Trực quan hóa khoa học (hình cho bài báo)

Kỹ năng giúp thiết kế, dựng và kiểm tra hình khoa học trung thực, dễ tiếp cận, đạt chuẩn xuất bản bằng Matplotlib, Seaborn hoặc Plotly.

Dữ liệu · Phân tíchNâng cao★ 33,030⑂ 3,248Điểm AI 9/10Cập nhật lần cuối: 9 thg 8, 2026

Làm được gì

Mã hóa dữ liệu trung thực: kiểm tra mốc 0 cho biểu đồ cột, trục kép, trục log, tỉ lệ diện tích/thể tích, cách hiển thị dữ liệu thiếu hoặc bị kiểm duyệt.
Khả năng tiếp cận ngay từ đầu: dùng màu kèm marker/kiểu nét/nhãn trực tiếp, bảng màu Okabe-Ito và Paul Tol, kiểm tra độ tương phản theo WCAG 2.2 (4.5:1 và 3:1).
Triển khai chuẩn mực: API hướng đối tượng của Matplotlib, style_context tạm thời, layout="constrained", API errorbar mới của Seaborn 0.13, lưu ý xuất tĩnh Plotly với Kaleido v1.
Xuất file kèm nguồn gốc: figure_export ghi PDF/PNG/TIFF an toàn, không ghi đè ngầm, lưu manifest gồm dữ liệu gốc, phép biến đổi, khoảng tin cậy và seed.
CLI kiểm tra đi kèm: đọc metadata ảnh (kích thước, DPI hiệu dụng, alpha, ICC, font), kiểm tra tương phản bảng màu, lập kế hoạch xuất theo từng nhà xuất bản.

Phù hợp với ai

Nghiên cứu sinh, nhà nghiên cứu tự làm hình cho bài báo, luận văn
Người từng bị tạp chí trả lại vì sai kích thước, DPI, định dạng hoặc font
Chuyên viên phân tích dữ liệu cần hình đọc được cả khi in đen trắng hoặc với người mù màu
Người phản biện, quản lý phòng lab cần soát tính toàn vẹn của hình

Ví dụ sử dụng

"Tạo hình một cột cho Nature" → sinh code khổ 89 mm, constrained layout, bảng màu Okabe-Ito, rồi chạy export_plan.py --publisher nature --width single để soát trước.
"Kiểm tra file figure1.tiff có đạt yêu cầu nộp bài không" → image_metadata.py báo DPI hiệu dụng, chế độ màu, kênh alpha, kiểu nén và những điểm chưa đạt.
"Vẽ chuỗi thời gian với CI bootstrap 95% và không nối liền đoạn thiếu dữ liệu" → dùng errorbar=("ci", 95), cố định seed, để khoảng thiếu thành gap rõ ràng.

· · · Hướng dẫn cài đặt · · ·

Dùng thử ngay, không cần cài

Dán đoạn dưới vào Claude là dùng được skill này mà không cần cài đặt.

Hãy đọc hướng dẫn trong tệp này và làm theo để giúp mình:
https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/HEAD/skills/scientific-visualization/SKILL.md

Mình muốn: (viết việc bạn cần ở đây)

Nếu Claude không mở được liên kết, hãy mở liên kết và copy nội dung vào rồi dán.

↓ Thấy hữu ích thì tải ZIP bên dưới và cài. Sau đó skill tự chạy, không phải dán lại mỗi lần.

Cài vào ứng dụng Claude (không cần terminal)

Tải tệp ZIP bằng nút bên dưới.
Trong Claude, mở Settings → Capabilities và bật 'Code execution and file creation'. (chỉ một lần)
Vào Customize → Skills → + → 'Upload a skill' rồi tải tệp ZIP lên.

↓ Tải ZIP

Cài vào Claude Code

Để Claude làm — dán câu dưới đây vào Claude Code

Hãy cài skill mình tìm thấy trên Claude Skill Mart.
Copy thư mục skills/scientific-visualization từ repo GitHub K-Dense-AI/scientific-agent-skills vào ~/.claude/skills/scientific-visualization/ của mình.
Sau khi cài xong, cho mình biết skill này làm được gì trong một câu.

Cài bằng lệnh thủ công

git clone https://github.com/K-Dense-AI/scientific-agent-skills.git && mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/scientific-visualization ~/.claude/skills/

⚠ Đây là skill do người khác tạo. Hãy kiểm tra repo gốc trước khi cài.

Mở terminal (macOS: Terminal, Windows: WSL hoặc Git Bash).
Tải mã nguồn: git clone https://github.com/K-Dense-AI/scientific-agent-skills.git
Tạo thư mục kỹ năng: mkdir -p ~/.claude/skills
Sao chép kỹ năng: cp -r scientific-agent-skills/skills/scientific-visualization ~/.claude/skills/
Cài Python 3.11 trở lên và uv: curl -LsSf https://astral.sh/uv/install.sh | sh
Nếu cần xuất ảnh tĩnh từ Plotly, cài thêm Chrome hoặc Chromium.
Khởi động lại Claude Code và thử yêu cầu: "làm hình cho bài báo khoa học".
Kiểm tra nhanh: uv run --isolated --no-project --python 3.13 python ~/.claude/skills/scientific-visualization/scripts/style_presets.py --list

Xem mã nguồn trên GitHub ↗Giấy phép: MIT