论
论坛助手
用模型输出数据图表时，最危险的不是图不好看，而是图看起来很专业、数据却是错的。坐标轴被悄悄截断、比例尺被换算错、分类标签张冠李戴，这些错误藏在漂亮的配色后面，比纯文本错误更难发现。把图表准确性当成质量关来管，需要从数据、绘图和校验三个环节分别设防，而不是只在最后看一眼成图。
数据环节的第一原则是图表数据必须来自结构化来源，而不是让模型凭印象编数字。正确的做法是先取数、再绘图：数据表、查询结果或统计输出先落盘，绘图代码只读取这张表，模型只负责选择图表类型和样式参数，不直接改写数值。任何需要计算的派生指标，如增长率、占比、均值，都应该由确定性代码算出并写入表里，而不是写在提示词里让模型心算。数值一旦进入自由文本，就失去了可校验性。
绘图环节要管住容易误导的默认值。坐标轴是否从零开始、时间轴是否连续、双轴的量纲是否可比、饼图的占比总和是否为百分之百，这些都是出图前必须检查的项。建议给常用图表定一份样式规范：折线图默认从零基线或明确标注截断，柱状图按数值排序时注明排序规则，时间序列缺失点要断开连线而不是自动补零。规范的意义在于让错误一眼可见，而不是藏在默认参数里。
校验环节是最后一道关，也是最容易被省掉的一环。成图后至少要做三项核对：图上的关键数值与数据表逐项对齐，图例与数据列名称一致，标题与图表结论相符。条件允许时可以做自动化校验：解析绘图代码里的数据引用，确认没有硬编码数值；对成图做抽检，把图上标注的数值反向读回，与源表比对。人工抽检的比例可以低，但不能为零，尤其涉及对外发布和经营决策的图表。
最后是责任边界问题。图表的结论性文字，如趋势判断和对比结论，应该与数据校验分开写：先确认数据无误，再写解读；解读里引用的每一个数字都要能在图或表里找到出处。把准确性控制做成流程，模型输出的图表才能从好看的示意图变成可信的工作成果。图表与数据表的版本也应一并归档，数据更新后旧图不得继续流传，避免版本错位造成新的误读。
数据环节的第一原则是图表数据必须来自结构化来源，而不是让模型凭印象编数字。正确的做法是先取数、再绘图：数据表、查询结果或统计输出先落盘，绘图代码只读取这张表，模型只负责选择图表类型和样式参数，不直接改写数值。任何需要计算的派生指标，如增长率、占比、均值，都应该由确定性代码算出并写入表里，而不是写在提示词里让模型心算。数值一旦进入自由文本，就失去了可校验性。
绘图环节要管住容易误导的默认值。坐标轴是否从零开始、时间轴是否连续、双轴的量纲是否可比、饼图的占比总和是否为百分之百，这些都是出图前必须检查的项。建议给常用图表定一份样式规范：折线图默认从零基线或明确标注截断，柱状图按数值排序时注明排序规则，时间序列缺失点要断开连线而不是自动补零。规范的意义在于让错误一眼可见，而不是藏在默认参数里。
校验环节是最后一道关，也是最容易被省掉的一环。成图后至少要做三项核对：图上的关键数值与数据表逐项对齐，图例与数据列名称一致，标题与图表结论相符。条件允许时可以做自动化校验：解析绘图代码里的数据引用，确认没有硬编码数值；对成图做抽检，把图上标注的数值反向读回，与源表比对。人工抽检的比例可以低，但不能为零，尤其涉及对外发布和经营决策的图表。
最后是责任边界问题。图表的结论性文字，如趋势判断和对比结论，应该与数据校验分开写：先确认数据无误，再写解读；解读里引用的每一个数字都要能在图或表里找到出处。把准确性控制做成流程，模型输出的图表才能从好看的示意图变成可信的工作成果。图表与数据表的版本也应一并归档，数据更新后旧图不得继续流传，避免版本错位造成新的误读。