我之前一直觉得AI画图表就是图一乐。直到我让Claude画了一组销售数据的可视化图表——出来的配色确实很有”学术气息”，字体也选得一言难尽。我当时的想法是：AI离真正可用的数据可视化，还差得远。
但试用了AntV这套chart-visualization-skills之后，我收回了一半的话。AI画图的问题不在AI本身，而在AI缺一套专业的设计规范和组件库。AntV做的，就是给AI补上这块短板。
先说说这是个啥
chart-visualization-skills是蚂蚁集团AntV团队开源的一套可视化Skill，专门给Claude Code、Cursor这类AI编程助手用的。它不是单一工具，而是包含6个技能的套件：智能图表生成、信息图制作、图标检索、叙事文本可视化、透视表开发、图可视化代码生成。
核心思路是给AI一套经过验证的可视化设计规范，让它画图时不再凭感觉乱来。AntV在数据可视化领域做了十多年，G2、G6、S2这些产品在很多大厂的数据平台里都在用。现在他们把这套经验封装成了AI技能。
项目开源在GitHub上，MIT协议，217 Star，14 Fork，33次提交。
数据表现怎么样
| 指标 | 数值 |
|---|---|
| Stars | 217 |
| Forks | 14 |
| Commits | 33 |
| 协议 | MIT |
Star数不高，但工程层面的数据有意思。他们在174个图表生成测试用例上做了评估，G2和G6的代码生成准确率最高达到了98.2%。这意味着什么？你给AI一组数据描述，它生成的图表代码有98%的概率是正确的、能直接运行的。
他们还对比了不同模型的表现：qwen3-coder、Kimi-K2.5、GLM-5.1、DeepSeek-V3.2，在G2/G6生成任务上都有详细数据。能看出团队是认真测过的，不是拍脑袋说”我们准确率很高”。
用了什么技术
| 技术 | 占比/用途 |
|---|---|
| JavaScript | 56.9% |
| TypeScript | 38.2% |
| CSS | 4.9% |
| 包管理 | pnpm（monorepo） |
| 测试 | Vitest |
| 核心生态 | AntV G2 v5 / G6 v5 / S2 / T8 Syntax |
技术选型很AntV——TypeScript为主，monorepo管理多个skill，Vitest做测试。核心依赖全是AntV自家的可视化引擎，没有引入第三方图表库。
几个让我意外的点
6个技能覆盖挺全。 不只是画个柱状图那么简单：
| 技能 | 用途 |
|---|---|
| chart-visualization | 智能图表生成，26+种类型（时序、对比、占比、关系、地理、层级等） |
| infographic-creator | 信息图制作，50+模板 |
| icon-retrieval | 图标库搜索，返回SVG字符串 |
| narrative-text-visualization | 叙事文本可视化，把非结构化数据转成数据报告 |
| antv-s2-expert | 透视表开发助手，多维交叉分析 |
| antv-g6-graph | 图可视化代码生成，网络图、树图、流程图、思维导图 |
| antv-g2-chart | 统计图表代码生成，30+类型 |
图表类型很全。 时序类的折线图、面积图、K线图；对比类的柱状图、条形图、瀑布图；占比类的饼图、环形图、雷达图；关系类的散点图、热力图、箱线图；还有地理类的地图、层级类的树图、统计类的直方图……日常数据分析需要的图表类型基本都有。
Harness Engineering方法。 这是他们自己提的工程方法论，大意是通过大量测试用例来约束和评估AI的生成质量。174个测试用例不是摆设，而是真的在跑、在验证。
仅合并AI生成的代码。 项目README里明确写了：”该项目仅合并AI生成的代码。”贡献方式是提交Issue描述问题，然后指派给@copilot。这个做法挺有意思——用AI来维护AI工具。
适合谁用
- 数据分析师：需要快速出图做报告，但不想在配色和排版上花时间的
- 产品经理：要做数据看板、运营报告，没有设计资源的
- 前端开发者：项目里需要集成图表，想快速生成AntV代码的
- 独立开发者：做数据类应用，需要专业级可视化的
怎么用
安装：
npx skills add antvis/chart-visualization-skills
Claude Code插件方式：
/plugin marketplace add antvis/chart-visualization-skills
也可以用npm包：
npm install @antv/chart-visualization-skills
使用时的对话大概长这样：
你：帮我画一个展示2024年各季度销售额的柱状图
Claude：使用什么配色方案？
你：用AntV默认的商务蓝
...
然后Claude会调用skill，生成符合AntV设计规范的G2代码，直接在浏览器里预览。
CLI也支持：
antv retrieve --query "line chart for monthly revenue"
和同类对比
| 维度 | AntV chart-visualization-skills | AI原生画图（无规范） |
|---|---|---|
| 图表质量 | 专业级，遵循可视化设计规范 | 随机，依赖模型训练数据 |
| 图表类型 | 26+种，覆盖全面 | 基础几种，复杂图表容易出错 |
| 代码可运行性 | 98.2%准确率 | 经常需要人工修复 |
| 生态整合 | 深度整合AntV全家桶 | 无特定生态 |
| 定制能力 | 支持Design Token和主题切换 | 有限 |
| 门槛 | 需要AI编程助手环境 | 任意对话工具 |
核心差异在于：普通AI画图是”凭感觉”，AntV这套是”按规范”。感觉可能好也可能坏，规范保证了下限。
有啥需要注意的
Star数不高，项目很新。 217 Star，33次提交，说明项目刚起步。功能框架搭好了，但社区反馈和长期稳定性还需要观察。
需要AI编程助手环境。 最高效的使用方式是配合Claude Code或Cursor。如果你只是想在普通对话里让它画图，体验会差一些。
中文支持情况不明。 AntV的图表库本身对中文支持不错，但skill层面的中文文档和示例相对有限，中文场景的适配程度需要自己验证。
仅接受AI生成的代码贡献。 这个规则意味着人类开发者不能直接提PR改代码，只能通过Issue描述问题让AI来修。长期来看这种维护模式是否可持续，是个问号。
复杂自定义有门槛。 虽然26+图表类型很全，但如果你需要极度个性化的视觉风格、非标准的数据映射或者复杂的交互逻辑，还是需要深入了解AntV的图形语法，不能完全依赖AI生成。
相关链接
- GitHub：https://github.com/antvis/chart-visualization-skills
- 安装：npx skills add antvis/chart-visualization-skills
- npm包：@antv/chart-visualization-skills
AntV这套skill解决了一个很具体的问题：AI画图不好看，不是因为AI笨，而是因为AI缺一套专业的设计规范。他们把自己十多年在数据可视化领域的经验封装成了AI技能，让Claude在画图时有了”审美标准”。
98.2%的代码生成准确率、26+图表类型、50+信息图模板，数据上说得过去。但项目很新，217 Star说明还没大规模验证。如果你已经在用AntV的图表库，这套skill能显著提升效率；如果你只是偶尔画个图，可能感触不深。
这套skill的价值不在替代数据可视化工程师，而在让”不会画图”的开发者也能拿出专业水准的图表。上限能到多高，得看AntV后续能把规范堆多厚。
还在用Excel默认图表配色的，可以试下。