name: academic-figures version: 2.0.1 date: 2026-08-13 author: docsor1212 lang: zh description: > Academic-figures 論文配圖一鍵生成：別再為返工改圖發愁。一條命令生成頂刊級論文配圖： 14種圖表（柱狀/散點/熱力/森林/KM/ROC/ 小提琴/組合/流程…）、7套配色（含Okabe-Ito色盲安全）、Nature/Lancet期刊預設， 內建PDF文字重疊+最小字號雙重門禁，匯出前自動攔截拒稿級缺陷。600dpi出版級輸出 PNG/SVG/PDF/TIFF/EPS，純本地執行，資料不出機。中文零配置，告別亂碼。 觸發詞：論文配圖、畫圖、柱狀圖、熱力圖、散點圖、森林圖、KM生存曲線、ROC、 小提琴圖、組合圖、流程圖、SCI配圖、科研繪圖、資料視覺化、期刊配圖、色盲安全。 metadata: clawdbot: emoji: "📊" category: visualization requires: python: ">=3.8" pip: ["matplotlib", "numpy", "pymupdf", "scipy"]

Academic Figures — 論文配圖一鍵生成工具

📊 14種圖表 · 7套配色（含色盲安全） · 零配置中文 · 600dpi出版級輸出 · PDF/TIFF/SVG全支援 純本地執行 · 資料不出本機 · Python一條命令搞定 · 內建校驗+驗證門禁

一條命令，輸出即驗證：

python3 scripts/gen_figure.py -t bar -d data.json -o fig.pdf --theme okabe-ito --verify
# exit 0 = 渲染成功且無真實文字重疊；exit 2 = 檢測到重疊（修復機制，不要交付）

✨ 核心亮點

圖表型別

快速開始

# 0️⃣ 首次使用：一鍵環境準備（裝依賴/檢測中文字型/清理字型快取/自檢）
python3 scripts/setup_env.py

# 0️⃣ 快速體驗：互動演示（選擇圖表型別 → 內建資料直接出圖）
python3 scripts/gen_figure.py --demo --cjk
# 檢視全部配色：python3 scripts/gen_figure.py --list-themes
# 某圖型限制說明：python3 scripts/gen_figure.py --explain bar

# 1️⃣ 柱狀圖（預設 glm 素雅配色，色盲安全）
python3 scripts/gen_figure.py -t bar -d data.json -o figure.png \
  --title "圖2 主標題 / Subtitle" --ylabel "準確率 Accuracy (%)"

# 水平柱狀圖 + 比率標註 + GLM配色（科技部落格風格）
python3 scripts/gen_figure.py -t hbar -d throughput.json -o perf.png --theme glm \
  --show-ratio --title "吞吐量提升" --xlabel "歸一化吞吐量"

# 柱狀圖 + 斜紋填充（GLM 黃藍斜線招牌風格，列印友好，色盲友好）
python3 scripts/gen_figure.py -t bar -d data.json -o hatch.png --style glm-hatch \
  --show-values --title "ACR50緩解率"

# Meta分析森林圖（PDF輸出）
python3 scripts/gen_figure.py -t forest -d forest.json -o forest.pdf --theme okabe-ito

# Kaplan-Meier生存曲線 + Log-rank檢驗
python3 scripts/gen_figure.py -t km -d survival.json -o km.png --theme okabe-ito \
  --title "圖3 Kaplan-Meier生存曲線" --xlabel "時間 (月)" --ylabel "生存機率"

# ROC曲線 + AUC
python3 scripts/gen_figure.py -t roc -d roc.json -o roc.png --theme okabe-ito \
  --title "圖4 ROC曲線" --xlabel "1 - 特異度" --ylabel "敏感度"

# 堆疊柱狀圖（亞組構成比）
python3 scripts/gen_figure.py -t stacked_bar -d subgroups.json -o stacked.png --theme okabe-ito \
  --title "圖5 ANCA相關血管炎器官受累"

# 雙Y軸圖（臨床評分+實驗室指標）
python3 scripts/gen_figure.py -t dual_axis -d dual.json -o dual.png --theme okabe-ito \
  --title "圖6 CRP與DAS28隨治療變化"

# Nature雙欄投稿：欄寬183mm、7pt Helvetica、最小字號5pt
python3 scripts/gen_figure.py -t bar -d data.json -o nat.pdf --journal nature --column double
python3 scripts/audit_pdf.py nat.pdf --min-size 5          # 字號門禁（nature=5pt）

# 多面板組合圖（Panel A+B+C，期刊figure佈局）
python3 scripts/gen_figure.py -t composite -d composite.json -o figure4.png --theme okabe-ito

# 架構/流程圖（研究設計，CONSORT式）
python3 scripts/gen_figure.py -t diagram -d flow.json -o flow.png --theme glm --width 12 --height 6

# 熱力圖（自定義色階 + 中文）
python3 scripts/gen_figure.py -t heatmap -d data.json -o heatmap.png --cjk \
  --cmap RdBu_r --vmin -20 --vmax 45

# Lancet投稿TIFF格式（照片內容 → 300dpi）
python3 scripts/gen_figure.py -t bar -d data.json -o figure.tiff --dpi 300 --theme lancet

# 補充圖例（期刊格式，同一資料JSON）
python3 scripts/gen_legend.py -d data.json -t "治療應答" -f 1 -o legend.txt

配色方案

預設配色 = glm（素雅莫蘭迪風，色盲安全）——美觀不刺眼，單序列圖表也有暖黃點綴，不單調。

檢視與選擇配色（v2.0.1 新增）

# 終端內直接檢視全部配色（彩色色塊 + 說明）
python3 scripts/gen_figure.py --list-themes

# 生成某套配色的色板預覽圖（可放文件/投稿材料）
python3 scripts/gen_figure.py --theme-swatch glm -o swatch.png

# 便捷別名（記不住全名也能用）
#   okabe → okabe-ito   colorblind → okabe-ito   default/classic → glm
# 大小寫不敏感、自動字首匹配（--theme gla → glm）

⚠️ 投稿建議：期刊投稿用 --theme okabe-ito（Nature、Science、Cell 等主流期刊強制要求色盲友好圖表，紅綠配色是常見退稿原因）。

🎨 日常偏好：非投稿場景（演示、部落格、報告）用預設 glm 即可——素雅柔和、色盲安全、有品牌辨識度。避免大紅大綠大黃配色方案。

GLM 黃藍斜線風格（招牌風格，v2.0.1 新增）

# 一鍵啟用：GLM 素雅莫蘭迪配色 + 黑色斜紋填充
python3 scripts/gen_figure.py -t bar -d data.json -o fig.png --style glm-hatch --cjk

# 等價於 --theme glm --hatch

• 適合：柱狀圖/水平柱狀圖/堆疊柱狀圖/森林圖（--style glm-hatch 自動作用於這些型別）
• 優勢：黃藍交替+斜紋，列印/黑白/影印場景依然清晰可辨；色盲安全
• 更多樣式：--alternate 單系列黃藍逐柱交替；--hatch 可搭配任意主題使用

為什麼選 Okabe-Ito？

Okabe-Ito配色是色盲安全學術視覺化的金標準： - Nature Methods專欄明確推薦（Wong 2011, Nat Methods 8:441） - 8種顏色在紅色盲、綠色盲、藍色盲下均可區分 - 視覺鮮明——與傳統配色無審美差距

期刊投稿預設（v2.0）

--journal nature|lancet + --column single|double 自動應用期刊官方欄寬、字號、字型族和DPI。欄寬取自官方作者指南：

高度按主題縱橫比自動計算；顯式 --width/--height 可覆蓋。stderr 會列印預設資訊和對應的 audit_pdf.py --min-size 門禁提示：

python3 scripts/gen_figure.py -t forest -d forest.json -o nat.pdf --journal nature --column double
# stderr: Journal preset: nature (double-column, width=7.20in, font=Helvetica 7pt, min text 5pt
#          — verify with audit_pdf.py --min-size 5)
python3 scripts/audit_pdf.py nat.pdf --min-size 5
# OK: no text below 5pt in nat.pdf

資料校驗與退出碼（v2.0）

每次執行都經過 validate_data(data, chart_type) —— 覆蓋全部 18 種類型/別名分支的結構校驗。兩個嚴重級別：

致命錯誤示例：bar 的 series 長度不一致；box/violin 的 labels 數量 ≠ 組數（見邊界情況）；ROC 的 curves[].auc > 1。

驗證與質量門禁（v2.0）

任何可交付圖片必須通過兩道門禁，補充材料再加一道：

1. --verify（內聯，PDF輸出時）

python3 scripts/gen_figure.py -t km -d survival.json -o km.pdf --theme okabe-ito --verify
# 檢測到畫素級文字重疊 → exit 2 + 提示 — 修復機制本身，不要逐圖特判。

2. audit_pdf.py — 字號門禁（期刊最小字號）

python3 scripts/audit_pdf.py figure.pdf --min-size 5 --fail-below
# --fail-below: 存在小於 --min-size 的文本時以非零碼退出
# --max-reports N: 限制違規列表條數（預設20）

3. verify_overlap_pixel.py — 重疊驗證器（交付每個 PDF 前必跑）

python3 scripts/verify_overlap_pixel.py output.pdf
# 輸出 "文本對=N 候選=M 真實重疊=K" — K 必須為 0。

關鍵警告——不要相信 PyMuPDF bbox 相交報告。 PyMuPDF 的 span/char bbox 採用字型行高模型（Noto CJK 2.856em、DejaVu 1.695em），對旋轉文本/豎排標籤系統性高估（45° 時 fs=9 報 32.3pt，真實墨跡僅 16.8pt）。兩個 bbox 相交 ≠ 真實重疊——在本工具的輸出上，此類報告 100% 是假陽性。驗證器用三級流程消除誤報：

1. 全頁渲染 → 連通分量（網格線/向量圖的大分量被過濾）
2. 分量質心歸屬到 char bbox
3. 候選對 600dpi 區域性重渲染 → 最小墨跡距離（> 0.05pt 即判定分離）

防重疊機制已內建於 gen_figure.py（密集柱狀圖 x 軸標籤自動 45° 旋轉、hbar >12 類目字號縮小、_ensure_ylabel_clear() labelpad 自動避讓）。若驗證器報出真實重疊>0，說明圖確實壞了——應修機制，不要逐圖特判。

質量門禁可迴歸測試

倉庫附帶回歸套件，任何改動後都可重新驗證門禁：

python3 tests/run_tests.py          # 50 個 unittest 測試 — 必須全過
# evals/evals.json: 8 個行為評測（退出碼、CJK自動載入、期刊預設、圖例審計…）

補充圖例（v2.0）

禁止圖內圖例的期刊（如Nature）需要單獨的圖例塊。gen_legend.py 用與出圖相同的資料JSON生成期刊格式圖例（"Figure 1 | 標題…"），圖例文字與系列/顏色永遠一致：

python3 scripts/gen_legend.py -d data.json -t "治療應答" -f 1 -o legend.txt
# -d/--data: 與 gen_figure.py 相同的資料JSON   -t/--title: 圖例標題
# -f/--figure: 圖號（預設1）   --type: 圖表型別（預設bar）
# --error-type: 誤差棒描述（預設 "s.e.m."）   -o: 輸出檔案（預設stdout）

中文支援（CJK）

傳 --cjk 自動檢測並載入系統中文字型，零手動配置：

python3 scripts/gen_figure.py -t bar -d data.json -o fig.png --cjk

字型檢測優先順序：Noto Sans CJK → PingFang → Microsoft YaHei → WQY → AR PL → Droid。

自定義字型：--cjk-font /path/to/font.ttf

CJK 自動檢測是遞迴的（v1.6.2+）：_scan_cjk() 遍歷整個 data 字典——值和鍵（v2.0），包括巢狀的 composite 面板和 diagram 文本——所以中文系列名（如 "對照組"）獨自即可觸發字型載入。檢測覆蓋補充平面（Ext-B..F U+20000–U+2EBEF、Ext-G U+30000–U+3134F）加基本 BMP 區段（v2.0）。

輸出格式

投稿技巧：Nature和Science偏好PDF/EPS向量格式用於線稿。使用 .pdf 或 .eps 副檔名即可。

DPI標準（2026年）

常用引數

常見問題 FAQ（v2.0.1）

1. 首次使用報 ModuleNotFoundError？ 執行 python3 scripts/setup_env.py 一鍵安裝依賴（matplotlib/numpy/pymupdf/scipy）、檢測中文字型、清理字型快取並自檢。
2. 中文顯示成方塊/亂碼？ 多為字型快取問題：先 python3 scripts/setup_env.py（自動清快取），或手動刪除 ~/.cache/matplotlib 後重跑。需系統已裝中文字型（Linux: fonts-noto-cjk；macOS/Win 系統自帶）。
3. CSV 資料支援誤差棒嗎？ 不支援——CSV 只有標籤+數值列。誤差棒/顯著性標註需用 JSON 的 errors/significance 欄位。觸發時報錯會附帶此提示。
4. 如何快速看全部配色？ python3 scripts/gen_figure.py --list-themes（終端內彩色色塊）或 --theme-swatch glm -o swatch.png 生成色板圖。
5. 記不住主題全名？ 別名可用：okabe/colorblind→okabe-ito，default/classic→glm；大小寫不敏感，支援字首匹配（--theme gla → glm）。
6. 如何快速上手？ python3 scripts/gen_figure.py --demo --cjk 互動式選擇圖表型別直接出圖；--explain <型別> 檢視該型別的限制與推薦用法。

邊界情況（v2.0，來自迴歸測試）

1. Box/Violin 的 labels = 組名。 labels 按系列/組數校驗，不是按數值個數。{"labels": ["A","B"], "series": [[..],[..]]} 正確；逐值標籤列表會校驗失敗。
2. ROC AUC 逐條曲線檢查邊界。 curves[].auc 必須在 [0,1]；檢查覆蓋每條模型曲線，不只看頂層 auc。
3. 組合圖圖例絕不重複句點。 圖例文字恰好以一個 . 結尾（_fmt_n 格式化器自帶句點——不再追加）。
4. 字典鍵中的中文。 series/groups 中的中文鍵通過鍵掃描觸發 CJK 字型載入；否則系列標籤在圖例中渲染成方塊亂碼。
5. CJK 補充平面。 極罕見的中文表意文字在 Ext-B..G 區段（如 㐀、𠀀）也能檢測；釋出前用 detect_cjk_font.py 驗證字形覆蓋。

♿ 無障礙 & Alt Text

投稿時需為每個圖表提供Alt Text描述。示例：

"柱狀圖顯示治療組（均值75，標準差3）與對照組（均值68，標準差2）的比較。誤差棒表示標準差。星號表示統計學顯著性（p < 0.001）。"

7w4.net小蔥技能站收錄全網優質技能，值得收藏。

Springer Nature、NSF等主要出版商均要求Alt Text以符合無障礙標準。

資料輸入

JSON（完整功能）或 CSV（基礎功能）。詳見 references/data-formats.md。

JSON柱狀圖示例:

{
  "labels": ["對照組", "實驗組"],
  "series": {"治療前": [75, 82], "治療後": [68, 70]},
  "errors": {"治療前": [3, 2], "治療後": [2, 1]},
  "significance": {"治療前:0": "***", "治療後:1": "NS"}
}

KM生存曲線示例:

{
  "groups": {
    "治療組": [[12,1],[24,1],[36,0],[48,1],[60,0],[72,0]],
    "對照組": [[6,1],[10,1],[18,1],[30,1],[42,0],[48,1]]
  },
  "log_rank": {"p": 0.032, "method": "Log-rank"},
  "risk_table": {
    "times": [0, 12, 24, 36, 48],
    "治療組": [50, 42, 35, 28, 20],
    "對照組": [50, 38, 25, 15, 8]
  }
}

ROC曲線示例:

{
  "fpr": [0.0, 0.05, 0.10, 0.15, 0.30, 0.50, 1.0],
  "tpr": [0.0, 0.45, 0.68, 0.82, 0.92, 0.96, 1.0],
  "auc": 0.912,
  "ci": {"low": 0.854, "high": 0.958},
  "cutoff": {"fpr": 0.15, "tpr": 0.88, "threshold": 2.35}
}

Agent 用 Python 出圖時（非CLI）

若通過 Python 指令碼而非 CLI 出圖：

1. 任何標籤可能含中文時，先呼叫 detect_cjk_font()
2. 所有含中文的文本呼叫都使用 fontproperties=font_prop
3. 設定 plt.rcParams['axes.unicode_minus'] = False（防止負號變方框）
4. 多類別圖使用 Okabe-Ito 配色
5. 驗證輸出：多標籤圖檔案 >20KB 說明字型已載入
6. 首選輸出：投稿用 PDF，預覽用 600 DPI PNG
7. 斜紋偏好：使用者偏愛斜紋/條紋柱狀圖（--hatch），列印友好且系列可區分。斜紋線為黑色（edgecolor='black'）。斜紋啟用時不要手動覆蓋 edgecolor——由 gen_bar 處理。
8. 強制白底：本工具面向期刊投稿。所有輸出必須白底（facecolor='white'）。深色/黑色背景永不接受。不要新增深色主題或深色背景選項。
9. 校驗：渲染前執行 validate_data(data, chart_type) 並檢查致命資訊（與CLI同一套門禁）。
10. 驗證：交付任何 PDF 前執行 verify_overlap_pixel.py。

設計原則

1. 白底不可妥協。 本技能面向期刊投稿（Nature、Lancet、Science）。save_kwargs["facecolor"] 硬編碼為 'white'。永不新增深色主題支援。
2. 斜紋 = 彩色填充上的黑線。 --hatch 啟用時斜紋線為黑色，保證任何填充色上都可見，無需深色背景。每個系列迴圈不同圖案以便黑白列印區分。
3. glm 為預設，okabe-ito 用於投稿。 預設主題為 glm（素雅、色盲安全）。期刊投稿始終推薦 --theme okabe-ito 保證色盲安全。cool 適合全冷色調內容。

CJK 陷阱

1. CJK 字型可能缺少 Unicode 上下標。 如 ⁹ (U+2079)、³ (U+00B3)、² (U+00B2) 常觸發 Noto Sans CJK 的 "Glyph X missing" 警告。改用純文本寫法：10^9/L 代替 ×10⁹/L。釋出前用 detect_cjk_font.py 檢查字形覆蓋。
2. 醫院LIS系統的中文化驗單PDF文本佈局非標準。 page.find_tables() 通常返回0個表格。page.get_text() 得到列混合文本（表頭行與資料行交錯）而非按行對齊。6行一條的線性解析器會失敗。可靠方案：提取全文塊 → 按指標專用正則模式匹配（見 references/chinese-lab-report-extraction.md）。

流程圖陷阱

1. 塊顏色絕不使用 #FFFFFF —— 白塊在強制白底上不可見。用主題配色或任何可見十六進位制色。
2. 同一軸線上兩個相連塊之間不要放中間塊 —— 箭頭路由演算法按中心座標選最近邊。夾在垂直相連兩塊之間的塊會導致箭頭連錯目標。改為把旁註併入目標塊的 sublabel。
3. CONSORT式排除框應從主垂直流程水平偏移（同Y不同X），用水平箭頭連線。

負向觸發（不要為本技能觸發）

• SVG醫學示意圖（→ medical-svg）
• 終端/CLI圖表（→ data-viz）
• 頻譜圖/時頻分析（→ pywayne-plot）
• HTML幻燈片演示（→ html-presentation-restyler）
• 純資料分析不含視覺化（→ data-analysis）

檔案結構

academic-figures/
├── SKILL.md                 ← 英文文件
├── SKILL_ZH.md              ← 中文文件（本檔案）
├── scripts/
│   ├── gen_figure.py        ← 主生成器（matplotlib+numpy）
│   ├── gen_legend.py        ← 補充圖例生成器（期刊格式，v2.0）
│   ├── audit_pdf.py         ← 字號審計器（--min-size 門禁，v2.0）
│   ├── detect_cjk_font.py   ← CJK字型自動檢測器
│   ├── verify_overlap_pixel.py ← 畫素級標籤重疊驗證器（每個PDF交付前必跑）
│   └── extract_lab_pdf.py   ← 中文醫院化驗單PDF → JSON提取器
├── tests/
│   └── run_tests.py         ← 50個unittest迴歸測試（v2.0）
├── evals/
│   └── evals.json           ← 8個行為評測（退出碼、CJK、期刊預設，v2.0）
└── references/
    ├── data-formats.md      ← 各圖表型別JSON/CSV schema
    ├── pitfalls.md          ← 常見錯誤和白底規則
    ├── reverse-engineering-colors.md  ← 從參考圖提取精確顏色
    └── chinese-lab-report-extraction.md ← 解析非標準LIS PDF技術

版本歷史

• v2.0.1 (2026-08-13) — 使用者體驗最佳化（基於 SkillHub 官方評測 T5.0/R4.5/A4.4/C4.8/E4.6 的失分點）：
• 預設配色改為 glm（素雅莫蘭迪、色盲安全；舊 default 改名 classic 相容保留）。
• 新增 --list-themes（終端彩色色塊一覽 7 套配色）、--theme-swatch <主題> -o out.png（色板預覽圖）、--style glm-hatch（GLM 黃藍斜線招牌風格一鍵預設）、--demo（互動演示選單，內建 12 類示例資料）、--explain <型別>（限制條件說明）、主題別名+大小寫/字首容錯（okabe/colorblind/glm-blog/default→glm）。
• --hatch 擴充套件支援 stacked_bar 與 forest（overall 菱形斜紋）。
• 熱力圖預設色階修復：--cmap 未指定時預設 RdBu_r（紅藍髮散，正紅負藍）——此前因 kwargs 預設值失效，熱力圖實際渲染為 matplotlib 預設 viridis（黃綠色）；顯式 --cmap 仍可覆蓋。
• 熱力圖色階資料驅動（v2.0.1 追加）：全正資料自動改用 YlOrRd 暖色單漸變（消除 RdBu_r 白色中點導致的低值單元格"斷層"感）；含負值才用 RdBu_r 紅藍髮散；vmin/vmax 跟隨資料範圍。迴歸測試 ×2 鎖定。
• CSV+誤差棒等已知限制的錯誤提示附帶解決方案（HINT）。
• 新增 scripts/setup_env.py 一鍵環境準備（依賴安裝/中文字型檢測/字型快取清理/自檢）。
• 新增 examples/ 目錄：5 個示例資料 JSON + 7 套配色 swatch 預覽 + README。
• 文件新增 FAQ 章節（字型快取/依賴/CSV 限制/配色速查）。
• v2.0.0 (2026-08-12) — 加固版本：資料校驗層、期刊預設、驗證工具鏈、迴歸/評測套件。
• validate_data()：覆蓋全部 18 種類型/別名分支的結構校驗，main() 集中呼叫；致命 → ERROR: + exit 1（不落盤），警告 → WARNING:（繼續）。示例：空系列、長度不匹配系列、box/violin labels≠組數、缺少必需鍵、ROC curves[].auc 超出 [0,1]。
• --journal nature|lancet + --column single|double：官方欄寬（nature 89/183mm，lancet 85/183mm）、字號（7/8pt）、字型族（Helvetica/Arial）、600dpi。
• --verify：PDF 輸出內聯畫素級重疊檢查，真實重疊 exit 2。
• scripts/audit_pdf.py：字號審計，--min-size/--fail-below/--max-reports — 期刊最小字號門禁（nature 5pt，lancet 6pt）。
• scripts/gen_legend.py：從同一資料JSON生成期刊格式補充圖例。
• legend_audit()：Python API 誤用導致的空圖例檢測。
• Bug修復：box/violin labels 按組名校驗（系列數而非值數）；ROC AUC 逐條曲線檢查邊界；has_cjk() 擴充套件到補充平面（Ext-B..F U+20000–U+2EBEF、Ext-G U+30000–U+3134F）；組合圖圖例重複句點移除；_scan_cjk() 現在也掃描字典鍵（中文系列名觸發字型載入）。
• tests/run_tests.py：50個unittest測試（14圖型CLI冒煙 + validate_data單元 + CSV邊界 + CJK + 圖例審計 + PDF審計 + 圖例生成）。
• evals/evals.json：8個行為評測，每個都對照真實CLI行為驗證（退出碼、CJK自動載入、nature雙欄=183mm、圖例審計不誤報、CSV長格式、box組標籤、KM圖例格式）。
• v1.6.6 (2026-08-12) — 散點圖可讀性修復：(1) gen_scatter 現在渲染 data["labels"] 點標籤（每個 x/y 點一個，上下交替偏移且偏移隨索引增長，防止 1950/1953/1955 這類聚集點標籤碰撞）；(2) 趨勢線加 label='Linear trend'，圖例會說明虛線是線性迴歸線（此前虛線無任何標註，讀者無法理解）。demo3 以完整標註重建（標題、雙軸標籤、點標籤、圖例）——驗證 0 處真實重疊。
• v1.6.5 (2026-08-12) — 文件補強：交付 PDF 前必須執行畫素級重疊驗證器。SKILL.md/SKILL_ZH.md 新增"輸出驗證"章節（三級驗證器用法 + 明確警告 PyMuPDF bbox 相交是行高模型產物，在本工具輸出上 100% 為假陽性），檔案結構文件補入 verify_overlap_pixel.py，requires pip 列表補入 pymupdf/scipy（驗證器依賴）。demo 圖改用真實資料重新生成（demo2 = KEGG 通路基因數、demo3 = ChEMBL pchembl 值）——此前 demo 資料集含退化合成值（基因數全 50 / max_phase 全 4.0），導致座標軸被壓縮成誤導性密集刻度。
• v1.6.4 (2026-08-12) — 驗證器修復：confirm_min_dist 三級歸屬改為"唯一歸屬"（分量質心同時落入雙方候選窗時歸屬距 origin 更近者），消除旋轉 y 軸標籤場景的假陽性（scatter 的 (max phase) 標籤 × 頂部刻度 4.00——此前報告的"重疊"是驗證器交叉歸屬所致，並非真實墨跡接觸）。重驗全部 14 張生產圖 + 4 張 demo：0 處真實重疊。gen_figure.py 新增 _ensure_ylabel_clear() 安全網（matplotlib 實測 bbox 與刻度真實衝突時自動增大 y 軸 labelpad；無衝突時惰性不觸發，當前全部圖形均未觸發）。
• v1.6.3 (2026-08-12) — 標籤重疊問題畫素級驗證閉環。所有"重疊"報告的根因：PyMuPDF 的 span/char bbox 採用字型行高模型（Noto CJK 2.856em、DejaVu 1.695em），對旋轉文本系統性高估（45° 時 fs=9 報 32.3pt，真實墨跡僅 16.8pt），對豎排/堆疊標籤的行 bbox 也覆蓋整行行高。用三級畫素驗證器（連通分量 → 分量質心歸屬 → 600dpi 最小墨跡距離）驗證全部 14 張生產圖：0 處真實墨跡重疊。matplotlib get_window_extent（20.9pt vs 真實 16.8pt）略保守，防重疊機制本身正確無需改動。驗證器歸檔於 scripts/verify_overlap_pixel.py；移除 gen_figure.py 中死匯入 math。
• v1.6.2 (2026-08-11) — 修復兩個生產環境發現的質量問題。(1) CJK 檢測改為遞迴：_text_has_cjk() 會掃描整個 data 字典（含巢狀的 composite 面板/diagram 文本），composite 面板內的中文標題現在能正確觸發 Noto Sans CJK 字型載入（此前渲染成方框亂碼）。(2) 標籤自動防重疊：bar 圖 x 軸標籤 >8 個或標籤 >12 字元、line 圖 >10 個點、heatmap 列 >6 個或 >14 字元時自動旋轉 45°；hbar 類別 >12 個時 y 軸標籤字號縮小 1pt；composite 面板將 alternate 透傳給 hbar 子圖。
• v1.6.1 (2026-08-07) — GLM 主題黃色提亮：#D49356 → #D79D55（GLM-5.2 部落格原圖 14.3 萬黃色畫素的真實均值；此前取到了分佈中偏暗的樣本）。所有交替風格柱狀圖現使用更亮的暖黃色
• v1.6.0 (2026-08-07) — 新增 --alternate 引數：GLM-5.2部落格風格黃藍交替柱狀圖。單系列 bar/hbar 圖逐柱交替使用主題前兩色（glm 主題下為黃 #D79D55 / 藍 #70A0D0），配合 --hatch 即復現部落格的"黃藍交替+黑色斜線"樣式；也可與 cool/okabe-ito 等主題組合使用
• v1.5.2 (2026-08-12) — 新增 cool 主題：8色冷色調配色（藏青 #1B4965、海藍 #2E6F9E、天藍 #4FA3C5、深青 #3D8080、中青 #62A0A8、鋼藍 #5B7BA0、石板 #7B9AB5、淺鋼藍 #9DB5CC），色相全在190-260°，色盲安全。因使用者拒絕暖/飽和配色並需求素雅冷色調而建立。
• v1.5.1 (2026-06-18) — Bug修復：gen_km() 在 median_survival 為 null（中位生存未達到）時崩潰；gen_scatter() 在 groups 陣列長度超過 x/y 長度（composite面板）時崩潰。均已用 null/長度守衛修復。新增 cool 主題（藏青/海藍/青灰/石板冷色調，色盲安全）。見 references/pitfalls.md。
• v1.5.0 (2026-06-17) — 新增3種圖表：水平柱狀圖（hbar，含比率標註"4.96x"）、多面板組合圖（composite，GridSpec佈局，每面板任意圖表型別）、架構/流程圖（diagram，色塊+箭頭+分組標註）；新增GLM配色方案（GLM-5.2畫素提取柔和配色：#70A0D0藍+#D79D55黃，取原影像素均值）；新增斜紋填充功能（--hatch，黑色線條，9種圖案，列印友好）；新增 --hatch、--show-ratio、--ratio-base、--horizontal CLI引數；強制白底輸出（出版標準）
• v1.4.0 (2026-05-17) — 新增4種圖表：Kaplan-Meier生存曲線（Log-rank檢驗、風險表、中位生存、刪失標記）、ROC曲線（AUC、95%CI、最優截斷點、多模型對比）、堆疊柱狀圖（構成比、百分比標籤）、雙Y軸折線圖（臨床評分+實驗室指標同圖展示）；擴充套件資料校驗
• v1.3.0 (2026-05-17) — 新增Okabe-Ito色盲安全配色（Nature Methods金標準）；DPI升級300→600線稿預設；新增PDF/TIFF/EPS輸出；增強森林圖（權重氣泡、I²異質性、事件數列、分隔線）；無障礙Alt Text指南；智慧DPI分場景
• v1.2.0 (2026-05-16) — 新增版本後設資料、依賴宣告、負觸發詞、檔案結構文件
• v1.1.0 — 新增中文自動檢測、CSV長格式自動轉換、空資料校驗
• v1.0.0 — 初始版本：7種圖表、4套配色、中文支援、統計標註

這個 Skill 質量很不錯，提供了14種學術圖表模板和7套專業配色方案，支援中文標籤和600dpi高解析度輸出，能自動檢查圖表缺陷。適合需要發表論文或做科研彙報的使用者。功能很全面，但部分圖表需要了解統計學知識才能正確使用，中文文件可以更精簡一些。總體來說，這是一個功能強大、細節考慮周到的科研繪圖工具。