核心用法
Data Visualization 是一套系统性的数据可视化方法论，通过 inference.sh 云端执行环境快速生成专业级图表。核心工作流为：安装 CLI 工具 → 选择合适图表类型 → 调用 Python 或 HTML 渲染引擎 → 导出高清 PNG。支持折线图、柱状图、热力图、KPI 卡片等常见商业图表，内置可直接运行的代码模板。
图表选型决策树
- 时间趋势 → 折线图（可截断Y轴突出变化）
- 类别对比 → 横向柱状图（自动按数值排序）
- 占比构成 → 堆叠柱状图或树形图（强烈反对饼图）
- 分布特征 → 直方图/箱线图
- 相关性 → 散点图
- 地理数据 → 等值区域图
- 单一指标 → KPI 数字卡片（避免过度图表化）
设计规范亮点
| 维度 | 规则 |
|------|------|
| 配色 | 单图≤5-7色，优先顺序色（sequential）、离散色（diverging）或分类色（categorical），强制提供色盲友好方案 |
| 文本 | 标题必须陈述洞察而非描述数据类型，如"SEO 贡献 70% 流量增长"而非"流量来源分布" |
| 标注 | 直接在数据点标注关键数值，减少读者认知负担 |
| 叙事 | 遵循"背景→张力→结论"三段式结构 |
显著优点
1. 即开即用：提供完整可执行的 Bash/Python 代码片段，复制即可生成 publication-ready 图表
2. 反模式清单：明确列出饼图、3D 图表、双Y轴等常见误区及替代方案
3. 多场景覆盖：从深色模式到响应式 KPI 卡片，适配演示文稿、仪表盘、报告等多种载体
4. 云原生执行：无需本地配置 Python 环境，通过 inference.sh 在隔离容器中运行
潜在局限
- 依赖 inference.sh 第三方服务，需注册登录且存在网络延迟
- 复杂交互式可视化（如 D3.js 动态图表）不在范围内
- 未涉及大数据量级（百万级+）的性能优化策略
- 地图可视化仅提及等值区域图，未覆盖自定义底图或坐标投影
适合人群
- 产品经理/运营：快速生成周会/月报图表
- 数据分析师：需要遵循一致设计规范的团队协作
- 创业者：制作融资路演材料中的数据页
- 对可视化有基础认知、追求效率优先的商务用户
常规风险
- 数据安全：代码通过云端执行，敏感数据可能离开本地环境
- 渲染一致性：不同 DPI 设置可能导致字体换行异常
- 依赖可用性：inference.sh 服务中断将影响全部功能
- 过度简化风险：严格的"禁用饼图"等规则在特定场景（如展示少量占比、面向大众媒体）可能需要灵活处理