当前主流 UI 趋势
潜在局限
- 工具依赖：强绑定 inference.sh 平台，未提供原生 Python/JS 的独立运行方案
- 交互局限：生成的是静态图片，缺乏 Plotly、D3.js 等工具的交互式探索能力
- 复杂图表：对桑基图、网络图、地理热力图等高级图表的覆盖较浅
- 设计主观性：部分规则（如"永远不要3D"）在特定商业场景下可能存在例外
适合人群
- 产品经理、运营人员：快速制作周报/月报图表
- 数据分析师：规范化团队的可视输出标准
- 创业者：制作投资人材料中的数据页
- 技术写作者：为博客文章生成配图
常规风险
- 数据泄露：通过 CLI 提交数据至第三方服务，敏感业务数据需谨慎评估
- 过度简化：严格遵循"最多5-7色"等规则可能限制某些科学可视化需求
- 版本漂移：inference.sh CLI 接口变更可能导致示例命令失效