企业官网建设流程全解析

从 Claude Code DataViz Skill 看数据形态选择：choosing-a-form 教你在配色之前先定图表形式

【免费下载链接】system_prompts_leaksExtracted system prompts from Anthropic - Claude Fable 5, Opus 5, Claude Design, Claude Code. OpenAI - ChatGPT GPT-5.6-Sol, Codex. Google - Gemini 3.5 Flash, 3.1 Pro, Antigravity. xAI - Grok, Cursor, Copilot, VS Code, Perplexity, and more. Updated regularly.项目地址: https://gitcode.com/GitHub_Trending/sy/system_prompts_leaks

在 system_prompts_leaks 仓库收录的 Claude Code 数据可视化技能（DataViz skill）中，references/choosing-a-form.md是整套作图流程的第一步：它回答"这份数据该用哪种形式呈现"，并且明确了一个反直觉的原则——形态决策必须发生在配色之前，而且正确的形式有时根本不是图表。读完本篇，你将掌握一套可直接落地的形态判定法：先判断"是不是图表"，再按"读者的任务"映射到具体图表类型，最后用系列数量阶梯控制分类色用量——并能把它与同技能的色板校验脚本、标记规格串联成完整的交付流程。

一、方法论定位：形态是第一步，颜色排最后

DataViz skill 的主入口 SKILL.md 把"把图做好看"改写成了七步可检查流程，其第一条就是Pick the form（选择形态），并直接指向本文档：

What is the data's job — magnitude, identity, polarity, a single headline, change-over-time? The job picks the chart type, and sometimes the answer isnot a chart.

choosing-a-form.md的开头同样立规矩："Decide thisbeforecolor. The data's job picks the form — and sometimes the right form is not a chart."（在配色之前决定；数据的任务决定形态——有时正确的形态根本不是图表。）原文还点出了多数烂图的通病："Most bad charts pick colors first"（多数坏图表先挑了颜色）。也就是说，这套方法把"形态"当作流程里的硬约束，而不是审美偏好。

二、第一问：它到底是不是图表？

文档的第一张决策表覆盖"数据不是图表"的四种情形。完整继承如下：

这张表在同技能其他参考文件中有明确的下游规格支撑，可以印证每条"用/不要用"背后的实现约定：

• Stat tile 有固定契约：marks-and-anatomy.md 定义其结构为label（句子式大小写，不带尾随冒号）·value（Sans semibold，自动紧凑化：1,284 / 12.9K / $4.2M）·delta（可选；带符号、相对命名周期，颜色 = 方向 × 上升是否为好）·trend（可选；12 点 sparkline，用弱化的中性色，当前周期用强调色）。
• Meter 的轨道必须是"同一色阶的浅一级"（蓝对蓝，而非白色轨道），让状态在整个条上可读；填充承载严重度（accent → warning → danger）。
• Hero figure 每视图严格只能有一个，≥48px，且必须与全站同为无衬线字体——用 display 或衬线字体会被 anti-patterns.md 判为 "off-brand decoration"。
• 超过约 7 个有意义类别时用表格：anti-patterns 里对应条目是 "More than ~7 color classes carrying meaning"，理由是 "Past ~7 bins, adjacent classes blur"（超过 7 个分箱后相邻类别开始模糊）。

值得注意的是，stat tile、hero figure 这类"数字即图表"的形式在整个流程中享有特殊豁免：interaction.md 指出，唯一可以省略 hover 层的形态是"没有绘图区的裸 stat tile"。

三、任务 → 类型映射表

如果确认"图表是对的"，文档给出第二张表：按"读者必须完成的任务"选类型。完整继承：

这张表的"颜色任务"列与 color-formula.md 的"四种工作"一一对应：categorical（身份）、sequential（幅度）、diverging（极性）、status（状态）。几个关键行的取舍逻辑值得展开：

• emphasis 行是该表里被文档自己点名为"最被低估的形式"（下一节详述）。它的颜色任务只有"1 个色相 + 灰"，因此对色板的要求最低。
• diverging 行区分了两种"带中心"的场景：连续极性与有序离散份额（Likert/情感）。两者都要求中性点为灰，且两极必须"读起来相反"——参考色板 palette.md 明确记录 blue↔aqua 被否决（两者都偏冷），最终选 blue↔red 加灰色中性点。
• 部分对整体只认 stacked bar。anti-patterns 的对应条目是 "A donut/pie for comparing close values"，结论是 "A bar, or the numbers. Part-to-whole at a glance only, ≤ 6 segments"；components.md 也把 part-to-whole 挂在 stacked bar 上，"donut stays deprioritized"。
• 表格中"网格场景"（heatmap）对应 sequential 编码，即连续幅度：最浅一级表示"接近零"，允许贴近背景色。参考实例中 sequential 默认色相为 blue，100→700 全阶见 palette.md。

四、表格背后的四条规则

文档在映射表之后给出四条元规则，它们是表的"宪法"，完整继承：

1. Sequential 是安全的默认值。单一色相、越多越深（one hue, more-is-darker）。它易读、一致、难以误读——除非数据的任务明确是身份（identity）或极性（polarity），否则就用它。
2. Categorical 只用于"序列本身就是主角"的场景——且有真实代价：它可能淹没那个真正重要的数据点。如果故事是"这一个涨了"，那是emphasis，不是 categorical。anti-patterns 把这条写成独立条目 "Eight categorical hues when the story is one number"，并称其为 "The most common way a chart misses its point"（图表最常见跑题方式）。
3. Emphasis = 最被低估的形式。一个序列用强调色相，其余用弱化灰。文档原话："Often the honest answer to 'make this chart clearer.'"（对"把这张图弄得更清楚"这个要求，它常常是诚实的答案。）
4. Texture 是可选表达，不是默认形式。它只在无障碍（完全色觉障碍 CVD）、打印/导出、forced-colors场景下挣得位置，永不做装饰。文档指向marks-and-anatomy.md的 texture 小节：一种方向性手绘填充，只用45° 与其 135° 镜像（横竖方向会被读成网格线/柱条），在数值刻度上按大小有序旋转，由无障碍设置触发而非默认开启。

这四条规则解释了表格为什么长成那样：sequential 覆盖"比较大小"这类默认任务；categorical 与 emphasis 的边界由"谁才是主角"划分；diverging 独占极性任务；texture 则被排除在"形式"之外，降级为备用通道。

五、系列数量阶梯：categorical 颜色的配额制

文档最后一张表规定 categorical 色相按系列数量分级处理，完整继承：

表后还有一句硬性禁令，值得单列：

Never solve "too many series" by generating more hues. A generated 9th hue is indistinguishable from an existing one under CVD and breaks every check.（永远不要靠"生成更多色相"来解决"系列太多"。生成出来的第 9 个色相在色觉障碍下与现有色相无法区分，并且破坏所有检查。）

这个"3 系列上限"不是拍脑袋，而是参考色板实测数据推出来的。palette.md 记录了默认 8 槽色板在--pairs all（全对检查）下的表现：完整 8 个色相在任何排序下都无法通过 28 对全检——因为此时对列与顺序无关；只有前 3 槽在 light/dark 两种模式下都能通过全对校验（最劣对 CVD Delta E 9.2 light / 9.4 dark，正常视觉 24.0 light / 20.9 dark）。一旦放进第 4 槽，黄色与橙色同屏，该对直接不及格（正常视觉 13.7 light，低于 15 的硬门槛；CVD 4.8 dark）。

这个校验如何落地，见 color-formula.md 的六项检查：第 4 项 CVD 分离度（OKLab Delta E ×100，目标 ≥8，地板 ≥6 且仅允许配合次级编码）外加正常视觉地板（最劣对 ≥15，硬门槛，次级编码不能豁免），并规定"scatter、bubble、choropleth、small multiples 必须传--pairs all"。其执行载体是同技能的可运行脚本 validate_palette.js（Python 孪生实现 validate_palette.py），典型命令：

node scripts/validate_palette.js \ "#2a78d6,#eb6834,#1baf7a,#eda100,#e87ba4,#008300,#4a3aa7,#e34948" --mode light

scripts/相对于该技能的基目录；scatter/bubble/choropleth/small multiples 类图表需追加--pairs all，ordinal 色阶用--ordinal切换检查集。SKILL.md 把这个脚本称为"可计算的、必须运行而不是目测"的一环——"the color part is computable, so compute it"。

六、从形态到交付：把选择串起来

回到流程视角，choosing-a-form.md的输出直接决定后续步骤的参数：

1. 形态决定组件类型——bar / line / stacked / area / heatmap / stat tile / meter / hero figure，组件清单与层级见 components.md（Tier 1 为 bar、line、stat tile、meter；Tier 2 补上 area、sparkline、heatmap 等）。
2. 形态中的"颜色任务"列决定调色模式：sequential 单色相、categorical 固定 8 槽顺序（"never cycled"）、diverging 双色相 + 灰中性点、status 固定四阶且永不复用给"系列 4"。
3. 系列数决定是否触发直接标注强制项（≥4）、是否落到 "Other"/facet 折尾，以及是否改用--pairs all全对校验。
4. 无论选到什么形态，标记规格固定不变：柱宽 ≤24px、线条 2px、marker ≥8px、面积填充 ~10% 不透明度、网格线 1px 实线且低调、2px 表面色间隙与 2px 表面色环、选择性直接标注（详见 marks-and-anatomy.md）；交互层默认交付：line/area 配十字线 + tooltip，bar/dot/cell 配逐标记 hover，且所有值必须另有一条无 hover 的可达路径（表格视图）。

可以推断，这套设计的意图是让"选形态"成为一个先于审美、可审计的决策点：两张决策表给出可查的默认值，四条元规则解释取舍边界，数量阶梯把 categorical 色相当成有配额的稀缺资源，而配额上限本身由仓库里可运行的校验脚本实测数据背书。对使用者而言，最实用的工作流就是文档字面给出的顺序——先问任务，查表定形，再谈颜色，最后跑脚本验证。

参考文件索引

【免费下载链接】system_prompts_leaksExtracted system prompts from Anthropic - Claude Fable 5, Opus 5, Claude Design, Claude Code. OpenAI - ChatGPT GPT-5.6-Sol, Codex. Google - Gemini 3.5 Flash, 3.1 Pro, Antigravity. xAI - Grok, Cursor, Copilot, VS Code, Perplexity, and more. Updated regularly.项目地址: https://gitcode.com/GitHub_Trending/sy/system_prompts_leaks