用途：当用户已有科学数据（或描述科学数据的提示），并希望产出达到出版质量的图表时使用。产物是渲染出的图片加生成它的 plot.py 脚本。不适用于撰写论文、做数据分析，也不用于修饰已定稿的图片。
主要能力：每轮迭代先由生成器（roles/generator.md）编写或修改 plot.py，运行 <render_cmd> 渲染 figure.png，必要时通过文献检索为领域内容提供依据，并写 generation_notes.md；随后由对抗式评审（roles/critic.md）依据固定评分表 rubrics/rubric.md 独立重新推导各评分轴、抽查图中数值与数据是否一致、可选地核查领域完整性，输出 critique.json（含分数、是否通过、可执行发现）。总分 overall_score = 100 × Σscore / (5 × n_axes)，并设有硬性门槛（图中数值与数据矛盾、坐标轴误导、把编造数据当作真实数据等直接判不通过）。
使用方式：先交互式确认绑定项（brief、data_paths、goals、render_cmd、style、pass_threshold 默认 85、budget 默认 6、patience 默认 2、sandbox_root 默认 ./sandbox），写入 loop.run.yaml，并在 <sandbox_root> 下初始化沙盒（数据只读复制、ledger.tsv、可选 style/journal_spec.md、literature/.cache）。循环为：生成 → 评审打分 → 记录 ledger.tsv → 停止检查 → 下一轮。停止条件为通过、达到预算或连续多轮无提升。在 Claude Code 上可把生成器与评审作为真实子代理顺序运行，否则内联扮演各角色。
限制：所有操作限于沙盒内，数据只读、绝不修改原件；不得编造数据、数值或领域元素；评分标准固定不可放宽；不安装绘图依赖，<render_cmd> 在用户自身环境运行，辅助代码仅用标准库；文献检索仅用无需密钥的 S2 + arXiv 核心，缺失时降级为 WebSearch/WebFetch。若未提供数据，则生成示意性图表，完整性轴改为检查内部一致性。