核心用法
该技能用于创建或优化面向Nature系列高影响力期刊的科研配图。用户可直接粘贴数据文件（CSV/Excel/JSON）触发自动绘图，或手动描述数据需求获取定制化代码。支持Python（matplotlib/seaborn）和R（ggplot2）双平台输出，涵盖折线图、柱状图、散点图、热图、箱线图等常见类型，并可构建多面板（multi-panel）布局。
显著优点
1. 权威标准内置：严格遵循Nature官方视觉规范，包括Arial字体、7pt最小字号、色盲友好配色（Colorblind-safe）、可编辑PDF输出等，减少投稿返修风险。
2. 自动化流程：提供一键式脚本auto_figure.py，自动识别数据类型、选择图表样式、应用Nature风格，大幅降低技术门槛。
3. 输出完整交付物：不仅提供代码，还生成Figure Legend文本、提交前检查清单，覆盖投稿全流程。
4. 无障碍设计：强制要求配色区分不依赖颜色（如形状/填充组合），确保色盲读者可解读。
潜在缺点与局限
1. 依赖本地环境：需用户预先配置Python/R及依赖库（matplotlib、ggplot2等），无云端渲染选项。
2. 示意图支持有限：明确建议机制图/示意图使用BioRender或Inkscape，本技能不直接生成。
3. 数据格式敏感：自动脚本依赖规范的数据结构，复杂清洗需求需前置处理。
4. 期刊特异性：针对Nature系列优化，迁移至Cell、Science等其他期刊时需手动调整细节。
适合人群
- 准备向Nature系列期刊投稿的科研人员
- 需要快速统一实验室配图风格的研究生/博士后
- 缺乏设计经验但希望输出专业级图表的数据科学家
常规风险
- 字体嵌入问题：若系统缺少Arial字体，可能回退至非标准字体，需手动校验。
- 分辨率误设：未按300 DPI（线图600 DPI）保存可能导致印刷模糊。
- 统计标注遗漏：技能提供规范但未强制校验，用户需自行确认p值、n值标注准确。
- 版权问题：Nature配色方案虽公开使用，但最终图表的原始数据版权仍归用户负责。