菜单
在 common_func 项目中需要检查、优化或制定论文图/科研图的视觉规范时触发。用于指导图的可读性、精简性、对齐、颜色、图形多样性、易懂性、留白、重点突出和常见绘图技巧。通常与 cf-plotting 一起使用：cf-plotting 负责调用 common_functions.py 的绘图接口，本 skill 负责判断图是否清楚、美观、统一、适合正文展示。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
在 common_func 项目中需要保存或读取 Python 对象、dict、numpy array、scipy sparse matrix、pandas DataFrame、txt/yaml，或需要按目录分开保存大型字典时触发。用于指导优先使用 common_functions.py 中的 save_pkl/load_pkl、save_dict/load_dict、save_dict_separate/load_dict_separate、save_array/load_array、save_sps_array/load_sps_array、save_df/load_df 等封装。
在 common_func 项目中使用 common_functions.py 的绘图工具时触发。用于指导如何创建 fig/ax、调用 cf 的 plt_* 函数在 ax 上绘图、用 set_ax 统一设置坐标轴和标题、用 save_fig 保存图片，并尽量沿用 common_functions.py 中已经调好的默认绘图参数。
Global Codex instructions for doctor projects. Use when the user requests the global Codex instruction skill, global_codex.txt, or wants Codex to follow doctor-specific reply style, workflow, common functions, plotting, memory/storage documentation, Python style, randomness, multiprocessing consistency, imports, code organization, and naming rules.
在 common_func 项目中需要判断用户需求应触发哪个 cf-* skill、需要在多个 cf skill 之间分工、整理 skill 使用边界，或用户直接询问“该用哪个 skill/路由/分流/分类”时触发。优先把常见 common_func 请求路由到 cf-plotting、cf-draw-rules、cf-multiprocess、cf-object-io、cf-neuron-data、cf-ncc-avalanche 等局部或领域技能，并说明主 skill 与辅助 skill 的组合关系。除非用户明确提及或现有代码已经使用 Experiment/ComposedExperiment、MetaModel/ModelContainer、DataKeeper，否则不要主动路由到 cf-experiment、cf-metamodel 或 cf-data-keeper。
当前项目的局部指令。适用于处理本项目任务时检查局部回复身份、results 组织方式、向后兼容策略和项目特殊说明。初步建立项目结构时使用 cf-project-setup-habit；通用 workflow、代码组织、README、validation、storage、task table、绘图、随机性、多进程、imports 和命名规则遵守 global-codex。
当需要按常见科研计算项目习惯搭建、整理或评审项目结构时触发。适用于从零创建 project skeleton、迁移旧脚本、检查 data/code/results 分层、规划 simulation/analysis/plot/test/utils 目录、补 README、记录路径与结果。
| name | cf-draw-rules |
| description | 在 common_func 项目中需要检查、优化或制定论文图/科研图的视觉规范时触发。用于指导图的可读性、精简性、对齐、颜色、图形多样性、易懂性、留白、重点突出和常见绘图技巧。通常与 cf-plotting 一起使用：cf-plotting 负责调用 common_functions.py 的绘图接口，本 skill 负责判断图是否清楚、美观、统一、适合正文展示。 |
这个 skill 用于把科研图画得清楚、统一、适合论文正文展示。写绘图代码时优先配合 cf-plotting 使用；如果任务是审图、改图、统一图风格或给绘图方案提建议，则以本 skill 为主要检查标准。
文字大小整体统一，并且在正文展示时应足够清楚，至少接近正文文字的 80%。子图很多、子图很少、半栏图和整栏图应使用不同的字体大小，不要机械套用同一套参数。
线条、点、marker、误差线和 colorbar tick 都要足够大，保证读者在正文尺度下直接看清，不需要放大。点太多时优先考虑使用 alpha、density scatter、hexbin 或其他密度表达，不要单纯把点缩得很小。
移除无关的 x/y tick。除非数据解释确实需要，否则只保留最重要的刻度，例如起点、终点或少数关键值，并尽量减少小数位。
默认移除右侧和上侧 spine。多个子图放在同一张大图时，重复 legend 不要每个子图都放一份；如果含义一致，优先只展示一次公共 legend。
所有子图应按某种明确规则对齐。可以是坐标轴黑框全部对齐，也可以是视觉重心对齐，但不能让子图看起来随机漂移。
多子图中要注意 xlabel、ylabel、title、colorbar、legend 和 panel tag 的位置，不要因为文字长度或 colorbar 导致主体 ax 面积明显不一致，除非布局本身有明确的强调目的。
颜色要大气且统一。统一不仅指同一张图内部，也包括同一篇文章或同一组结果中的所有图片。
如果颜色编码了某个对象、方法、类别或条件，这套颜色映射应在所有图片中完全一致。不要在不同图中让同一含义对应不同颜色。
避免使用彩虹 colormap。优先选择色盲友好、对比适中、语义清楚的配色。
图不要过于重复和单调。如果已经使用了多个散点图，可以考虑换成 bar、violin、box、hist、density、line、heatmap 等更适合当前问题的表达方式。
布局也不必总是规则 gridspec。根据展示重点，可以让重要图更大、辅助图更小；对于局部细节，可以使用 zoom-in、inset 或拆分子图帮助读者理解。
图表最好尽量自明。如果有可能，把文字直接放在对应元素附近，而不是完全依赖 legend。直接标注方法名、关键条件、拟合结果或重要区域，通常比让读者反复查 legend 更清楚。
图内文字不能遮挡关键数据、拟合线、误差带、峰值或主要结构。没有足够空白时，legend 或说明文字应放到图外。
不要让图片显得过于拥挤。适当留白可以帮助读者区分图中元素，也能让重点更突出。
多子图 figure 中尤其要检查子图间距、边距、colorbar 和 legend。信息密度高不等于把所有元素塞满画布。
展示有中心含义的数据时，应使用对比型 colormap，例如蓝色-白色-红色，并在需要时把白色对齐到特定中心点，例如 0。
展示无中心含义的数据时，不应使用对比型 colormap。强度值、概率、密度、频率等更适合使用渐进型 colormap。
可以根据需要重新排序绘制点、类别或方法，以增强可视化效果，让读者更容易看出结构。
如果想重点展示某个方法，可以单独给它配置醒目的颜色，例如红色；其余多个对照方法可以使用同一色系，例如蓝色系，从而突出主方法。
xylabel 很长时，可以换行分成多行展示。
五个子图可以考虑上面三个、下面两个的布局，不一定强行排成一行或规则矩阵。
如果 xtick label 很多，多到必须旋转 90 度才能展示，通常更适合把图横过来画，让这些标签变成 ylabel。
完成绘图后按下面顺序检查：
