用途：解读和解释科研图表、图表与数据可视化，服务于研究发表、临床展示与学术交流；也可用于撰写符合期刊风格的图注，以及分析临床研究数据中的趋势。
主要能力：支持多种图型分析，包括Kaplan-Meier生存曲线、森林图、ROC曲线、箱线图、散点图、柱状图、热图与火山图，并提取相应关键指标（如中位生存期、HR、95% CI、log-rank p、效应量、AUC、I²、倍数变化等）。可进行统计解读，提取p值、置信区间、效应量、样本量与检验方法，并区分统计显著性与临床意义。支持按受众（研究者、临床医生、患者、政策制定者）生成不同层次的解释。支持生成图注，风格可选期刊、演示或海报，并可限定字数。还提供批判性评估，检查图型是否合适、坐标轴缩放、误差棒、样本量、混杂控制与推广性，并列出常见陷阱（截断y轴、缺少误差棒、3D效果、双y轴、多重比较等）。
使用方式：需要Python 3.10+，打包可执行入口为scripts/main.py，参考材料位于references/。示例命令：cd "20260318/scientific-skills/Academic Writing/graph-interpretation"、python -m py_compile scripts/main.py、python scripts/main.py --help。也提供CLI用法，例如：python scripts/graph_interpreter.py --image survival_curve.png --type kaplan_meier --context "phase_3_oncology" --audience clinicians --output analysis.json；支持--generate caption、--journal-style、--word-limit、--batch 等参数。
适用场景：临床试验主要终点分析、荟萃分析森林图解读、诊断准确性ROC分析、科研论文图注撰写、面向不同读者的图表说明。
限制与说明：第三方依赖未在本技能包中明确锁定版本，如需严格环境控制应自行固定版本。输入路径、输出路径、范围过滤、阈值等领域特定参数需先确认；缺少必需输入或超出文档范围时应停止并请求最小必要信息。不提供收费、价格或平台信息（暂未提供）。