name: smart-charts description: "Intelligent chart generation and data analysis skill. Reads user-supplied data files (CSV/Excel/JSON), analyzes data characteristics with LLM assistance, auto-recommends and generates interactive ECharts visualizations. Use when the user asks to analyze data, generate charts, create visualizations, or work with tabular data files." license: MIT compatibility: "Python 3.9+; requires pandas==3.0.1, numpy==2.4.3, openpyxl==3.1.5, xlrd==2.0.1; no network access needed (ECharts JS bundled offline); install with: pip install -r requirements.txt --require-hashes" metadata: author: smart-charts version: 6.0.0 permissions: file_read: true file_write: true network: false safety: sandbox: "LLM-generated transform code runs in a restricted sandbox (keyword blacklist + AST whitelist + safe builtins). No user confirmation required." input_formats: ["csv", "tsv", "txt", "xlsx", "xls", "json"] output_format: html max_file_size_mb: 100

Smart Charts

将数据文件（CSV/Excel/JSON）转化为交互式 ECharts HTML。支持 21 种图表类型、多文件合并、LLM 数据转换代码（沙箱执行）。 CLI 细节、flags 语义、错误码表、FAQ 见 REFERENCE.md。

Activation Triggers

Load this skill when any of the following is met:

• User mentions: "analyze data", "generate chart", "data visualization", "chart", "visualization" / 用户提到：「分析数据」「生成图表」「数据可视化」
• User provides a data file and asks for analysis or visualization
• User asks to generate charts or a report from tabular data

Hard Constraints (MUST follow)

1. MUST follow the CLI workflow: data_parser.py → cli.py，不要自写脚本替代 CLI。
2. Messy headers MUST use CLI flags（--skiprows N / --header-row N / --sheet，语义见 REFERENCE.md），N 由实际数据决定，不得拍脑袋固定。
3. 列重命名/重塑/聚合 MUST use --transform-code。解析层只解决"哪行是表头"，其余清洗归 transform。
4. MUST report unsupported scenarios: CLI 确实不支持的（如嵌套 JSON 超过 1 层），先向用户说明并给建议，不得静默绕过。
5. MUST NOT hard-code absolute paths in generated code; resolve paths at runtime.
6. 不要主动传 --lang；CLI 自动跟随数据语言。仅当用户明确要求某种语言时才传。

Confirmation Policy

生成图表是廉价可逆动作（重生成 1-10s，零外部副作用）。默认不向用户确认，直接按数据语义选型生成。

agent 内部完成以下判断，不打断用户：

• 图表类型：按 21 种图表的 Required Format 匹配数据形态
• 多文件合并策略：按列重叠率自动决定（见 REFERENCE.md）
• 取值口径：按列名、单位、数值范围推断最可能语义

事后审阅代替事前确认：交付时必须在交付语中显式列出本次关键假设，例如：

• "选了 line 图，因为 month 是时间序列列"
• "多文件按列名完全相同走纵向拼接，已注入 source_file 列"
• "销量按金额口径（列含 ¥/元/amount）"

用户审阅成品后若不同意任一假设，可一句话要求换口径/换类型/换合并方式重生成。

唯一必须的用户介入点：见 Exit Criteria 的"仍失败"分支。

Capability Boundaries

Supported: CSV (.csv=comma / .tsv=tab / .txt=auto-detect delimiter), Excel (.xlsx/.xls), JSON (.json); 21 chart types (see below); up to ~10 files with auto-merge; single file ≤ 100 MB (≤ 50 MB recommended); auto-detects UTF-8/GBK/GB2312.

Not supported: Databases (export to CSV first), real-time/streaming data, geo maps, >100 MB files, nested JSON >1 level, non-tabular data (images/audio/video). Auto-merge requires ≥50% column overlap.

Network requirement: None. ECharts JS is bundled in assets/ and inlined into each HTML output; charts render fully offline with no external dependencies.

Security: transform 代码由沙箱强制校验（黑名单 + AST 白名单 + 安全 builtins），违规会返回带 suggestion 的结构化错误，按提示修正重试即可，无需用户确认。机制细节见 REFERENCE.md。

Execution Workflow

1. Obtain data — user uploads file(s) or provides path(s).
2. Parse data — call data_parser.py on all files; for multiple files, assess merge feasibility.
3. Recommend & generate — 按数据语义选型后直接生成，无需确认；交付语显式列出关键假设（见 Confirmation Policy）。
4. Transform (if needed) — raw data 不匹配目标图表输入格式时，生成 --transform-code。
5. Generate charts — call cli.py → ECharts HTML.
6. Present results — 按下方 Exit Criteria 验收后立即展示。

Exit Criteria (什么算做完，机械可判定)

• ✅ 成功: cli.py stdout 为 {"chart": {"success": true, ...}}，且 html_path 指向的文件存在且非空 → 立即将图表呈现给用户。
• ❌ 失败: success: false 或 exit code 1 → 读 error.details.suggestion，修正后重试；同一环节最多重试 2 次。
• 🛑 仍失败（唯一必须的用户介入点）: 把 code_name、suggestion、已尝试的修复如实报告用户并给出建议，等待用户决策。不得静默改用自写脚本兜底（违反约束 1/4）。

Data Parsing

python {skill_base}/scripts/data_parser.py <file1> [file2 ...] [--summary] [--merge] [--skiprows N] [--header-row N] [--sheet <name|index>]

• {skill_base} = 本 skill 根目录（含 SKILL.md）。
• flags 的精确语义、多编码回退、sheet 选择细节见 REFERENCE.md。
• Merge 关键 gotcha: 纵向拼接会注入 source_file 列标识来源文件，下游 transform 代码必须考虑到这个额外列。≥50% 列重叠走横向关联；无共同结构报错（建议分开分析）。

Chart Generation

python {skill_base}/scripts/cli.py \
  <file_path> <chart_type> \
  --title "Chart Title" --x-axis "date" --y-axis "revenue profit" \
  --transform-code "<pandas code>" --skiprows N --header-row N --sheet <name|index> \
  --lang zh|en --output-dir "./output" \
  --label-col "姓名" --color-by "地区"

• 成功输出 {"chart": {"success": true, "html_path": ...}} 到 stdout；失败输出结构化错误 JSON（details.suggestion 给出恢复方法）。完整参数与错误码表见 REFERENCE.md。
• --label-col（可选）：身份列（如姓名/名称），其值进数据点的 name 和 tooltip，适用于 scatter/bubble/boxplot。不传时自动探测未被占用的字符串列（列名含 姓名/name/id 等优先），自动选择会记入 stdout 的 assumptions 字段，交付语中应声明。
• --color-by（可选）：着色列，适用于 scatter/bubble。数值列 → visualMap 连续着色；类别列 → 按类别拆 series 分色并进 legend。默认不传——无分析意义的着色只是视觉噪音。
• 数据点超过阈值（默认 15）时 HTML 自动启用 dataZoom + 横向滚动，无需 agent 处理。
• 生成的 HTML 标题可双击内联编辑（用户可直接在浏览器修改标题，保存图片时使用新标题）。

  小葱技能7w4.net持续更新中。

Chart Types

选择图表前先核对原始数据是否匹配 Required Format；不匹配则用 transform 代码适配。

量纲提示：heatmap / boxplot / radar 等多列图表，若各列量纲差异大（如满分 10 与满分 100 混合），需先用 transform 代码归一化，否则小量纲列会被大量纲列主导。

y_axis cardinality key: 1 = only first column used; 1~N = each column becomes a series; N = multiple columns expected; 2 = exactly 2 numeric columns required; special = auto-detects source/target/value columns. scatter/bubble/boxplot 中未被 x/y 占用的字符串列不会浪费——自动作为身份列进 tooltip（见 --label-col）。

Programmatic API

from scripts.chart_generator import ChartGenerator

# Single chart — returns {'chart': {'success', 'html_path'/'error', ...}}
# lang=None auto-detects from data; pass 'zh'/'en' to override (only when user asks).
result = ChartGenerator(output_dir="./output").generate_chart(
    df=df, chart_type="bar", title="Regional Revenue",
    x_axis="region", y_axis=["revenue"], lang=None,
)

# Batch — returns {'charts': [...]}，每项结构与单图一致
result = ChartGenerator(output_dir="./output").generate_multi_charts(
    df=df,
    chart_configs=[
        {"type": "bar",  "title": "Regional Revenue", "x_axis": "region", "y_axis": ["revenue"]},
        {"type": "line", "title": "Monthly Trend",   "x_axis": "month",  "y_axis": ["revenue", "profit"]},
    ],
    lang=None,
)

失败时 success 为 False、error 为结构化错误字典，不抛异常——检查 success 决定下一步。

Transform Code Contract

契约（由沙箱强制，违反会收到带 suggestion 的错误，按提示修正即可）：

• 可用变量只有 df, pd, np；必须产出名为 result 的 pd.DataFrame
• 不要原地修改 df（用 df.copy() 或链式操作）
• 原始数据已匹配目标格式时，不传 --transform-code

Common transform patterns: - Long→multi-series: result = df.pivot_table(index='<time>', columns='<category>', values='<value>', aggfunc='sum').reset_index() - Long→pie (filter): result = df[df['metric']=='revenue'][['category','value']].rename(columns={'category':'name'}) - Wide→long: result = df.melt(id_vars=['date'], var_name='name', value_name='value') - Aggregate→bar: result = df.groupby('<category>')['<value>'].sum().reset_index() - Rename columns: result = df.rename(columns={'来源':'source','去向':'target','金额':'value'}) - Compute delta→waterfall: tmp = df.copy(); tmp['delta'] = tmp['profit'].diff().fillna(tmp['profit'].iloc[0]); result = tmp[['month','delta']] - Rename messy/uninformative column names (after --header-row leaves columns like 10分, unnamed_3): result = df.rename(columns={'unnamed_0':'student_id','unnamed_1':'name','10分':'homework_score','30分':'exam_score'}) - Forward-fill merged cells (when only the first row of a group is populated): result = df.ffill() - Combine sub-headers into a single column name (when --header-row N flattens one row but loses context): result = df.rename(columns={c: f'{c}_score' for c in df.columns if c not in ['student_id','name']})

这是一款质量较高的图表生成工具，支持 CSV/Excel/JSON 等多种数据格式，能自动生成 21 种交互式图表，且完全离线运行无需网络。文档和错误提示非常详细，遇到问题能获得明确的修复建议。内置的数据转换沙箱机制保障了安全性。不足之处是未提供测试文件，且部分核心代码文件较大，长期维护成本可能较高。