anyviz

简体中文 · English

anyviz 是一个面向 AI 时代的数据可视化规范与工作流库。
它为 AI 工具提供专业数据设计师级别的判断：图表选择、美学系统、
多技术栈渲染，以及同一画布下多图表的设计一致性。

为什么需要 anyviz

大模型早已能写出绘图代码，缺的是品味与一致性，也就是把“默认样式的图”与“专业作品”
区分开的那些细小但关键的决策。anyviz 把这些决策沉淀为一套可复用的规范：选哪种图、用什么色板、
字号如何分级、标签放在哪里，以及多张图如何保持视觉连贯。

• 图表智能——将数据形态与分析意图（比较、分布、关系、组成、趋势、地理、层次、流程）映射到
  34 种生产级模板中最合适的一种。
• 黄金美学——植根于 Tufte 的数据墨水比与 ColorBrewer / Viridis 色彩科学，提供感知均衡、
  色盲友好的默认主题。
• 环境感知渲染——同一套规范在 Web（D3.js、ECharts、Mapbox、Three.js）、Python（Plotly、
  Matplotlib）与 R（ggplot2）上产出视觉一致的结果。
• 一致性即默认——任何未显式指定的属性都从全局规范继承，并由校验器在多图布局中强制执行。
• 内建无障碍——对比度、冗余编码与替代文本指导是流水线的一部分，而非事后补救。

下面的展示图呈现了 anyviz 适用的多种输出形态：分析报告、运营仪表盘、地理可视化与监控大屏。
这些场景都不是孤立图表，而是在同一画布中组织多种可视化，形成清晰、统一、可落地的业务视图。

工作流水线

anyviz 通过五阶段工作流处理每一个请求，确保从原始数据到生成代码的每一步都符合专业标准：

分析 → 美学 → 适配 → 一致性 → 无障碍

1. 分析 — 根据数据形态与意图，从 34 种模板中选择图表
2. 美学 — 应用统一色彩与字号分级（Tufte）
3. 适配 — 检测项目技术栈，输出 D3 / ECharts 等代码
4. 一致性 — 同步实体颜色、数值格式与间距
5. 无障碍 — 对比度、色盲友好与替代文本

快速开始

配合任意 AI 助手使用

将本仓库提供给你的 AI 编程工具，并用自然语言描述需求即可。SKILL.md 是工具无关的工作流入口；
guides/、templates/、adapters/ 与 aesthetics/ 提供完整上下文。

帮我可视化这份销售数据
用地图展示各省的人口分布
制作一个仪表盘，展示关键业务指标
把这些图表改成深色主题

作为独立美学库

规范以纯 JSON 定义，任何工具或脚本都可直接引用。

import json

# 加载 anyviz 权威美学规范
with open('aesthetics/default.json', encoding='utf-8') as f:
    theme = json.load(f)

# 分类色板
palette = theme['color']['categorical']['palette']
print(f"分类色板: {palette}")

# 排版层级
h1 = theme['typography']['scale']['h1']
print(f"主标题: {h1['size_px']}px / 字重 {h1['weight']}")

模板库（34 种）

每个模板都遵循 templates/TEMPLATE-SPEC.md 定义的统一五段式结构：
适用场景、数据格式、美学参数、设计要点、变体。

核心设计原则

1. 美学优先。 最大化数据墨水比，消除图表垃圾。优先直接标注而非图例，倡导小倍数图而非动画，
让数据本身成为焦点。

2. 一致性优于个性化。 任何未指定的属性都从全局规范继承。即使调用者仅覆盖一种颜色，字体、
间距、网格线依然严格统一。

3. 环境感知自适应。 anyviz 感知运行环境与依赖，在 Web、Python、R 上产出视觉一致的输出，
无需调用者操心技术栈。

4. 可解释、可修改。 每次输出都附带图表选择理由与美学决策说明。没有黑盒，任何参数都可被
理解和调整。

默认色板

默认 modern 主题受 Observable Plot 现代设计语言启发——明亮、克制、色盲友好。

完整色板原理与色盲说明：guides/color-guide.md 与
guides/accessibility.md。

技术栈自适应

anyviz 解析调用场景与依赖，自动选择最合适的引擎：

自然语言定制

anyviz 将自然语言指令映射到美学参数，同时保持一致性：

完整映射：guides/customization-guide.md。

目录结构

anyviz/
├── SKILL.md                  # AI 工作流入口（流水线 + 核心规则）
├── README.md                 # 中文主文档
├── README.en.md              # 英文备用文档
├── aesthetics/               # 权威美学规范
│   ├── default.json          # 默认主题（颜色、排版、间距、线条、响应式）
│   ├── color.md              # 色彩规则与色盲友好色板
│   ├── typography.md         # 排版规则与多语言字体
│   ├── layout.md             # 布局规则与数据墨水比标准
│   └── themes/               # modern · analytics · dashboard · academic
├── guides/                   # 决策与定制指南
│   ├── chart-selection.md    # 图表选择决策树（数据 + 意图 → 图表）
│   ├── color-guide.md        # 用色原则与语义约定
│   ├── consistency-rules.md  # 多图表一致性规则
│   ├── customization-guide.md# 自然语言 → 美学参数
│   └── accessibility.md      # 对比度、色盲友好、冗余编码、替代文本
├── templates/                # 34 种图表模板
│   ├── TEMPLATE-SPEC.md       # 统一模板规范
│   ├── charts/               # 20 种统计图表
│   ├── maps/                 # 3 种地图
│   ├── graphs/               # 8 种关系与层次图
│   └── 3d/                   # 3 种三维图
├── adapters/                 # 技术栈适配器（web / python / r）
├── assets/                   # README 横幅、字标与展示素材
├── examples/                 # 可运行示例 + 各自 README
└── scripts/
    ├── theme_validator.py    # 主题一致性自动校验器
    └── make_*.py             # 品牌素材的可复现生成脚本

示例

examples/ 里的每个示例都是一块完整、可直接运行的行业数据大屏——不是单一图表，
而是一整块画布上协同组织的多种可视化，统一采用 anyviz 深色大屏美学。它们展示了同一套规范如何
适配金融监控、电商运营、能源物联与城市地理分析等不同需求。

• finance-trading —— 金融实时监控：K 线 + 均线、实时分时、资金流向、板块热力
• ecommerce-retail —— 电商运营：GMV 趋势、品类占比、区域销售地图、转化漏斗
• iot-energy —— 智慧能源物联：实时功率曲线、能源结构、设备仪表盘、拓扑图、告警
• city-geo —— 城市大数据：地图飞线 + 涟漪、城市排名、客流趋势、24h 热力

四个示例均为单文件 index.html（ECharts 5.5.1），面向 1920×1080 设计并做了响应式适配。

参与贡献

欢迎贡献——尤其是新模板、适配器与指南改进。模板结构、校验步骤与 PR 流程见
CONTRIBUTING.md，社区规范见 CODE_OF_CONDUCT.md。

# 本地校验主题配置
python3 scripts/theme_validator.py -c examples/test_config_valid.json

社区与友链

• LINUX DO — 新一代综合社区，讨论、分享、共建

许可

MIT

学术与理论参考

anyviz 的设计植根于信息可视化领域的经典著作：

• Edward Tufte —— The Visual Display of Quantitative Information（数据墨水比、消除图表垃圾）
• Nathan Yau —— Data Points: Visualization That Means Something（感知设计、数据叙事）
• ColorBrewer 2.0 —— Color Advice for Cartography（感知均衡、色盲友好色板）
• Viridis —— Perceptually Uniform Colormaps（高感知分辨率、打印与色盲友好）