研究人员与学生经常要做「科研绘图」这类事：按期刊风格绘制科研图表。每次都从头写提示词，结果时好时坏；把它做成智能体 Skill，就能让智能体每次按同一套步骤执行，输出结构也更稳定。

很多人纠结一开始要不要把技能写得很完整。答案是：先极简，再按需升级。下面对比「科研绘图」的两种写法。

极简版：五行就够

你负责科研绘图。
输入：实验数据。
步骤：选择图类型；统一字体配色；标注误差；导出高分辨率。
输出：图表。
信息不足先提问，不要编造。

适合个人临时使用、验证流程是否合理。缺点是输出格式不够稳定，边界情况处理不一致。

进阶版：完整技能包

.claude/skills/data-viz-research/
├── SKILL.md
├── scripts/data_viz_research.py
└── reference.md      # 可选：团队规范、模板等长资料，按需加载

进阶版在极简版基础上增加：

  • 精确的 description，确保自动触发
  • 固定的输出结构与“需人工确认”清单
  • 约束段落（权限、领域规矩、不可逆操作）
  • 参考资料（团队规范、范例），按需加载
  • 脚本，负责确定性的解析与校验
  • tests/ 测试样例

对比

维度极简版进阶版
编写时间几分钟一到两小时
输出稳定性一般较好
边界处理依赖模型自觉有明确规则
团队共享不方便可评审、可版本化
适用个人试用日常高频、多人使用

什么时候该升级

  • 每周使用超过几次
  • 输出要给别人看或进入正式流程
  • 已经发现两次以上同类错误
  • 风险较低，但输出仍需快速过目再使用

升级时参考SKILL.md 写法，并用测试用例验证。

领域注意事项

「科研绘图」属于研究与学术领域，使用者多是研究人员与学生，工作环境通常是文献库、数据与写作工具。这个领域最重要的一条底线是：引用必须回到原文核对，绝不编造文献。

建议把这条底线原样写进技能的约束部分，而不是指望智能体自己意识到。同时，在团队内部明确：智能体给出的图表只是初稿或建议，最终由谁签字确认、出了问题由谁负责。

常见变体

同一个技能可以按使用场景派生出几个变体：

  • 简版：只保留核心步骤（选择图类型、导出高分辨率），适合快速过一遍
  • 详版：每一步都写出理由与依据，适合交给他人复核或留档
  • 批量版：一次处理多份实验数据，输出汇总表，适合定期集中处理

变体之间共享同一套约束，只在步骤详略和输出格式上有差异。可以在一个技能里用参数区分，也可以拆成几个名称明确的技能。

什么时候用这个技能

  • 手头有实验数据，需要在较短时间内得到图表
  • 同类任务每周出现多次，希望每次处理方式一致
  • 结果要交给同事或上级复核，需要统一的结构和清楚的依据
  • 新人接手这类工作，需要一个可以照着做的标准流程

反过来，如果只是偶尔做一次，或者任务高度依赖现场判断，直接和文献库、数据与写作工具里的智能体对话即可，不必专门封装成技能。

延伸阅读

说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。