scientific-visualization
作者 K-Dense-AIscientific-visualization 是一個用來產生可直接用於發表的圖表的 meta-skill。適合期刊投稿用的圖形需求，例如多分圖版面、顯著性標註、誤差棒、色盲友善配色，以及符合 Nature/Science/Cell 風格的排版。它會協調 matplotlib、seaborn 和 plotly，支援 Data Visualization 工作中的 scientific-visualization。
這個技能評分為 68/100，表示對需要可直接投稿的 scientific figures 的使用者來說，值得列入清單。這個 repository 有清楚的觸發情境、足夠的工作流程內容，以及明確的發表目標；但 directory 使用者仍需預期一定的導入摩擦，因為缺少配套腳本、參考資料或安裝指令，讓設定過程較多靠自行判斷。
- 使用情境清楚，聚焦於期刊等級的 scientific figures，包括 Nature/Science/Cell 風格的發表需求。
- 操作指引內容充實：技能本體篇幅大、結構清楚，且包含版面配置、誤差棒、顯著性標註與輸出格式等工作流程細節。
- 對圖表產製的 agent 協作價值高，明確提到 matplotlib、seaborn 與 plotly，並兼顧無障礙與色盲友善需求。
- 沒有安裝指令，也沒有支援檔案，因此使用者可能得只根據文字自行推敲設定與風格資源。
- 摘錄中有程式範例與像 style_presets.py 這類腳本的引用，但 repository 證據未顯示這些配套資產確實存在。
科學視覺化技能概覽
科學視覺化技能能做什麼
scientific-visualization 技能可將原始科學資料轉成符合期刊發表標準的圖表，具備論文常見的結構與排版風格。它最適合需要精確、清楚、且能直接輸出的工作，而不只是「看起來好看」而已。
誰適合使用這個科學視覺化技能
如果你需要多分圖版面、誤差棒、顯著性標註、對色盲友善的配色、一致的字體排版，或是針對論文、預印本、海報、簡報圖做特定期刊格式，這個科學視覺化技能就很適合你。
它和一般提示詞有什麼不同
一般提示詞可能只會建議「做得好看一點」，但這個技能是針對真正發表工作會卡住的實務限制而設計：圖幅大小、印刷尺度下的可讀性、灰階備援，以及 PDF/EPS/TIFF 這類輸出格式。也因為如此，當圖表必須通過審稿時，這份科學視覺化指南就特別有價值。
如何使用科學視覺化技能
在你的工作流程中安裝科學視覺化技能
使用以下指令安裝科學視覺化技能：
npx skills add K-Dense-AI/claude-scientific-skills --skill scientific-visualization
安裝完成後，先確認 scientific-skills/scientific-visualization 這個技能路徑，並從 SKILL.md 開始讀，先理解預期的工作流程，再依你的專案做調整。
先讀對的檔案
最值得先看的檔案是 SKILL.md。如果你想了解更完整的脈絡，可以再看同一個 skill 資料夾裡有引用到的 helper 或範例。這個 repository 沒有為這個 skill 提供額外的 rules/、resources/ 或 scripts/ 資料夾，所以核心價值主要就在 skill 說明本身。
給這個技能一份像真的圖表需求
要把科學視覺化技能用到最好，不要只抽象地說「做一張可發表的圖」。請提供資料類型、受眾、目標期刊或場域、分圖數、座標軸單位、統計標註，以及輸出格式。
更好的提示詞會像這樣：
Create a 4-panel scientific figure for a manuscript: time series, grouped bar chart, scatter with regression, and summary schematic. Use a colorblind-safe palette, readable labels at 85 mm width, significance markers, and export-ready formatting for PDF.
這麼具體，能讓科學視覺化技能真正發揮安裝價值，因為產出可以直接圍繞實際圖表限制來設計。
從粗略構想到最終成圖
一個好的科學視覺化流程通常是：
- 先定義這張圖要傳達的訊息。
- 明確說出每個分圖必須呈現什麼。
- 說明期刊或格式限制。
- 先要求草稿版面。
- 草稿出來後，再細修標籤、色彩、註解與輸出設定。
如果你的目標只是探索性分析，這個技能可能比你需要的流程更多；直接用 seaborn 或 plotly 繪圖，通常會更快。
科學視覺化技能 FAQ
科學視覺化只適合期刊圖嗎？
不是。科學視覺化技能最常被用在期刊風格輸出，但也很適合研討會簡報、實驗室會議圖、報告，以及任何需要讓科學資料清楚且站得住腳的情境。
什麼情況下不該用它？
如果你只需要快速的探索性圖表、儀表板，或互動式分析，就不建議使用科學視覺化技能。這些情況下，標準繪圖流程通常更簡單也更快。
它會取代 matplotlib、seaborn 或 plotly 嗎？
不會。它是協調這些工具的使用方式。科學視覺化指南重點在於如何把這些工具放進發表限制裡使用，而不是要取代它們。
對初學者友善嗎？
可以，只要你能清楚描述圖表目標。當你已經知道這張圖要講什麼故事，但需要版面、風格和可發表輸出的協助時，這個技能特別有幫助。
如何改進科學視覺化技能
提供更精準的輸入限制
品質提升最大的關鍵，是把目標受眾與輸出限制說清楚。請包含圖寬、分圖數、偏好的檔案格式，以及圖表是否必須同時適用彩色與灰階。這能幫助科學視覺化技能避開太泛用的排版風格。
提供資料形狀，不只是主題
不要只說「做一張關於基因表現的圖」，而要說明資料是群組類別、時間序列、分布、相關性，還是軌跡。資料形狀越精準，科學視覺化的使用就越能對上合適的圖型與註解方式。
先要版面，再談美化
很多失敗都發生在使用者太早要求最終視覺風格，卻還沒把結構定好。先要求分圖順序、註解與層級架構，再去細修字體、色彩與輸出設定。這是提升科學視覺化成果最快的方法。
反覆檢查可讀性與發表適配度
第一版出來後，請檢查文字在最終印刷尺寸下是否仍清楚、顏色對色盲讀者是否仍可區分、統計標記是否夠明確。如果不行，就用具體修正意見改寫提示詞，不要只說「做得乾淨一點」。