fin-viz-launch

fin-viz-launch

将用户的研究描述转换为高质量学术图表，自动推荐最佳图表类型并生成matplotlib/seaborn代码，输出≥300 DPI的PDF/SVG/PNG。

触发条件

• 关键词: 画图 可视化 figure chart plot 图表 图表生成 生成图表 生成图片
• Skill语法: Skill: fin-viz-launch
• 前置条件: 有可用数据 (DataFrame) 或数据路径

三种工作模式

模式一：快速模式 (Quick Mode)

通过关键词匹配，无须LLM直接调用预设模板：

from scripts.research_framework import FinancialChartFactory, ChartConfig

factory = FinancialChartFactory(output_dir="figures/")

# 关键词 → 预设映射
# "平行趋势" → parallel_trends
# "安慰剂" → placebo_distribution
# "相关性" → correlation_heatmap

# 直接使用预设
fig = factory.plot("parallel_trends", df,
    time_var="year",
    treat_var="treat",
    y_var="innovation",
    save_path="figures/parallel_trends.pdf",
    dpi=300,
)

模式二：LLM模式 (CoDA-Style Pipeline)

描述 → 选择图表类型 → 生成代码 → 执行 → 迭代：

from scripts.research_framework import ChartLLMGenerator

generator = ChartLLMGenerator(
    model="deepseek",
    output_dir="figures/",
)

# 用户描述
user_description = "显示处理组和对照组在政策前后的创新投入趋势，标注置信区间"

# LLM选择图表类型并生成代码
result = generator.generate(
    description=user_description,
    data=df,
    context={"methodology": "DID", "journal": "经济研究"},
)

# result = {
#     "chart_type": "parallel_trends",
#     "code": "...",
#     "reasoning": "选择了带置信区间的平行趋势图...",
# }

# 执行代码
fig = generator.execute(result["code"])

模式三：交互模式 (Interactive Mode)

用户确认后再生成：

用户: 画一个展示DID回归结果的图

AI推荐: 系数森林图 (forest plot) 适合展示DID系数和置信区间

请确认:
1. 接受推荐 → 生成森林图
2. 换成其他类型 → 选择: 条形图/时序图/热力图
3. 自定义参数 → 指定: 颜色/标签/标题

> 1

[生成森林图...]

20种预设图表模板

实证研究图表

图表类型	关键词	用途
parallel_trends	平行趋势, pre-trend	DID平行趋势检验
placebo_distribution	安慰剂, placebo	安慰剂检验分布
robustness_summary	稳健性, robustness	稳健性系数森林图
psm_distribution	PSM, 倾向得分	倾向得分分布
did_coef_timeline	DID系数, 时序	DID系数时间变化
cumulative_effect	累积, CAR	累积处理效应
event_study	事件研究, 窗口	事件窗口期收益

描述性图表

图表类型	关键词	用途
correlation_heatmap	相关性, 相关矩阵	变量相关热力图
descriptive_bar	描述性, 对比	分组对比柱状图
heterogeneity_bar	异质性, 分组	异质性分析柱状图
marginal_effects	边际效应	边际效应图
ridgeline	分布, 时序	Ridgeline时序分布
waffle	构成, 比例	Waffle构成图