liushunqi8-hash/editaplot2026
# 技术雷达学习卡：EditaPlot
一、一句话定位
AI 驱动的 Windows 本地科研绘图 Skill，自动理解实验数据、推荐图形并调用 Origin 生成可编辑 OPJU 及 PNG/PDF/TIF 导出。
二、核心技术/架构亮点
1. 列用途智能分类：将表格每一列识别为主要证据、辅助、计算等，避免误画。
2. 参考图语法提取：从参考图提取图形风格（面板、配色、线型），不复制数据或文字。
3. 多领域模板覆盖：材料（XPS、XRD、FTIR 等）、统计、医学（SHAP、ROC）等 20+ 图形类型。
4. 严格确认机制：每次数据或列映射变化后强制用户确认科学含义，不擅自拟合或补列。
5. 自动 Origin 实例管理：无需预开 Origin，自动启动专用实例并验证导出产物对象完整性。
三、适用场景与目标用户
- 用户：材料科学、化学、医学等领域的科研人员，需要快速将实验数据转化为可编辑的 Origin 图表。
- 场景：重复性科研绘图（如 XRD 精修、XPS 拟合、多面板对比），希望保持手动编辑能力但避免繁琐操作。
- 限制：仅 Windows 10/11 x64 实体机，依赖 Origin 2026。
四、可动手动作
1. Clone 并运行：在 Windows 物理机上 `git clone`，安装 Python 3.10–3.12 及依赖，通过 Codex 调用 Skill。
2. 准备数据：将实验数据存为 CSV/TXT/XLS，上传后由 EditaPlot 自动解析。
3. 借鉴思路：在自研工具中复用“列用途标记 + 强制确认+ 模板+ 参考图风格提取”的流水线设计。
4. 直接使用：参考仓库提供的示例文件（如 `example_gsas_powder.csv`）熟悉格式后生成图表。
五、学习优先级
P1（排期）
理由：项目专用于 Windows + Origin 2026，环境依赖强，非通用组件，但其数据理解与图形推荐思路值得排期跟进，可用于同类科研自动化工具的设计参考。
六、主题标签
科研绘图⌂