chartm3-synthesis

name	chartm3-synthesis
description	生成图表可视化及其问答对数据，用于训练视觉语言模型的图表理解能力。支持63种图表类型，自动执行 Topic生成→数据生成→可视化生成→质量评估→QA生成 的完整流程。当用户需要生成图表训练数据、合成图表QA数据、或使用 /chartm3 命令时触发。

ChartM3 图表 QA 数据合成

技能描述

ChartM3 是一个图表问答数据合成工具，能够自动生成高质量的图表可视化及其对应的问答对，用于训练视觉语言模型的图表理解能力。

触发方式

1. 自然语言输入（推荐）

用户以自然语言描述需求，系统自动分析入口和生成阶段：

帮我生成一个关于金融领域的K线图
生成一个教育领域的折线图，只需要到数据阶段
用这个数据文件生成一个柱状图

2. 显式命令格式

/chartm3 领域=<领域名> 图表=<图表类型> [生成到=topic|数据|图表|QA]
/chartm3 topic="<主题描述>" [生成到=...]
/chartm3 数据=<数据文件路径> [生成到=...]

入口模式识别

根据用户输入自动识别入口模式：

入口模式	识别条件	起始阶段
领域+图表类型	用户指定了领域和图表类型	Topic生成
Topic描述	用户给出了具体的主题描述	数据生成
数据文件	用户提供了数据文件路径	图表类型推荐 → 可视化生成

生成流程

┌─────────────────────────────────────────────────────────────────┐
│ 入口1: 领域+图表类型                                              │
│   ↓                                                             │
│ [Step 1] Topic 生成 ──→ 生成数据主题和背景故事                    │
│   ↓                                                             │
├─────────────────────────────────────────────────────────────────┤
│ 入口2: Topic描述                                                  │
│   ↓                                                             │
│ [Step 2] 数据生成 ──→ 生成 Python 代码创建 CSV 数据              │
│   ↓         └──→ 执行代码 ──→ 失败则自动纠错（最多5次）          │
│   ↓                                                             │
├─────────────────────────────────────────────────────────────────┤
│ 入口3: 数据文件                                                   │
│   ↓                                                             │
│ [推荐] 图表类型推荐 ──→ 分析数据特征，推荐合适的图表类型          │
│   ↓                                                             │
│ [Step 3] 可视化生成                                              │
│   ├──→ 3.1 可视化方案设计（分析数据 + 设计方案）                 │
│   ├──→ 3.2 可视化代码生成（参考样例 + 生成代码）                 │
│   └──→ 3.3 执行代码 ──→ 失败则自动纠错（最多5次）               │
│   ↓                                                             │
│ [Step 4] 质量评估 ──→ 评估图表质量，低质量则重新生成              │
│   ↓                                                             │
│ [Step 5] QA 生成                                                 │
│   ├──→ visual 任务组（基础识别 + 视觉理解）                      │
│   ├──→ code_driven 任务组（数据检索 + 分析 + 推理）              │
│   └──→ extraction 任务组（数据提取）                            │
└─────────────────────────────────────────────────────────────────┘

参数说明

领域参数

常用领域示例：金融、教育、医疗、体育、科技、环境、交通、零售、制造、能源等

图表类型

支持 63 种图表类型：

• 快速参考: chart_types.md - 类型名称、用途、适用场景
• 完整数据: chart_type.csv - 包含视觉定义、数据特征、extraction 标识等详细字段，prompt 中使用此文件

生成阶段

阶段	说明	输出
topic	仅生成主题	topic.json
数据	生成到数据	topic.json + data.csv + data_gen.py
图表	生成到可视化	+ plot.png + vis_code.py
QA	完整生成（默认）	+ qa.json

执行流程详解

图表类型推荐（入口3专用）

当用户提供数据文件时，需要先分析数据特征推荐合适的图表类型：

输入: 用户提供的数据文件（CSV/Excel） 输出: 推荐的图表类型列表及理由

执行步骤:

1. 读取数据文件，分析数据结构（行数、列数、数据类型）
2. 参考 ./reference/chart_type.csv 中的 数据特征 字段进行匹配
3. 推荐 1-3 种最适合的图表类型，说明选择理由
4. 用户确认后进入 Step 3 可视化生成

Step 1: Topic 生成

输入: 领域 + 图表类型 输出: 数据主题、背景故事、数据维度描述

使用 topic_gen.md 模板生成。

Step 2: 数据生成

输入: Topic 描述 + 图表类型 输出: CSV 数据文件 + 生成代码

使用 data_gen.md 模板生成 Python 代码，执行生成数据。

自动纠错机制:

• 执行代码失败时，使用 code_fix.md 修复
• 最多重试 5 次

Step 3: 可视化生成

输入: CSV 数据 + 图表类型 输出: plot.png 图表图片 + 可视化代码

分两个阶段：

1. 方案设计: 使用 vis_plan.md 分析数据特点，设计可视化方案
2. 代码生成: 使用 vis_code.md 参考样例代码生成可视化代码

样例代码模板: 样例代码存储在 ./reference/templates/ 目录下，每种图表类型对应一个 *_multi*.py 文件（共70个）：

• 基础折线图_multi.py - 折线图样例
• 基础条形图_multi.py - 条形图样例
• 小提琴图_multi1.py - 小提琴图样例
• 蜡烛图_multi1.py - K线图样例
• ...等 63 种图表类型

每个样例文件包含：

• preprocess(data) 函数：数据预处理
• plot(data) 函数：基础绘图
• plot_1 ~ plot_5：不同风格变体

代码执行:

• 自动拼接 imports 和 main 块
• 执行失败时使用 code_fix.md 修复
• 最多重试 5 次

Step 4: 质量评估

输入: 图表图片 输出: 质量评分 + 问题诊断

使用 quality_eval.md 评估图表质量：

• 可读性（文字是否清晰、是否重叠）
• 美观性（配色、布局、对齐）
• 完整性（标题、图例、坐标轴）

低质量图表将标记并可选择重新生成。

Step 5: QA 生成

输入: 图表图片 + 可视化代码 + 数据 输出: 多条问答对

使用 qa_gen.md 生成多种任务类型的问答对：

任务组	任务类型
visual	类型分类、标题识别、轴标签识别、图表元素计数、轴刻度识别、颜色识别、图例识别
code_driven	数据查询、最值查询、条件查询、数学计算、比较、排序、相关性分析、异常检测、趋势分析
extraction	Chart to Data（将图表转换为 markdown 表格）

输出文件结构

output_dir/
└── <图表类型>_<领域>_<序号>/
    ├── topic.json          # 主题信息
    ├── data.csv            # 生成的数据
    ├── data_gen.py         # 数据生成代码
    ├── vis_plan.json       # 可视化方案
    ├── vis_code.py         # 可视化代码
    ├── plot.png            # 图表图片
    ├── quality.json        # 质量评估结果
    └── qa.json             # 问答对

使用示例

示例 1: 自然语言 - 完整生成

用户: 帮我生成一个关于股票市场的K线图和问答数据

分析:
- 入口模式: 领域+图表类型
- 领域: 金融/股票
- 图表类型: 蜡烛图 (K线图)
- 生成阶段: QA（完整生成）

执行: Step 1 → Step 2 → Step 3 → Step 4 → Step 5

示例 2: 显式命令 - 仅生成到数据

用户: /chartm3 领域=教育 图表=折线图 生成到=数据

执行: Step 1 → Step 2
输出: topic.json + data.csv + data_gen.py

示例 3: 从数据文件生成

用户: 用 sales_data.csv 生成一个可视化图表

分析:
- 入口模式: 数据文件
- 数据文件: sales_data.csv
- 图表类型: 自动推荐

执行: 推荐图表类型 → Step 3 → Step 4 → Step 5

示例 4: 指定 Topic

用户: /chartm3 topic="2020-2024年中国新能源汽车销量趋势"

分析:
- 入口模式: Topic描述
- 图表类型: 需要根据 topic 推荐（折线图/面积图）

执行: 推荐图表类型 → Step 2 → Step 3 → Step 4 → Step 5

代码执行环境

• Python 3.8+
• 必需库: pandas, numpy, matplotlib, plotly
• 可选库: seaborn, scipy

注意事项

1. 代码生成规范:

   • 只生成 preprocess() 和 plot() 函数，不包含 import 和 main 块
   • 图表保存路径固定为 plot.png，禁止自定义路径
   • 所有文本使用英文

2. JSON 输出规范:

   • JSON 值中不使用英文双引号，使用单引号或其他方式
   • 确保 JSON 格式合法可解析

3. matplotlib 样式:

   • 使用 seaborn-v0_8-* 系列样式名称
   • 注意中文字体配置

4. 质量控制:

   • 代码执行失败最多重试 5 次
   • 低质量图表标记后可重新生成