evidence-visualization

# 证据图谱构建 ## 稳定执行契约 - **执行目标**：把已冻结的计算结果转换为可核验、可复用、可直接入文的图形与表格证据。 - **调用参数**：[visual-plan-or-data-path]。 - **权威输入**：计算结果.md、图表/全部结果.json、逐问结果文件与用户图表要求。 - **允许交付**：图表/中的数据图、表格和图表引用.tex；不得改写上游数值。 - **禁止写入**：不得越权修改已冻结的上游事实、用户原始文件或本协议未授权的目录。 - **可用工具边界**：Bash(*), Read, Write, Edit, Grep, Glob, Agent。 - **最小交付**：每项核心结论至少有匹配的图或表、可追溯数据源、中文标注与论文引用入口。 - **恢复入口**：优先读取当前工作、状态记录和已有产物，从最近一次通过门禁的位置继续。 - **失败回退**：缺少结果或口径冲突时停止绘图并回退计算实现；不得臆造数据补齐视觉效果。 - **收口顺序**：先核对输入，再完成产物，再运行本环节门禁，最后登记状态；门禁未通过不得宣告完成。 Produce visuals and tables from data: **$ARGUMENTS** ## 运行参数 - **FIG_DIR = `图表/`** - **FORMAT = `pdf`** (vector, suitable for LaTeX) - **DPI = 300** - **CUSTOM_REQUIREMENTS** — User-specified requirements, highest priority. <tools_and_style> ## 工具与表达规范 `shared-scripts/plot_utils.py` 提供学术绘图的基础样式。Meta-model-agent 可按任务需要选用其中的辅助函数、仅调用 `setup_style()` 后直接使用 matplotlib，或完全采用自定义实现。 **Quality floor**: 300 DPI PDF, no in-visual title (`plt.title`), font ≥9pt, grayscale-distinguishable. **Color palette and recipes**: read `工具/figure_style_guide.md` (color schemes) and `工具/figure_recipes_*.md` (implementation examples). plot_utils functions: `setup_style`, `save_fig`, `heatmap`, `forest_plot`, `trend_plot`, `bar_compare`, `distribution_plot`, `scatter_plot`, `residual_diagnostic`, `multi_line_plot`, `box_plot`, `radar_plot`, `subplot_grid` Stats tables: `stats_utils.py` supplies `regression_table`, `descriptive_table`, `correlation_table`. </tools_and_style> ## ⛔⛔⛔ 交付契约（最高优先级） 除 `图表/图表引用.tex` 外，必须生成 `图表/figure_manifest.json`。`figures` 与 `tables` 均登记 `path`、`question`、`visual_role`、`claim`、`source`、`result_keys`、`reader_task`、`publish` 和 `placement`，表格可另登记 `label`。`visual_role` 取 `mechanism/result/validation/decision/diagnostic`；只有 `publish=true` 的图表必须嵌入正文，诊断、调试、完整长表和被替代资产登记为 `publish=false`。 ```json { "version": 1, "figures": [ { "path": "图表/fig_q1_sensitivity.pdf", "question": "Q1", "visual_role": "validation", "claim": "参数扰动不改变最优方案排序", "source": "图表/全部结果.json", "result_keys": ["Q1.validation.sensitivity"], "reader_task": "比较趋势与稳定区间", "publish": true, "placement": "body" } ], "tables": [ { "path": "图表/TABLE_q1_solution.tex", "label": "tab:q1-solution", "question": "Q1", "visual_role": "result", "claim": "最优方案满足全部约束并优于基线", "source": "图表/全部结果.json", "result_keys": ["Q1.solution", "Q1.validation.residual"], "reader_task": "核对关键决策值与约束余量", "publish": true, "placement": "body" } ] } ``` 正文图表按论证需要组织为“机制 -> 结果 -> 验证/决策”，不是每问机械凑齐三张。所有生成的 `TABLE_*.tex/md` 必须进入 `tables` 分类，但只有 `publish=true` 的摘要表进入正文；相同数据和相同结论的重复资产不得通过更换形式伪装成新证据。 **Must produce all planned visuals (per 论文规划.md or skill-specific plan)** as `图表/fig_*.png/pdf` plus `图表/图表引用.tex` (or, in docx mode, the same PNGs without 图表引用.tex requirement). ⛔ **特殊豁免**：若 论文规划.md 清晰标明写"无图形与表格"或图形与表格清单为空（纯文字综述/思辨论文），准许 图表/ 为空，但**务必**写一个空的 `图表/图表引用.tex` (`touch 图表/图表引用.tex; mkdir -p 图表`) 让下游知道这步跑过了。 ⛔ **MUST run output verification prior to ending**: ```bash PASS=true mkdir -p 图表 FIG_PNG=$(ls 图表/fig_*.png 2>/dev/null | wc -l) FIG_PDF=$(ls 图表/fig_*.pdf 2>/dev/null | wc -l) TOTAL=$((FIG_PNG + FIG_PDF)) # 检查规划是否要求图表 PLAN_HAS_FIG=$(grep -E '^\s*-?\s*fig_|图表清单|图表/fig_' 论文规划.md 2>/dev/null | wc -l) if [ "$TOTAL" -ge 1 ]; then echo "✅ 图表/fig_*.png/pdf ($TOTAL)" elif [ "$PLAN_HAS_FIG" -eq 0 ]; then echo "✓ 规划无图表, 创建占位 图表引用.tex" touch 图表/图表引用.tex else echo "❌ 规划要求图表但未生成" PASS=false fi MODE=$(grep -q "Word（.docx）\|docx mode" META_MODEL_AGENT.md 2>/dev/null && echo docx || echo pdf) if [ "$MODE" = "pdf" ] && [ ! -f 图表/图表引用.tex ]; then touch 图表/图表引用.tex fi [ "$PASS" != true ] && echo "⛔ Output verification FAILED — must complete before ending" ``` ## 执行流程 ### 工作节点 0：恢复核验（断线重跑必读） ⛔ **当前环节可能由于断线/人工重跑被多次启动**。每一次启动前**务必**先扫描已有产物： ```bash echo "=== 工作区扫描 ===" HAS_PNG=$(ls 图表/fig_*.png 2>/dev/null | wc -l) HAS_PDF=$(ls 图表/fig_*.pdf 2>/dev/null | wc -l) HAS_TIKZ=$(ls 图表/tikz_*.pdf 2>/dev/null | wc -l) HAS_INCLUDES=$([ -f 图表/图表引用.tex ] && wc -c < 图表/图表引用.tex || echo 0) echo " fig_*.png: $HAS_PNG, fig_*.pdf: $HAS_PDF, tikz_*.pdf: $HAS_TIKZ" echo " 图表引用.tex: $HAS_INCLUDES bytes" ``` **依据扫描结果决定行动**： | 运行状态 | 行动 | |---|---| | 满足 论文规划.md 中规划的图形与表格数（不少于规划） + 图表引用.tex 出现 | **跳到 Phase 9 (count verification) 校验**，校验通过即完成 | | 已有部分图但少于规划数 | **只产出缺失的图**（已出现的图**避免重画**） | | 图表引用.tex 缺失但图都在 | **只产出 Phase 6 的 图表引用.tex** | | 啥都没有 | 从 Phase 1 启动 | ⛔ **铁律**： - **已有 `图表/fig_*.png/pdf` 避免重画**（覆盖会让审稿人看到的图变了） - **已有的 `图表/TABLE_*.md/tex` 避免重写**（数据已固化） - 只补缺失的图 / 表 ### 工作节点 1：Read manuscript structure + data discovery 1. Consult the full style guide (color schemes + visual selection decision table + anti-patterns + DrawIO/TikZ color schemes — all in one file): ```bash cat 工具/figure_style_guide.md 2>/dev/null || cat skills/shared-scripts/figure_style_guide.md ``` 2. Scan recipe file headings to know what templates are available: ```bash echo "=== Advanced ===" (cat 工具/figure_recipes_advanced.md 2>/dev/null || cat skills/shared-scripts/figure_recipes_advanced.md 2>/dev/null) | grep '^## ' echo "=== Basic ===" (cat 工具/figure_recipes_basic.md 2>/dev/null || cat skills/shared-scripts/figure_recipes_basic.md 2>/dev/null) | grep '^## ' echo "=== Academic ===" (cat 工具/figure_recipes_academic.md 2>/dev/null || cat skills/shared-scripts/figure_recipes_academic.md 2>/dev/null) | grep '^## ' echo "=== Competition ===" (cat 工具/figure_recipes_competition.md 2>/dev/null || cat skills/shared-scripts/figure_recipes_competition.md 2>/dev/null) | grep '^## ' echo "=== Empirical ===" (cat 工具/figure_recipes_empirical.md 2>/dev/null || cat skills/shared-scripts/figure_recipes_empirical.md 2>/dev/null) | grep '^## ' echo "=== Basic (fallback only) ===" (cat 工具/figure_recipes_basic.md 2>/dev/null || cat skills/shared-scripts/figure_recipes_basic.md 2>/dev/null) | grep '^## ' ``` 3. **⛔ MANDATORY: Extract the COMPLETE visual plan from planning docs.** Read ALL planning docs and extract every planned visual/table into a numbered checklist: ```bash echo "=== Extracting figure plan ===" for plan in 论文规划.md 问题分析.md 选题规划.md 建模报告.md; do [ -f "$plan" ] || continue echo "--- $plan ---" cat "$plan" done ``` Following reading, output a **FIGURE PLAN CHECKLIST** like this (you MUST produce this prior to proceeding): ``` FIGURE PLAN CHECKLIST (from planning docs): [ ] 1. fig_xxx — Descriptive stats distribution (Rain Cloud) — data: results.json [ ] 2. fig_yyy — Model comparison radar (Radar) — data: results.json [ ] 3. fig_zzz — Regression coefficient forest plot (Forest Plot) — data: results.json [ ] 4. TABLE_desc — Descriptive statistics table — data: results.json [ ] 5. TABLE_reg — Regression results table — data: results.json [ ] 6. drawio_roadmap — Technical roadmap (DrawIO) Total planned: 6 figures + 2 tables + 1 DrawIO ``` **Every item in the plan MUST appear in this checklist. If the plan says "12 visuals", the checklist is expected to include 12 entries.** 3.5. **⛔ JSON 数据完整性核验（保证数据能支撑全部图形与表格）：** ```bash echo "=== JSON 数据完整性检查 ===" if [ -f 图表/全部结果.json ]; then python3 -c " import json with open('图表/全部结果.json', 'r') as f: data = json.load(f) # 列出所有顶层 key keys = list(data.keys()) if isinstance(data, dict) else [f'[{i}]' for i in range(min(len(data), 10))] print(f'JSON 顶层 key ({len(keys)} 个): {keys}') # 检查是否有空值 def verify_empty(obj, path=''): issues = [] if isinstance(obj, dict): for k, v in obj.items(): if v is None or v == '' or v == []: issues.append(f'{path}.{k} 为空') else: issues.extend(verify_empty(v, f'{path}.{k}')) elif isinstance(obj, list) and len(obj) == 0: issues.append(f'{path} 为空列表') return issues issues = verify_empty(data) if issues: print(f'⚠ 发现 {len(issues)} 个空值:') for i in issues[:5]: print(f' - {i}') else: print('✅ JSON 数据无空值') " 2>/dev/null else echo "⚠ 图表/全部结果.json 不存在，图表将缺少数据支撑" fi # 检查各子问题的结果文件 for f in 图表/problem_*_结果.json; do [ -f "$f" ] && echo "✅ $(basename $f) 存在" || true done ``` 4. Scan data files (`用户数据/` > `图表/` > root). **⛔ 避免 `cat` 或 `print()` 全部 JSON 文件——大 JSON 会撑爆上下文。** 只用以下方式扫描： ```bash ls -la 图表/*.json 2>/dev/null python3 -c " import json, os def summarize(v, depth=0): if isinstance(v, list): n = len(v) nulls = sum(1 for x in v if x is None) nums = [x for x in v if isinstance(x, (int,float)) and x is not None] if nums: return f'list[{n}] nulls={nulls} range=[{min(nums):.4g}, {max(nums):.4g}] sample={v[:3]}' elif v and isinstance(v[0], dict): return f'list[{n}] of dict, keys={list(v[0].keys())[:8]}' return f'list[{n}] sample={str(v[:3])[:100]}' elif isinstance(v, dict) and depth < 2: items = []