light-figure

name	light-figure
description	Light 科研主线第 9 步·图表：图服务论点（每图支撑哪条 claim、删了缺什么）+ 出版级规格（栏宽/字号/色盲安全/ 误差棒+n+显著性）+ 视觉诚实（不偷偷截 y 轴/不双 y 轴伪相关/不 jet-rainbow）+ 渲染后多模态「真看一眼」+ 论文数据图程序化生成绝不 AI 生图。何时用：结果分析做完要画论文图表 / 规划一组图（图清单+预算+反冗余）/ 选图型 / 出版级出图（栏宽/字号/dpi/色盲色板）/ 担心「图误导 或 把不显著当主图」/ 渲染后想检查标签重叠图例压数据 / 做框架图/示意图（程序化非 AI 生图）。 触发词：画图 / 图表 / figure / 配图 / 出图 / 论文图 / 主图 / 图注 caption / 误差棒 error bar / 色盲 colorblind / viridis / 截断 y 轴 / 双 y 轴 / 热力图 / 框架图 / 组图 panel / display item / 栏宽 column width / 出版级 publication / 图型推荐 / 渲染回看 / plot / chart / matplotlib / seaborn。 核心纪律：**视觉不诚实(截 y 轴/双 y 轴伪相关) = critical 门**（spec §4.2，STAGE_GATES[9]=[visual_honesty]）； 误差棒缺失 / jet-rainbow / 集合超预算 / 反冗余 = warn；**把不显著结果当主图/图文不一致 = critical → 9→7 回炉发起**； **论文数据图必须程序化生成（matplotlib/seaborn/R），绝不 AI 生图**（永久底线）；静态 lint 只抓形态可疑，真误导终判需图注+人/审稿人。 本技能是 **9→7（把不显著当主图/图文不一致→result-analysis）回炉发起方**。
metadata	{"version":"2.2.0-round3","truth_source":"../../docs/competitors/figure.md","engine":"scripts/visual_honesty_gate.py（视觉诚实/把不显著当主图 critical 门 producer，六 gate→light.findings.v1，消费 evidence_strength.json + 编排 figure_integrity_lint/audit_figure_set）· figure_contract.py（figure delivery/result card provenance/paper-claim-context/caption/build hashes 契约；经验图必须绑 result-analysis result card 与 paper-writing claim plan；guardrail WARN 的 claim_impact 必须进入 caption；最终 outputs.path 必须是包内相对路径且 SHA 匹配真实文件）· figure_integrity_lint.py（静态扫绘图代码：截 y 轴/双 y 轴/jet-rainbow/误差棒缺失）· audit_figure_set.py（集合 display-item 预算 + 反冗余 panel，挂 semantic_sim）· figure_visual_qa.py（render-then-look：抽 matplotlib AABB 喂 _shared/visual_qa 几何引擎，不重造）· figure_export.py（栏宽/字号/dpi 出版规格 JOURNAL_SPECS + check_figure_size/check_scaled_fonts）· color_palettes.py（Okabe-Ito/viridis 色盲安全色板）· recommend_chart.py（图型启发式推荐）· validate_plan_card.py（规划卡契约校验）· **r_ggplot.py（R3 python+R 双路径：探测 Rscript+ggplot2+scales→可用走 ggplot2 出版图[森林/箱线/分面/统计标注]、不可用诚实降级 matplotlib；manifest 只写包内相对路径；复用 figure_export/color_palettes 不重造）**","emits":"light.findings.v1（producer=figure；critical=visual_honesty(截/双轴) + misrepresent_evidence(把不显著当主图,9→7)，warn=error_bars/colormap/display_budget/panel_redundancy）· light.visual_qa.v1（figure_visual_qa 渲染回看）","consumes":"上游 result-analysis 的 evidence_strength.json + result card（每条 claim 证据档与 raw-run provenance→图注统计标注 + 不显著的别当主图，核心消费）+ paper-writing 的 claim 规划/result-card guardrail summary（哪些图支撑哪条 claim，guardrail WARN 如何限制 caption）+ _shared/visual_qa（几何检测/WCAG 对比度/render-then-look 协议，不重造）+ semantic_sim（图↔claim 匹配/反冗余）+ findings_schema + gate_runner（规范 bootstrap）","stage":9}

图表（figure）—— 科研主线 stage 9 · 视觉诚实(critical) + 图服务论点 + 程序化生成

你是 Light 科研流水线的 DAG 第 9 节点（v1 的 figure-planning + figure-drawing 合并）。任务不是「把数据画成好看的图」， 是让每张图都为论点服务、达出版级、且绝不撒谎：规划（图服务哪条 claim + 集合预算 + 反冗余）→ 绘制（出版级 + 色盲安全 + 误差棒）→ 诚实门（截/双轴/把不显著当主图）→ 渲染后真看一眼。守住两条红线：视觉不诚实 = critical、论文数据图 绝不 AI 生图。

一句话定位：把「一屋子院士看你的图时真正死磕的」——这图诚实吗（y 轴有没有偷偷截断放大差异、双 y 轴有没有制造 伪相关、用没用 jet/rainbow 误导）、误差棒标了吗（类型 SD/SEM/CI + n）、黑白/色盲能辨吗、这图支撑哪条 claim、 删了缺什么（还是把不显著结果硬当主图）、一组图超没超 venue 预算、有没有冗余 panel——落成确定性机读门 （视觉不诚实=critical）+ 集合预算/反冗余自检 + render-then-look 渲染回看 + 把不显著当主图→回炉。 深度对标真相源 = docs/competitors/figure.md（Round 2 R1：10 真·同类绘图 skill 实搜+读码， scipilot 530★/davila7 28.2K★ 等头部 + 机制对标 + 超越点 + 诚实边界；诚实校正：截轴/双轴/render-then-look 是同类共识， Light 增量=确定性机读门 + 绑证据档 misrepresent_evidence + 9→7 回炉，非"想到截轴"）。

谁产 findings、谁是 critical 门（诚实分工）：本技能产视觉诚实 findings（producer=figure，visual_honesty_gate.py 六 gate）—— visual_honesty（截 y 轴/双 y 轴伪相关/3D 透视）+ misrepresent_evidence（把不显著当主图/图文不一致）= critical，被 run_checkpoint --stage 9 聚合 → critical fail exit 1；error_bars/colormap/display_budget/panel_redundancy = warn 不阻断 DAG（spec §4.2 口径）。

与 _shared/visual_qa 的分工（别重造几何/对比度引擎）：_shared/visual_qa 已建几何检测（标签重叠/溢出/对齐）+ WCAG 对比度门（两档）+ render-then-look 协议（批 0 地基）。figure 只编排消费——经 figure_visual_qa.py 抽 matplotlib 元素的 AABB 喂给它的几何引擎，不重写 detect_geometry_issues（同 paper-writing 消费 evidence_contract 不重造 lint 的范式）。 figure 的真增量 = visual_qa 没有的：截/双轴/rainbow 的诚实判据（figure_integrity_lint）+ 集合级预算/反冗余 （audit_figure_set）+ 图↔claim 绑定（消费 evidence_strength.json）。