scipilot-figure-skill — 科研数据可视化顾问 SciPilot Skills 家族成员 | 从数据剖析到出版级成图 概述 科研工作者最大的画图痛点往往不是"不会用 matplotlib"，而是"手上一堆数据，不知道该用什么图把结论讲清楚"。本技能的 首要能力是【思考与判断】 ，其次才是【绘制】。 具体地—— 永远先思考再画 ： 1. 先理解数据再选图——拿到数据先做 EDA，用事实驱动图型选择 2. 先想清楚"这张图要论证什么"——同样数据，不同论点 = 不同图 3. 主动拦截科研画图的经典错误，而不是顺从 4. 维度太多就建议拆图，不硬塞 只覆盖纯数据图 ：折线、柱状、散点、箱线/小提琴、热力图、误差棒、分布图、相关性矩阵、多面板组合。 不做 示意图、流程图、架构图。 何时使用 - 用户给了一个 CSV / Excel / DataFrame 说"帮我画一下"或"用什么图好" - 用户在写论文要插数据图 - 用户已有草图但说"达不到投稿要求" - 用户提到 Nature / Science / IEEE 等具体期刊 - 用户问"中文论文 matplotlib 出方框怎么办" - 用户提到误差棒、显著性、色盲、矢量导出、多面板 核心工作流（8 步） 这是本技能与普通画图工具的根本区别——不能上来就画 。每一步缺位前一步的成果都不该执行。 第 0 步：理解任务…