Data Visualization

Skill 用途

图表、信息图与交互数据展示。从数据问题、图表选择、编码和标注出发，制作可解释的数据可视化。

它适合材料、目标和验收标准都能说清的真实任务。先用小范围样本验证，再决定是否扩大处理范围。

输入和输出

适合场景与触发条件

主要交付物是由真实数据驱动的图表、仪表盘或交互可视化时。

开始前还要准备：可追溯的数据源；可运行的前端或制图环境。如果任务很小、没有重复价值或无法判断结果是否正确，按当前任务直接处理会更合适。

核心工作流程

1. 明确问题与数据口径
2. 选择视觉编码
3. 实现比例尺与标注
4. 检查误导风险
5. 跨视口与数据边界验证

安装与启用

来自 OpenAI Plugins 的 build-web-data-visualization 插件。

1. 从官方插件仓库确认当前 Skill 目录、引用资料与依赖。
2. 按 Codex Plugins 当前安装方式启用完整插件，不要只复制一个 SKILL.md。
3. 在一个低风险小任务中明确点名 Data Visualization，并给出材料、范围和验收要求。
4. 完成后按预期输出逐项检查：选择理由明确的图表；经过数据、可读性和响应式检查的实现。

插件安装方式可能随 Codex 版本变化，执行前以官方仓库和当前客户端界面为准。

使用方法与结果验证

1. 明确问题与数据口径
2. 选择视觉编码
3. 实现比例尺与标注
4. 检查误导风险
5. 跨视口与数据边界验证
6. 最后核对交付是否同时包含：选择理由明确的图表；经过数据、可读性和响应式检查的实现。

验收时要回到原始材料、目标输出和任务边界逐项检查，不能只看是否生成了结果；发现稳定问题后，再把修正写回工作流。

权限风险

• 数据可能含个人或商业敏感信息
• 错误聚合或比例尺会误导结论
• 发布前必须核对数据与单位

联网、账号授权、外部写入、部署、发布或其他不可逆操作都需要按实际风险单独确认，先从只读和小范围任务开始。