StoryGraph · 数据叙事信息图引擎

§0 为什么现有工具不够用

市面上的信息图工具解决了"怎么画得好看"的问题，但没解决更前置的问题：

"我手里有一堆数据，但我该讲什么故事？"

Canva / Figma 给你 1000 个模板，但你选哪个？为什么选这个？
别人的信息图工具问你要布局（21 种）、风格（22 种），但从不问你的数据在说什么
你花了 2 小时做了一张漂亮的图，发出去发现——没人看懂你想表达什么

StoryGraph 的核心思路：从数据出发，先找故事，再设计图。

传统工具：选布局 → 选风格 → 填数据 → 调颜色 → 导出 StoryGraph：输入数据 → AI 分析故事 → 推荐叙事结构 → 匹配图表类型 → 确定视觉风格 → 生成

§1 数据输入方式

不需要用户先把数据处理成"适合做图"的格式。支持原始数据直接丢进来：

| 输入方式 | 支持格式 | 示例场景 | |---------|---------|---------| | 结构化数据文件 | .csv / .xlsx / .json | 销售报表、调研问卷结果、网站分析导出 | | 自然语言描述 | 直接描述 | "过去三年我们营收分别是 120/180/260 万，利润率从 15% 涨到 22%，但客户留存率从 78% 掉到 61%" | | 网页截图/表格图片 | .png / .jpg | 截了一张数据表的图 | | 已有文字报告 | .docx / .md / 粘贴文本 | 把季度总结报告直接丢进来，提炼关键数据做信息图 | | URL | 网页链接 | 引用公开数据源 | | 混合输入 | 以上任意组合 | 文字描述 + Excel 文件 + "但是 XX 部门的数据不包含在内" |

§2 核心流水线：六步从数据到信息图

数据输入 → 数据清洗 → 故事发现 → 叙事设计 → 视觉实现 → 多端输出
  (你)      (自动)     (AI核心)   (AI核心)   (规则+AI)    (自动)

2.1 数据清洗（自动，无需用户参与）

识别列的数据类型（数值/百分比/日期/分类/文本）
检测异常值并询问用户（"第三季度营收显示为 0，是数据缺失还是确实为 0？"）
统一单位和格式
标注数据质量（完整/有缺失/有异常）

2.2 故事发现（AI 核心，这就是跟其他工具的区别）

AI 会问三个问题来发现数据中的故事：

变化：什么在增长？什么在下降？拐点在哪？
对比：A 和 B 的差距在哪？谁领先？差距在缩小还是扩大？
意外：有什么反直觉的发现？有什么与常识不符的数据？

然后输出 故事提案（2-3 个角度供用户选择）——

📊 基于你的数据，我发现了 3 个可能的故事角度：

【角度 A】增长背后的隐忧
  核心叙事：营收三年翻倍，但客户留存率从 78% 跌至 61%——增长的质量在下降
  适合受众：内部管理层、投资人
  关键图表：双轴趋势图（营收 vs 留存率）、客户流失漏斗

【角度 B】从量到质的转型
  核心叙事：虽然营收增速放缓，但利润率从 15% 提升至 22%，说明业务在从追求规模转向追求效率
  适合受众：投资人、年报读者
  关键图表：利润率趋势、成本结构变化

【角度 C】客户价值的重新定义
  核心叙事：流失的是低价值客户，高价值客户留存率反而上升了 12%
  适合受众：销售团队、市场营销
  关键图表：客户分层对比、LTV 变化

选一个角度，或者告诉我你想强调什么？

2.3 叙事设计（AI 核心）

基于用户选择的故事角度，匹配合适的叙事结构。

7 种叙事结构（不是 21 种布局——叙事是"讲什么"，布局是"怎么排"）：

| 叙事结构 | 结构模式 | 适合的数据特征 | 典型场景 | |---------|---------|--------------|---------| | 趋势推演 | 过去→现在→未来 | 有时间序列数据 | 年度报告、行业预测、增长复盘 | | 对比揭秘 | A 面→B 面→真相 | 有对比性或反直觉数据 | 竞品分析、市场格局、Before/After | | 问题拆解 | 总览→分层→根因→方案 | 有层级结构或因果关系 | 问题诊断、根因分析、解决方案提案 | | 流程解码 | 起点→关键节点→终点 | 有流程或步骤 | 用户旅程、业务流程图、操作指南 | | 排名聚焦 | 排行→差距→原因 | 有排名或对比数据 | 排行榜、市场份额、业绩对比 | | 分布揭示 | 集中趋势→离散→异常 | 有分布特征数据 | 用户画像、收入分布、区域分析 | | 关系网络 | 节点→连接→格局 | 有关联关系数据 | 产业图谱、组织架构、生态关系 |

每种叙事结构有 2-4 种子布局变体（约 20 种布局），根据数据密度和受众自动选择。

与 baoyu-infographic 的 21 种独立布局不同：StoryGraph 的布局是叙事结构驱动的。先定故事怎么讲，再定画面怎么排。避免"选了个好看的布局，但故事讲不清楚"。

2.4 图表类型智能匹配（规则引擎）

基于数据语义推荐图表类型：

| 数据关系 | 推荐主图 | 备选 | 何时不用 | |---------|---------|------|---------| | 趋势（时间序列） | 折线图 | 面积图、斜率图 | 时间点少于 4 个→用柱状图 | | 对比（类别） | 横向柱状图 | 棒棒糖图、点阵图 | 类别超 10 个→用表格 | | 占比（部分/整体） | 堆叠柱状图 | 树图、华夫图 | 禁止用饼图（人类不擅长比较角度） | | 分布 | 直方图 / 箱线图 | 小提琴图、山脊图 | 数据太少→改用散点图 | | 关系（相关性） | 散点图 + 趋势线 | 气泡图、热力图 | 只有一个变量→不适用 | | 排名 | 条形图 | 坡道图 | 排名变化剧烈→用 bump chart | | 流程 | 桑基图 | 漏斗图、甘特图 | 节点超过 15→改用分层流程 | | 地理 | 等值线图 | 气泡地图 | 数据不按地理分布→不使用 |

核心规则：

禁止饼图（已列入规则，有大量认知科学研究支持条形图阅读精度远高于饼图）
禁止 3D 图表（透视变形误导数值判断）
Y 轴必须从 0 开始（除非是折线图且差异微小，从 0 开始会把差异压缩到难以辨认——此时必须在图中明确标注"Y 轴未从零开始"）
颜色不超过 5 种（超过 5 个类别时用灰度+一个强调色）

2.5 视觉风格系统

不走"22 种独立风格"路线。改为 4 维叠加系统，组合更灵活：

| 维度 | 选项 | 说明 | |------|------|------| | 色调板 | 专业蓝 / 活力橙 / 自然绿 / 沉稳灰 / 科技紫 / 品牌自定义 | 6 种预设 + 从品牌 Logo 自动提取 | | 密度级 | 极简（3-5 个数据点）/ 标准（6-12）/ 详实（13-25）/ 仪表盘（25+） | 根据受众和平台自动选 | | 图形语言 | 扁平几何 / 毛玻璃 / 手绘风 / 等距 3D / 暗黑模式 | 5 种视觉风格 | | 字体性格 | 无衬线现代 / 衬线经典 / 圆体友好 / 品牌字体 | 中英文自适应 |

自动推荐逻辑：

给投资人 → 专业蓝 + 极简 + 扁平几何 + 无衬线
给社交媒体 → 活力橙 + 标准 + 手绘风 + 圆体
给内部会议 → 沉稳灰 + 详实 + 毛玻璃 + 无衬线
给学术场合 → 自然绿 + 标准 + 扁平几何 + 衬线

用户当然可以手动覆盖任何维度。

§3 受众感知系统

不是所有信息图都要给所有人看。同一个数据，面对不同受众讲法完全不同。

5 种受众画像

| 受众 | 关注点 | 信息密度 | 时间预算 | 风格偏好 | |------|--------|---------|---------|---------| | 高管 | 结论、趋势、风险 | 极简 | 30 秒 | 专业克制，不敢花哨 | | 投资人 | 增长、市场、壁垒 | 标准 | 2 分钟 | 数据扎实，逻辑严密 | | 社交媒体 | 冲突、新知、共鸣 | 标准 | 5 秒抓眼球 | 视觉冲击力优先 | | 学术/专业 | 方法、细节、来源 | 详实 | 5 分钟 | 严谨克制，可复现 | | 客户/用户 | 利益、对比、信任 | 极简 | 15 秒 | 清晰直白，降低认知负担 |

多平台自适应

同一份信息图，自动适配不同平台：

| 平台 | 尺寸比例 | 信息密度调整 | 特殊规则 | |------|---------|------------|---------| | 公众号长图 | 9:16 竖版 | 标准→详实 | 顶部必须有钩子标题，底部有引导关注 | | 小红书 | 3:4 竖版 | 极简→标准 | 封面图必须是"能发朋友圈"级别的视觉冲击 | | LinkedIn | 1.91:1 横版 | 标准 | 英文为主，数据源标注在图中 | | 朋友圈海报 | 1:1 方形 | 极简 | 单张图讲一个核心结论 | | PPT 嵌入 | 16:9 横版 | 标准→详实 | 可拆分为多页，每页一个论点 | | 报告附件 | A4 竖版 | 详实 | PDF 矢量输出，支持打印 | | 网页嵌入 | 自适应 | 详实→仪表盘 | 支持交互（悬停显示数值） |

§4 品牌风格注入

用户可以提供品牌素材，让信息图看起来像"自家出的"而不是"模板生成的"：

上传 Logo → 自动提取主色和辅色
提供品牌色值 → #1A56DB / #F59E0B / #10B981
提供字体名称 → "我们用思源黑体，英文用 Inter"
提供参考图 → "照这个风格的配色来做"

AI 会生成一份品牌风格卡，后续所有信息图自动应用：

brand_profile:
  primary_color: "#1A56DB"
  secondary_color: "#F59E0B"
  accent_color: "#10B981"
  background: "#F8FAFC"
  font_cn: "思源黑体"
  font_en: "Inter"
  corner_style: "圆角 8px"  # 直角/圆角/微圆角
  icon_style: "线性"  # 线性/面性/手绘

§5 AI 生成内容的置信度标注

信息图中经常出现 AI 生成的结论或预测。为了防止"看起来像事实但其实是推测"，引入置信度体系：

| 标注 | 含义 | 示例 | |------|------|------| | ✅ 数据事实 | 直接从源数据得出，无推测 | "2025 年 Q4 营收 260 万元" | | 📊 统计结论 | 基于数据计算得出 | "客户留存率三年下降 17 个百分点" | | 💡 AI 洞察 | AI 基于数据模式推断 | "留存率下降可能与 Q2 价格调整有关联" | | 🔮 预测推演 | AI 基于趋势外推 | "若维持当前增速，2026 年营收预计 350 万" |

在信息图中，💡 和 🔮 标注的结论会以小字标注"AI 分析，供参考"。

§6 数据可溯源

信息图中的每一个数据点，都能在图上找到来源：

底部标注数据来源："数据来源：2024-2025 公司内部销售系统"
图表中的数据点支持"点击查看原始数据"（交互版）
导出时附数据源清单（CSV 或 JSON）

这项功能解决的实际痛点：你做了一份信息图发给老板，老板追问"这个数字哪来的？"——你不用再回去翻原始文件。

§7 完整输出模板

# {信息图标题}

## 数据故事摘要
{一句话总结核心叙事}

## 受众与场景
- 目标受众：{高管/投资人/社交媒体/学术/客户}
- 使用场景：{年报/路演/公众号/内部汇报/……}
- 阅读时间预算：{30 秒 / 2 分钟 / 5 分钟}

## 数据来源
- 主要数据：{文件名 / URL}
- 数据时间范围：{YYYY-MM 至 YYYY-MM}
- 数据质量：{完整 / 有 XX 缺失 / 含 XX 异常值已标注}

## 叙事结构
- 结构类型：{趋势推演 / 对比揭秘 / 问题拆解 / 流程解码 / 排名聚焦 / 分布揭示 / 关系网络}
- 故事线：{3-5 步叙事弧}

## 图表清单
| 序号 | 图表类型 | 呈现数据 | 在叙事中的角色 |
|------|---------|---------|-------------|
| 1 | 双轴折线图 | 营收 vs 留存率 | 核心矛盾——引出故事 |
| 2 | 堆叠柱状图 | 客户分层变化 | 解释矛盾——提供证据 |
| 3 | 对比条形图 | 高/低价值客户留存 | 解决方案——指明方向 |

## 设计参数
- 色调板：{专业蓝}
- 密度级：{标准}
- 图形语言：{扁平几何}
- 字体：{思源黑体 + Inter}

## 置信度标注
| 标注等级 | 数量 | 涉及内容 |
|---------|------|---------|
| ✅ 数据事实 | 8 | 营收数字、客户数等 |
| 📊 统计结论 | 4 | 留存率变化、增长率等 |
| 💡 AI 洞察 | 2 | 留存下降原因推测 |
| 🔮 预测推演 | 1 | 2026 年营收预测 |

## 多平台版本
- [x] 公众号长图 (9:16)
- [x] 小红书 (3:4)
- [ ] LinkedIn (1.91:1)
- [ ] PPT 嵌入 (16:9)

## 数据溯源清单
{附原始数据引用，支持导出}

§R 核心铁律

故事优先于美观：先确认数据在讲什么故事，再设计视觉。宁可图丑但故事清楚，不要图美但不知所云。
数据不撒谎：Y 轴从 0 开始（仅一个例外且必须标注）；不通过视觉比例误导结论；不隐藏不利数据。
饼图禁令：任何场景下都不使用饼图。替代方案：横向柱状图、堆叠柱状图、华夫图。
置信度透明：AI 生成的洞察和预测必须在图上标注，不混同于数据事实。
可溯源：每个数据点都能找到原始出处。
受众是尺子：同一份数据面对不同受众，信息密度、语言风格、视觉复杂度完全不同。永远先问"给谁看"。
先提案再设计：必须给用户 2-3 个故事角度选择，不跳步直接生成。用户确认角度后才进入设计阶段。
生成≠完成：每张信息图生成后，AI 必须自查——"如果我是受众，30 秒内能说出这张图在讲什么吗？"如果不行，打回重做。

§A 结构化异常处理

| 异常场景 | 处理方式 | |---------|---------| | 数据太少（< 5 个数据点） | 告知用户数据不足以支撑信息图，建议改用数据卡片或关键数字海报 | | 数据太多（> 100 个数据点） | 引导用户聚焦 3-5 个最关键的结论，做一系列信息图而非一张大而全 | | 数据包含矛盾信息 | 标注矛盾并询问用户意图，不做主观取舍 | | 用户提供了品牌色但与数据故事调性冲突（如科技数据用粉色） | 提示用户但不强制修改 | | 用户想在一张图里塞太多信息 | 建议拆分为系列信息图，给出拆分方案 | | 生成后用户不满意故事角度 | 回到故事发现阶段，从剩余角度中重新选择或让用户指定方向 | | 用户的数据是敏感商业数据 | 提示注意数据安全，不将原始数据发送至外部服务 | | 用户要求饼图 | 礼貌解释为什么不推荐饼图，给出替代方案并展示对比效果 |

§B 常见错误与纠正

| 常见错误 | 纠正 | |---------|------| | 先选布局再想故事——本末倒置 | 用叙事结构决定布局，而非反之 | | 一张图塞 8 个结论——读者什么也记不住 | 一张信息图最多 3 个核心结论。多出来的拆成系列 | | 为了美观裁剪数据——让趋势看起来更陡峭 | Y 轴必须从 0 开始（例外：微小差异的折线图，但必须标注"未从零开始"） | | AI 洞察当成事实来展示 | 标注置信度，💡 和 🔮 类结论必须加"AI 分析"小字标注 | | 不考虑受众用同一张图到处发 | 一张图最多适配 2 个平台。超出则需调整信息密度和比例 | | 颜色太多互相抢戏 | 限制 5 色，多用灰度和透明度区分层级 |

§C 与其他工具的定位区别

| 对比维度 | Canva / Figma | baoyu-infographic | StoryGraph（本工具） | |---------|-------------|------------------|-------------------| | 核心思路 | 手动设计 | 视觉风格驱动 | 数据故事驱动 | | 起点 | 选模板 | 选布局×风格 | 输入数据→发现故事 | | 适合谁 | 有设计能力的人 | 需要快速出图的人 | 有数据但不知道讲什么的人 | | 布局选择 | 手动拖拽 | 21 种预设布局 | 7 种叙事结构 × 2-4 布局变体 | | 风格选择 | 自由设计 | 22 种独立风格 | 4 维叠加系统（色调板×密度×图形语言×字体） | | 图表选择 | 手动添加 | 手动选择 | 数据语义自动推荐 | | 受众适配 | 无 | 无 | 5 种受众画像 + 7 平台自适应 | | 数据溯源 | 无 | 无 | 每个数据点可追溯 | | 置信度 | 无 | 无 | AI 洞察与数据事实分离 |

§D 版本历史

| 版本 | 日期 | 变更说明 | |------|------|---------| | 1.0.0 | 2026-07-13 | 初始版本。数据叙事驱动的六步流水线，7 种叙事结构、4 维视觉风格叠加系统、5 种受众画像、7 平台自适应、品牌风格注入、置信度标注体系、饼图禁令、数据可溯源。 | （内容由AI生成，仅供参考）