原理：scipilot-figure-skill 的 visual_qa 如何攔截缺字與亂碼)
代碼實現(xiàn)原理scipilot-figure-skill 的 visual_qa 如何攔截缺字與亂碼【免費下載鏈接】scipilot-figure-skillSciPilot Skills family - Publication-grade scientific figure copilot for Claude Code項目地址: https://gitcode.com/gh_mirrors/sc/scipilot-figure-skillscipilot-figure-skill 是 SciPilot Skills 家族的科研數(shù)據(jù)可視化顧問技能而它的 scripts/visual_qa.py 正是出圖后「程序自檢」的機器層——專治 matplotlib 成圖中最常見的缺字與亂碼中文變□□□豆腐塊、負號變方框、±、μ、希臘字母缺字并順帶檢查文字越界裁切和刻度標簽重疊把排版問題擋在投稿之前。為什么缺字亂碼會藏到投稿才暴露matplotlib 處理缺字的方式非常溫柔遇到缺失字符只發(fā)一條 warning圖照樣畫出來不報錯根因分析見 references/viz_pitfalls.md 的 P16 條目。而它的默認字體DejaVu Sans 等根本不含中文字符表axes.unicode_minusTrue時負號也可能渲染成方框。于是常見事故就是畫的時候沒注意終端里那行小字投稿時審稿人看到的卻是一張滿是方框的圖。visual_qa要解決的就是把這兩條告警通道變成必須過審的質(zhì)檢關(guān)卡。設計定位自檢閉環(huán)里的機器那一層v2.1 版本的視覺自檢閉環(huán)分為兩層分工詳見 references/visual_review.md層負責抓程序自檢本文主角 visual_qa確定性問題缺字亂碼、文字越界裁切、刻度標簽重疊AI 讀圖感知性問題圖例壓數(shù)據(jù)、子圖標簽對齊、配色灰度可分缺字亂碼屬于確定性問題——字體表里有沒有這個字符答案唯一所以交給程序判斷又快又不會漏。核心實現(xiàn)①雙通道攔截缺字告警缺字檢測的入口是_draw_and_collect_glyph_warnings。它的關(guān)鍵設計是同時掛住兩條告警通道warnings 通道用warnings.catch_warnings(recordTrue)記錄渲染期間所有 warning老版本 matplotlib 走這條logging 通道自定義_GlyphLogHandler掛到matplotliblogger 上新版本走這條。兩邊都用一組關(guān)鍵詞過濾_GLYPH_MARKERSmissing from、Glyph、findfont命中即收集最后去重并保持順序。渲染這一步很講究fig.savefig直接寫進內(nèi)存BytesIO不落盤——目的不是存圖而是讓 renderer 真正執(zhí)行一次繪制缺字告警只在真正繪制時觸發(fā)順便讓 renderer 就緒供后續(xù)的文字越界測量復用。核心實現(xiàn)②缺字即 FAIL并附上修復建議audit_layout匯總所有檢測結(jié)果返回[(severity, msg), ...]列表嚴重級別約定與 scripts/check_figure.py 保持一致INFO WARN FAIL。缺字被直接判定為FAILaudit_layoutL148-L157且告警信息不是冷冰冰的一句出錯而是帶著處方檢測到缺字成圖會出現(xiàn)方框/亂碼……中文圖請先setup_style(langzh)配置 CJK 字體若是負號方框確認axes.unicode_minusFalse。這樣 AI 或開發(fā)者拿到報告就能直接定位到 scripts/setup_style.py 的字體配置環(huán)節(jié)去修而不是反復猜。核心實現(xiàn)③順手把裁切和刻度重疊也查了renderer 就緒之后audit_layout還做兩項 WARN 級檢查文字越界裁切遍歷圖中所有可見Text對象用get_window_extent(renderer)量出包圍盒超出畫布邊界留 2px 容差就告警。注意它刻意跳過刻度標簽——刻度貼邊屬于constrained_layout的自動處理范圍查它們只會誤報L168-L198刻度標簽重疊對相鄰 tick label 的包圍盒做水平/垂直相交判斷x 軸看水平、y 軸看垂直容差 1px相交即提示旋轉(zhuǎn)刻度或減少刻度_ticklabels_overlap。整個過程非破壞性只渲染測量不修改 fig 內(nèi)容。配套能力render_preview 渲出可被 AI 看見的預覽程序查完確定性問題感知性問題還得靠 AI 讀圖。render_preview負責把圖柵格化成中分辨率 PNG默認 150 dpibbox_inchestight——矢量 PDF/SVG 沒法直接看像素重疊必須先轉(zhuǎn)位圖。它接受三種輸入matplotlib Figure 對象主路徑、已落盤的位圖路徑、PDF需可選依賴 PyMuPDF。典型的自檢閉環(huán)用法只有三行from visual_qa import render_preview, audit_layout, print_report render_preview(fig, figs/_preview.png, dpi150) # 給 AI 讀圖 print_report(audit_layout(fig)) # 缺字/裁切/重疊隨后用 Read 工具讀這張 PNG對照 references/visual_review.md 的 8 項讀圖清單逐條核對發(fā)現(xiàn)問題回改、重渲、再讀直到通過SKILL.md 第 6 步 有完整流程。相關(guān)文件導航文件角色scripts/visual_qa.py本文主角雙通道缺字攔截 裁切/重疊檢查 PNG 預覽references/visual_review.md視覺自檢閉環(huán)協(xié)議AI 讀圖 8 項清單 回改對應表references/viz_pitfalls.mdP16 缺字亂碼條目根因分析與正確做法scripts/setup_style.pyCJK 字體自動配置從源頭減少亂碼SKILL.md8 步核心工作流與自檢閉環(huán)定義一句話總結(jié)visual_qa的精髓不在于檢測本身而在于它把 matplotlib 那條容易被忽略的缺字 warning升級成了一條必須處理才能過檢的 FAIL 關(guān)卡——再配合 AI 讀圖復核感知性問題中文方框和亂碼在導出之前就被攔下了?！久赓M下載鏈接】scipilot-figure-skillSciPilot Skills family - Publication-grade scientific figure copilot for Claude Code項目地址: https://gitcode.com/gh_mirrors/sc/scipilot-figure-skill創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 代碼實現(xiàn)原理：scipilot-figure-skill 的 visual_qa 如何攔截缺字與亂碼
代碼實現(xiàn)原理scipilot-figure-skill 的 visual_qa 如何攔截缺字與亂碼【免費下載鏈接】scipilot-figure-skillSciPilot Skills family - Publication-grade scientific figure copilot for Claude Code項目地址: https://gitcode.com/gh_mirrors/sc/scipilot-figure-skillscipilot-figure-skill 是 SciPilot Skills 家族的科研數(shù)據(jù)可視化顧問技能而它的 scripts/visual_qa.py 正是出圖后「程序自檢」的機器層——專治 matplotlib 成圖中最常見的缺字與亂碼中文變□□□豆腐塊、負號變方框、±、μ、希臘字母缺字并順帶檢查文字越界裁切和刻度標簽重疊把排版問題擋在投稿之前。為什么缺字亂碼會藏到投稿才暴露matplotlib 處理缺字的方式非常溫柔遇到缺失字符只發(fā)一條 warning圖照樣畫出來不報錯根因分析見 references/viz_pitfalls.md 的 P16 條目。而它的默認字體DejaVu Sans 等根本不含中文字符表axes.unicode_minusTrue時負號也可能渲染成方框。于是常見事故就是畫的時候沒注意終端里那行小字投稿時審稿人看到的卻是一張滿是方框的圖。visual_qa要解決的就是把這兩條告警通道變成必須過審的質(zhì)檢關(guān)卡。設計定位自檢閉環(huán)里的機器那一層v2.1 版本的視覺自檢閉環(huán)分為兩層分工詳見 references/visual_review.md層負責抓程序自檢本文主角 visual_qa確定性問題缺字亂碼、文字越界裁切、刻度標簽重疊AI 讀圖感知性問題圖例壓數(shù)據(jù)、子圖標簽對齊、配色灰度可分缺字亂碼屬于確定性問題——字體表里有沒有這個字符答案唯一所以交給程序判斷又快又不會漏。核心實現(xiàn)①雙通道攔截缺字告警缺字檢測的入口是_draw_and_collect_glyph_warnings。它的關(guān)鍵設計是同時掛住兩條告警通道warnings 通道用warnings.catch_warnings(recordTrue)記錄渲染期間所有 warning老版本 matplotlib 走這條logging 通道自定義_GlyphLogHandler掛到matplotliblogger 上新版本走這條。兩邊都用一組關(guān)鍵詞過濾_GLYPH_MARKERSmissing from、Glyph、findfont命中即收集最后去重并保持順序。渲染這一步很講究fig.savefig直接寫進內(nèi)存BytesIO不落盤——目的不是存圖而是讓 renderer 真正執(zhí)行一次繪制缺字告警只在真正繪制時觸發(fā)順便讓 renderer 就緒供后續(xù)的文字越界測量復用。核心實現(xiàn)②缺字即 FAIL并附上修復建議audit_layout匯總所有檢測結(jié)果返回[(severity, msg), ...]列表嚴重級別約定與 scripts/check_figure.py 保持一致INFO WARN FAIL。缺字被直接判定為FAILaudit_layoutL148-L157且告警信息不是冷冰冰的一句出錯而是帶著處方檢測到缺字成圖會出現(xiàn)方框/亂碼……中文圖請先setup_style(langzh)配置 CJK 字體若是負號方框確認axes.unicode_minusFalse。這樣 AI 或開發(fā)者拿到報告就能直接定位到 scripts/setup_style.py 的字體配置環(huán)節(jié)去修而不是反復猜。核心實現(xiàn)③順手把裁切和刻度重疊也查了renderer 就緒之后audit_layout還做兩項 WARN 級檢查文字越界裁切遍歷圖中所有可見Text對象用get_window_extent(renderer)量出包圍盒超出畫布邊界留 2px 容差就告警。注意它刻意跳過刻度標簽——刻度貼邊屬于constrained_layout的自動處理范圍查它們只會誤報L168-L198刻度標簽重疊對相鄰 tick label 的包圍盒做水平/垂直相交判斷x 軸看水平、y 軸看垂直容差 1px相交即提示旋轉(zhuǎn)刻度或減少刻度_ticklabels_overlap。整個過程非破壞性只渲染測量不修改 fig 內(nèi)容。配套能力render_preview 渲出可被 AI 看見的預覽程序查完確定性問題感知性問題還得靠 AI 讀圖。render_preview負責把圖柵格化成中分辨率 PNG默認 150 dpibbox_inchestight——矢量 PDF/SVG 沒法直接看像素重疊必須先轉(zhuǎn)位圖。它接受三種輸入matplotlib Figure 對象主路徑、已落盤的位圖路徑、PDF需可選依賴 PyMuPDF。典型的自檢閉環(huán)用法只有三行from visual_qa import render_preview, audit_layout, print_report render_preview(fig, figs/_preview.png, dpi150) # 給 AI 讀圖 print_report(audit_layout(fig)) # 缺字/裁切/重疊隨后用 Read 工具讀這張 PNG對照 references/visual_review.md 的 8 項讀圖清單逐條核對發(fā)現(xiàn)問題回改、重渲、再讀直到通過SKILL.md 第 6 步 有完整流程。相關(guān)文件導航文件角色scripts/visual_qa.py本文主角雙通道缺字攔截 裁切/重疊檢查 PNG 預覽references/visual_review.md視覺自檢閉環(huán)協(xié)議AI 讀圖 8 項清單 回改對應表references/viz_pitfalls.mdP16 缺字亂碼條目根因分析與正確做法scripts/setup_style.pyCJK 字體自動配置從源頭減少亂碼SKILL.md8 步核心工作流與自檢閉環(huán)定義一句話總結(jié)visual_qa的精髓不在于檢測本身而在于它把 matplotlib 那條容易被忽略的缺字 warning升級成了一條必須處理才能過檢的 FAIL 關(guān)卡——再配合 AI 讀圖復核感知性問題中文方框和亂碼在導出之前就被攔下了?！久赓M下載鏈接】scipilot-figure-skillSciPilot Skills family - Publication-grade scientific figure copilot for Claude Code項目地址: https://gitcode.com/gh_mirrors/sc/scipilot-figure-skill創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考