用途
light-figure 是 Light 科研流水线中的第 9 个节点，定位为图表规划与绘制技能。它的任务不是单纯把数据画得好看，而是让每张图都为论文论点服务、达到出版级规格，并且不产生视觉误导。它适用于结果分析完成后，需要把结果转化为论文图表、规划一组图表的优先级与预算、选择图型、进行出版级出图、检查图表是否诚实、渲染后回看，以及制作框架图或示意图等场景。
主要能力
技能覆盖从规划到交付的多个环节。规划阶段会盘点多条 claim 与图表的对应关系，为每条核心 claim 配一张图或表，并标注优先级；同时进行图型推荐、规划卡校验和集合预算审计，检查是否超出目标会议的 display-item 上限，以及是否存在冗余 panel。绘制阶段支持 Python 与 R 双路径：统计、生信、社科类图可走 ggplot2，通用图可走 matplotlib，并提供色盲安全色板、出版级导出、误差棒与显著性标注。诚实门阶段通过 visual_honesty_gate.py 检查截断 y 轴、双 y 轴、3D 透视、把不显著结果当主图等问题，其中视觉不诚实和错误呈现证据为 critical，误差棒缺失、色图不当、超预算、冗余 panel 为 warn。渲染回看阶段会抽取 matplotlib 元素的 AABB 交给共享几何引擎，并可将渲染 PNG 喂回多模态模型按 rubric 挑缺陷。
使用方式
技能提供多个脚本。规划阶段可运行 recommend_chart.py 获取图型候选，运行 validate_plan_card.py 校验规划卡，运行 audit_figure_set.py 审计集合预算与冗余。绘制阶段可用 color_palettes.py 取色盲安全色板，用 figure_export.py 按目标期刊栏宽导出，用 r_ggplot.py 探测并调用 R/ggplot2。诚实门阶段运行 visual_honesty_gate.py 生成 findings，再由总控 run_checkpoint --stage 9 聚合。渲染回看阶段运行 figure_visual_qa.py 或调用 run_geometry_qa。交付前可用 figure_contract.py 交叉核对规格、构建与图注。
适用场景
该技能适用于科研论文图表规划与绘制、出版级出图、视觉诚实检查、渲染后质量回看、框架图或示意图的程序化生成等场景。它按需调用，不是全程常驻的横切技能。
限制
论文数据图必须程序化生成，绝不使用 AI 生图。静态 lint 只能抓形态可疑，不能证明图表是否真正误导，最终判断仍需图注和人工或审稿人。图与 claim 的绑定是启发式匹配，无匹配时不标记。rainbow 色图定为 warn 而非 critical。误差棒类型选择、重叠是否显著、类别 rainbow 是否真误导仍需人判。render-then-look 必须真正喂回多模态模型才算验证，未做时如实标注 pixel_review_done=False。R 路径依赖本机安装 R 与 ggplot2、scales 包，探测不到时需用户选择继续 matplotlib 降级、安装配置 R 或提供 Rscript 路径，不得擅自安装。venue 栏宽与 display-item 上限需查目标期刊作者指南或由用户提供，不内嵌本地期刊库。