季度汇报前一天，小林把三个渠道的销售额丢给 AI，让它「画个图」。拿回来的是一张 3D 饼图，六个扇区颜色相近，投影角度把最小的那块压成了一条细线。会上有人问「哪个渠道涨得最快」，图上根本看不出来——这张图回答的是「各占多少」，问题问的却是「谁在变」。图表选型出错的现场大多长这样：图和问题没对上，后面调颜色、换字体都救不回来。
先有结论，后有图形
动手前先写一句话，比如「A 渠道的增速是 B 的两倍」。写不出来，说明还没想清楚要表达什么，这时候画什么图都是碰运气。这句话还有第二个作用：它逼你确认口径。增速是同比还是环比，销售额含不含退款，统计的是下单还是发货——口径差一点，会上就会被问住。
顺序定下来之后，选型就成了查表动作：问题类型决定图形类型，图形类型再决定坐标轴、刻度、排序。跳过这一步直接让模型出图，它只能按最常见的样子给，而最常见的样子服务于「把数据摆出来」，不服务于「支撑一个判断」。
从一句话到一张图，中间隔着五个动作
整个过程可以拆成五个动作，每一步都有交付物，也都有对应的失手方式：
| 步骤 | 产出物 | 常见坑 |
|---|---|---|
| 写下结论句 | 一句带主语、指标、方向和量级的话 | 写成「看一下各渠道情况」，等于没有结论 |
| 确认口径 | 时间范围、统计口径、异常值怎么处理的说明 | 同比和环比混着比，涨跌结论完全反过来 |
| 选图形 | 图型，加一句「为什么是它」 | 用饼图讲趋势，用折线讲构成 |
| 排细节 | 排序规则、坐标轴起点、标注位置 | 按拼音排序，读者要自己找最大项 |
| 自查误导 | 三条检查的结论，写进图注 | 双 Y 轴把两条无关曲线画成同步 |
第三行是分水岭。同一份数据，问「哪个渠道占比最大」要用条形图并按数值排序；问「哪个渠道涨得最快」要用折线图，时间放横轴。选错这一行，后面四行做得再细，读者拿到的仍然是错的答案。
五种意图，五类图
日常汇报里的意图其实只有五类，对应关系相当稳定：
| 想说明什么 | 首选图形 | 什么时候别用 |
|---|---|---|
| 比较大小 | 横向条形图，按数值排序 | 类别超过十五个，先合并成前十里 |
| 看趋势 | 折线图，时间放横轴 | 时间点少于四个，连线是硬画出来的 |
| 看构成 | 堆叠条形图 | 类别多于五类，扇区和色块都分不清 |
| 看分布 | 直方图、箱线图 | 样本少于三十，形状说明不了问题 |
| 看关系 | 散点图 | 两个变量都被时间推着走，相关是假的 |
最后一行值得多说一句。两个都在逐年增长的指标，画成散点几乎一定是一条斜线，但这只说明它们都随时间上涨，不说明彼此有因果。想判断关联强弱，得先看协方差与相关系数这类统计量，再回头决定散点怎么画、要不要按年份分色。
图会骗人，多数时候不是故意的
三种失真最常见：纵轴不从零开始，把 2% 和 3% 的差距画成三倍高；双 Y 轴让两条各自独立的曲线看起来同涨同跌；3D 与阴影让面积和角度一起失真。它们的共同点是把视觉比例和数值比例拆开了，读者凭直觉读图，读到的是被放大的差距。
这三处毛病手工时代就有，模型出图只是让它发生得更快。默认参数追求的是「好看」，阴影、渐变、圆角默认打开，而好看和准确经常打架。拿到图的第一件事是先看这三处，调色放到最后。
模型能替你画，替不了你判断
边界在「这张图该不该这么画」上。模型能按字段生成绘图代码，能推荐图型，能读出一段数据里的极值和拐点，但它不知道这张图给谁看、会上会被问什么、公司内部对哪个口径有过争论。这些信息不在数据里。
它还会顺着你的措辞走。你说「想突出增长」，它可能真的把纵轴截断，让 5% 的涨幅看起来像翻倍——它执行的是字面要求，不是你的意图。所以提示里要把约束写成交付标准：「纵轴从零开始」「不要双轴」「类别按数值排序」。数据本身也要核，模型偶尔抄错一位小数，或者把缺失值当成零，这类错误属于AI 幻觉里最难发现的一种：格式完全正确，内容悄悄错掉。
读者只给你三秒
一张图在汇报里的实际阅读时间通常不超过三秒。这三秒里读者只做一件事：找到那个最突出的东西。所以标题写结论，不写「各渠道销售额」；排序有规则，把要讲的那一项放到最显眼的位置；标注要克制，只标你要说的那个点。
合格的标准很朴素：把图单独截出来发给同事，不配任何说明，他能不能说出你想说的那句话。能，图就成了；不能，说明信息还压在你的口头解释里。这套标准同样适用于评估结果的可视化，分类好坏怎么看、混淆矩阵怎么读，以及准确率之外还有哪些评估指标，道理是相通的。
速查：出图前的五项检查
- 能用一句话说出这张图要证明什么
- 图型和问题类型对得上：比较、趋势、构成、分布、关系
- 纵轴从零开始，没有双 Y 轴，没有 3D
- 类别按数值排序，不按拼音或字母
- 标题写结论，不写字段名
