lijianfei.com

如果你曾尝试让大语言模型（无论是 GPT-4o 还是 Claude 3.5 Sonnet）根据实验数据绘制科研图表，大概率体验过那种熟悉的“塑料感”与挫败感：

一敲回车，AI 熟练地掏出 Matplotlib 祖传的 tab10 默认配色（刺眼的亮蓝 #1f77b4 与土橙 #ff7f0e），画出粗糙的 72 DPI 位图；更致命的是，面对缺失的数据它会自作主张地凭空脑补置信带，或者在 10 英寸的大画布上随手设一个 9pt 字体——一旦插进 LaTeX 双栏论文，整个图表同比腰斩缩放，坐标轴上的数字瞬间缩小成辨认不清的“蚂蚁字”。

开源项目 vivid-figures-skill（生动数据图） 正是为此而生。它将原本在数学建模国赛与美赛（MCM/ICM）高强度实战中锤炼出的绘图体系，封装成了面向 Claude Code 等环境的原生 Agent Skill。它没有停留在简单的 Prompt 调教层面，而是构建了一整套包含 108 个生产级图表配方、双风格去指纹色彩体系、物理尺寸前置预计算与多模态闭环审图的严密工业级管线。

在日常的技术分享、商业路演或架构设计中，我们经常需要制作高水准的“信息图表（Infographic）”。

然而，传统的图表制作方式充满了妥协与痛苦：

• 用 ECharts 或普通的折线图/柱状图，信息形式过于单一刻板，无法生动表达复杂的商业逻辑与战略流程；
• 用 Mermaid 或 PlantUML，虽然可以通过代码生成，但其默认排版视觉极其粗糙，几乎无法直接用于正式的客户演示与对外公众号发布；
• 打开 Figma、Illustrator 或 Canva，虽然设计感足够强，但每一个图块、对齐参考线、渐变色都要手动拖拽数小时，根本无法与现代自动化代码管线或 AI Agent 相整合。

阿里巴巴/蚂蚁集团旗下面向数据可视化的顶级开源团队 AntV，近期正式推出了全新力作 —— AntV Infographic（GitHub: antvis/Infographic）。它旨在彻底填补“代码表达能力”与“专业设计师视觉美感”之间的巨大鸿沟：只需输入结构化的文本或 JSON 数据，即可毫秒级渲染出具备现代商业设计质感的高清信息图表，并支持 AI 智能配色、所见即所得交互编辑以及 100% 矢量无损 SVG/PDF 导出。

本文将为你深度拆解 AntV Infographic 的核心架构体系、布局算法以及将自然语言转化为专业信息图的落地实战。