docs: audit reports + feature docs + skills + admin-v2 + config sync
Some checks failed
CI / Lint & TypeCheck (push) Has been cancelled
CI / Unit Tests (push) Has been cancelled
CI / Build Frontend (push) Has been cancelled
CI / Rust Check (push) Has been cancelled
CI / Security Scan (push) Has been cancelled
CI / E2E Tests (push) Has been cancelled

Update audit tracker, roadmap, architecture docs,
add admin-v2 Roles page + Billing tests,
sync CLAUDE.md, Cargo.toml, docker-compose.yml,
add deep-research / frontend-design / chart-visualization skills

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
This commit is contained in:
iven
2026-04-02 19:25:00 +08:00
parent 28299807b6
commit 8898bb399e
48 changed files with 7388 additions and 173 deletions

View File

@@ -0,0 +1,130 @@
---
name: chart-visualization
description: 智能图表可视化 — 从26种图表类型中选择最合适的方案将数据转化为专业图表。支持时间序列、对比分析、占比分析、关系流向、地图等多种场景。
triggers:
- "画图表"
- "可视化"
- "生成图表"
- "数据图表"
- "折线图"
- "柱状图"
- "饼图"
- "散点图"
- "趋势图"
- "数据展示"
tools:
- bash
- read
- write
---
# 图表可视化技能
智能选择最合适的图表类型26种可选将数据转化为专业图表。
## 图表类型选择指南
### 时间序列
- `line_chart` — 趋势展示
- `area_chart` — 累计趋势
- `dual_axes_chart` — 双Y轴对比
### 对比分析
- `bar_chart` — 分类横向对比
- `column_chart` — 分类纵向对比
- `histogram_chart` — 频率分布
### 占比分析
- `pie_chart` — 各部分占比
- `treemap_chart` — 层级占比
### 关系与流向
- `scatter_chart` — 相关性分析
- `sankey_chart` — 流向展示
- `venn_chart` — 重叠关系
### 专业图表
- `radar_chart` — 多维对比
- `funnel_chart` — 转化漏斗
- `liquid_chart` — 进度/百分比
- `word_cloud_chart` — 词频展示
- `boxplot_chart` — 统计分布
- `heatmap_chart` — 热力矩阵
## 工作流
### 1. 分析数据特征
识别用户数据的特征,匹配最佳图表类型:
- 有时间维度?→ 时间序列类
- 需要比较分类?→ 对比分析类
- 展示整体中的部分?→ 占比分析类
- 展示关联或流向?→ 关系与流向类
- 多维评估?→ 雷达图
- 转化过程?→ 漏斗图
### 2. 提取数据参数
从用户描述中提取:
- **数据源**: CSV/JSON/Markdown 表格/纯文本数据
- **X轴维度**: 分类或时间字段
- **Y轴指标**: 数值字段
- **分组**: 是否需要多系列
- **标题**: 图表标题
- **标注**: 是否需要数据标注
### 3. 生成图表
使用 Pythonmatplotlib/plotly或 Node.js 生成图表:
```python
# Python 示例 (matplotlib)
import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.sans-serif'] = ['SimHei'] # 中文字体
matplotlib.rcParams['axes.unicode_minus'] = False
fig, ax = plt.subplots(figsize=(10, 6))
# ... 绑定数据和图表类型
plt.savefig(output_path, dpi=150, bbox_inches='tight')
```
### 4. 输出规范
- 格式: PNG (默认) / SVG (矢量图)
- 分辨率: 150 DPI (标准) / 300 DPI (印刷)
- 尺寸: 10x6 (标准) / 16x9 (演示)
- 中文字体: 自动配置 SimHei / PingFang SC
## 样式指南
### 配色方案
- **商务**: 蓝色系 (#1890ff, #2fc25b, #facc14)
- **清新**: 绿色系 (#52c41a, #73d13d, #95de64)
- **科技**: 深色背景 + 霓虹色
- **学术**: 灰度 + 单色强调
### 图表元素
- 标题: 简洁明了,描述数据含义
- 轴标签: 包含单位
- 图例: 仅在多系列时显示
- 数据标注: 关键数据点标注具体数值
- 网格: 轻量网格辅助阅读
## 常见场景
| 场景 | 推荐图表 | 说明 |
|------|---------|------|
| 月度销售趋势 | 折线图 | X轴月份Y轴销售额 |
| 产品销量对比 | 柱状图 | X轴产品名Y轴销量 |
| 市场份额分布 | 饼图 | 各品牌占比 |
| 用户画像多维对比 | 雷达图 | 多维评分对比 |
| 转化率分析 | 漏斗图 | 各步骤转化率 |
| 相关性分析 | 散点图 | 两个变量的关系 |
## 输出
1. 图表图片文件PNG/SVG
2. 图表数据摘要Markdown表格
3. 关键发现2-3句话描述数据洞察