科研绘图最重要的不是把图做得“像论文”，而是让读者准确理解数据关系。AI 可以协助整理图表草案、统一图例或提出版式建议，但不能替代数据分析与方法判断。先把变量、单位、样本范围和要传达的问题写清楚，提示词才不会把视觉装饰误当成结论。
从研究问题倒推图形
先写一句“读者看完这张图应该知道什么”。例如比较两组的差异、展示随时间变化的趋势，或说明流程中的关键步骤。不同问题需要不同图形；如果一张图承担太多结论，应拆分为主图和补充图，而不是不断增加颜色和标注。
| 准备项 | 需要确认的内容 | 常见错误 |
|---|---|---|
| 变量 | 名称、单位、取值范围 | 省略单位或混用尺度 |
| 样本 | 来源、数量、缺失处理 | 用图形掩盖样本边界 |
| 比较 | 比较对象与基准 | 视觉大小夸大差异 |
| 标注 | 图例、误差、方法说明 | 把解释写进装饰文字 |
提示词应限定工作范围
请根据以下已经核对的数据字段与研究问题，提出图表结构方案。先说明适合的图形类型、横纵轴、分组方式、图例和必须标注的单位；再给出版式建议。不要推断因果、补写统计结果或修改原始数据。信息不足时请列出需要确认的字段。
得到方案后，回到原始数据检查每个数字、单位和筛选条件。工具可帮助暴露视觉问题，却不能证明分析正确。想让指令更容易验收，可参考从材料到验收条件的提示词写法。
输出前的底线
保留原始数据、作图脚本或步骤记录；若使用他人数据和图片，遵守授权与引用要求。图中不能省略会改变理解的重要限制，也不要用生成图替代真实实验或观测结果。
