每日热门skill- smart-charts深度拆解，上传一张Excel，AI给我吐了10张交互图表？这个Skill我赌你没玩过

原创于 2026-09-02 10:28:25 发布 · 55 阅读

4 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

热门skill

基金定投助手：为什么你的基金定投总在追涨杀跌？价值平均法定投引擎 + 综合估值模型+动态再平衡仓位管理，一个单文件 HTML 的免费定投工具-CSDN博客
https://download.csdn.net/download/weitingfu/93339607?spm=1011.2124.3001.6210

一个让数据分析师沉默、让运营小白流泪的AI神器 ——smart-charts深度拆解

前言：被Excel图表支配的恐惧

你有没有过这种时刻？

主管拍了拍你的肩膀：“小王，把这份销售数据做个图，明天早会要用。”

你打开Excel，看着那4000行明细数据，开始了痛苦的旅程：

选柱状图还是折线图？不确定
数据要透视吗？要
配色怎么搞？蓝红绿……
怎么导出高清PNG？百度一下
上次那个柱状图怎么叠加双轴来着？忘了

折腾两小时，做出一张"看起来还行"的图。

然后第二天发现主管不要柱状图，要的是漏斗图。

崩溃吗？

如果有这样一个工具：你把Excel丢给它，它自己理解数据、自己选图表、自己配色、最后给你吐出一个带交互的HTML页面，鼠标悬停就能看明细——

你愿意为它放弃Excel吗？

今天这个主角，我赌80%的打工人没见过。

它叫 smart-charts，SkillHub热门榜#17，22.6万次下载，226K次安装，让无数数据小白实现了"上传即图表"的魔法。

一、smart-charts到底是个什么玩意儿？

一句话：把数据文件丢给AI，自动产出专业级交互图表的Skill。

更详细点：它是个智能化图表生成 + 数据分析的Skill，能读懂你上传的CSV/Excel/JSON数据，借助LLM理解数据特征，自动推荐合适的图表类型，然后生成基于ECharts的交互式可视化页面。

数据分析师看完沉默了3秒，然后默默关掉了Tableau。

根据SkillHub官方数据，smart-charts支持：

能力	描述
图表类型	26种（柱状图、折线图、饼图、散点图、热力图、桑基图…）
主题	3套配色主题
输入格式	CSV / Excel / JSON
输出格式	交互式HTML（可保存为图片）
适用版本	8.0.1（持续迭代中）
安装量	226,046次（截至2026年9月）

26种图表，光这一条就够吹一年了。我们对比一下：

工具	图表种类	操作方式	AI能力
Excel	约15种	手动选择	无
Tableau	50+种	拖拽配置	弱
smart-charts	26种核心	一句话	强

它不追求图表数量爆炸，而是聚焦用AI把合适的图表配给合适的数据。

二、痛点：为什么传统做图这么痛？

我用三个真实场景来说明，为什么大家做图这么痛苦：

场景1：周报里的销售漏斗

销售总监让你做"访客→注册→付费→复购"的转化漏斗。

你在Excel里一顿操作：插入→图表→漏斗图→选数据→调整样式→截图→粘到PPT。

耗时：30分钟。

smart-charts的流程：丢Excel进去 → 说一句"做成漏斗图" → 30秒拿到交互式HTML。

场景2：用户分群的多维对比

产品经理要做"高/中/低价值用户"在5个维度的对比图。

传统做法：做5个子图，或者用雷达图。

smart-charts的玩法：丢数据 + “按用户分群做多维对比” → AI自动生成雷达图/分组柱状图/平行坐标图三选一，附带数据洞察。

场景3：30个产品的销售趋势对比

运营让你看30个SKU的月度销售趋势。

传统方法：30条线画在一起？图例都看不清。

smart-charts的处理：自动判断数据量级，给出"Top10折线图 + 其他汇总"的优化方案，或者推荐热力图呈现。

看到了吗？

传统工具的核心痛点是：你要懂图表 + 懂数据 + 懂工具。

smart-charts的核心理念是：你只要懂业务。剩下的，它来。

三、技术架构：它是怎么做到的？

打开smart-charts的源码，它的架构非常清晰，可以分成三大层：

┌──────────────────────────────┐
│   输入层（数据接入）          │
│   CSV / Excel / JSON 解析器  │
└──────────────────────────────┘
              ↓
┌──────────────────────────────┐
│   智能层（LLM 数据理解）      │
│   • 字段语义识别              │
│   • 数据分布推断              │
│   • 图表类型推荐              │
└──────────────────────────────┘
              ↓
┌──────────────────────────────┐
│   输出层（ECharts 渲染）      │
│   26种图表 / 3主题 / 交互     │
└──────────────────────────────┘

3.1 输入层：万能数据适配器

不管你是：

数据库导出的CSV
业务系统的Excel（多个Sheet也支持）
API返回的JSON

它都能识别。

关键技术点：

自动推断字段类型（数值/分类/时间/地理）
自动识别表头（支持中英文混合）
智能清洗脏数据（空值、异常值、重复值）

3.2 智能层：数据理解引擎

这层是smart-charts的灵魂。

当数据进入后，LLM会做四件事：

画像扫描：列数、行数、字段类型、数据分布
语义理解：哪个字段是"分类"？哪个是"度量"？哪个是"时间"？
意图识别：用户可能想看什么？（对比？趋势？占比？相关性？）
图表推荐：根据以上信息，从26种图表中选最合适的1-3种

举个例子：

输入数据：日期、品类、销量、利润率
AI推理：
- 有日期 → 时间序列
- 有品类 → 分类维度
- 有销量+利润率 → 双度量
推荐图表：
- 折线图（销量趋势）
- 分组柱状图（品类对比）
- 散点图（销量vs利润率相关）

3.3 输出层：ECharts 渲染引擎

为什么选ECharts而不是D3.js或Chart.js？

特性	ECharts	Chart.js	D3.js
图表种类	100+	8	无限制
交互能力	强	弱	极强
学习曲线	中	低	陡
文档完善度	高	中	低
中文支持	优秀	一般	一般

smart-charts选ECharts，就是为了在"开箱即用"和"功能强大"之间取得平衡。

26种图表清单（按场景分类）：

趋势类（5种）：折线图、面积图、堆叠面积图、平滑曲线图、双轴图

对比类（6种）：柱状图、条形图、分组柱状图、堆叠柱状图、雷达图、玫瑰图

占比类（4种）：饼图、环形图、玫瑰饼图、矩形树图

分布类（5种）：散点图、气泡图、直方图、箱线图、小提琴图

关系类（4种）：热力图、平行坐标图、桑基图、关系图

地理/特殊类（2种）：地图、词云

四、实操演示：3分钟搞定专业图表

说了这么多，不如动手一下。

4.1 安装（一行命令）

clawhub install smart-charts

4.2 准备数据

假设你有一份 sales_2026.csv：

月份,品类,销售额,利润率,客户数
1月,手机,1200000,0.15,8500
1月,电脑,800000,0.18,4200
1月,配件,200000,0.25,15000
2月,手机,1350000,0.16,9200
2月,电脑,950000,0.19,5100
2月,配件,250000,0.26,18000
...

4.3 自然语言指令

把这个文件丢给AI助手：

"分析这份2026年销售数据，生成完整的可视化报告。
要求：
1. 展示月度整体趋势
2. 按品类对比销售表现
3. 分析利润率分布
4. 找出销售额与利润率的关系"

4.4 智能输出

AI会基于smart-charts的指令体系，调用相应的图表生成能力，最终产出一个类似这样的HTML页面：

┌─────────────────────────────────────┐
│  📊 2026销售数据可视化报告          │
├─────────────────────────────────────┤
│  [折线图] 月度销售趋势              │
│  [柱状图] 品类对比（手机/电脑/配件）│
│  [箱线图] 利润率分布                │
│  [散点图] 销售额vs利润率相关        │
│  [玫瑰图] 各品类占比               │
└─────────────────────────────────────┘

并且每张图都支持：