用途：这是 Tufte 工具集中的评估环节，用于给已有图形打分，用 Tufte 的术语（duck、dreaded grid、moiré vibration、dimensionality violation 等）指出问题，并返回具体修复方案、应切换的图形类型及可模仿范例。输出基于单一原则文件 references/tufte-principles.md，该文件按页引用 VDQI，以避免泛泛的“提高 data-ink ratio”式建议。
所需输入：图形的描述、图像或文件，最好附上用途与受众。若缺少关键信息，可合理推断并说明假设，而非停滞。
评估流程（六步）：先读 references/tufte-principles.md；对九项标准各打 0–10 分并附图形特定观察，使用 VDQI 数值锚点（如 data-ink ratio 0.1–0.2 为典型，向 1.0 编辑，p.136；data density 0.15 numbers/in² 为“overwrought”，p.162）；当比例可疑时计算 lie factor，公式为（视觉变化%）/（数据变化%），可接受范围 0.95–1.05，并与 VDQI 案例目录对比命名；识别存在的 chartjunk 类型（moiré vibration、dreaded grid、duck、decoration）；对候选图形类型排序并挑战默认选择，若首选与无提示 Claude 会选的类型相同，必须说明替代方案损失或改用第二线 VDQI 手法；计算加权总分（integrity 3×、proportionality 2×、data-ink 2×、typography 0.5×、其余 1×）；将分数转化为按影响排序的修复项，每项可带 remedy（B1–B7）、genre（C1–C10）、anti-pattern resemblance（Part E 案例）、exemplar（Part F 图形）标签。若为多年货币序列，检查 B7，使用 scripts/deflate.py（需真实 CPI 值，拒绝猜测）。
输出格式：包含 Assessment、Context、Scores、Chartjunk species present、Distortion check、Genres considered（排序）、Overall、Fixes（按影响排序）等部分。
适用场景：评估已有数据图形、诊断失真与装饰问题、决定应改用何种 Tufte 图形。限制：依赖用户提供图形信息；lie factor 计算需比例可疑；deflate.py 需真实 CPI 值；资料未提供具体安装命令或平台信息。