Claude Code dataviz 技能完整教學 — 幫 AI 加上畫圖表的能力，它做的第一件事是給你一份拒絕清單

Claude Code 在 7 月初的更新裡多了一個內建技能，叫 /dataviz，官方一句話帶過：提供圖表與儀表板的設計指引，附一支可以實際執行的色板驗證器。

大部分人看到「幫 AI 加畫圖表的能力」，直覺會以為 Anthropic 是在教模型畫得更漂亮、更花俏。但你只要請 Claude 畫過幾張圖就知道——它從來不缺畫的能力。你叫它畫長條圖，它畫得出來；叫它做儀表板，它也拼得出來。真正的問題不在會不會畫，在畫出來的東西為什麼總有一股說不上來的塑膠味。所以這個技能真正有意思的地方在於它補的東西：與其說是繪圖能力，不如說是判斷力。它教 Claude 的第一課，是認得出「哪些畫法直接別碰」。

先搞懂：AI 畫的圖表為什麼會醜

想像一個什麼都學過、但完全沒被人帶過品味的實習生。你叫他做一張圖，他會怎麼做？他會把學過的東西全部用上——調色盤裡有幾十種顏色，那就多用幾種；能加漸層就加漸層；圓餅圖看起來很豐富，那就切它十塊;軸從哪開始無所謂，反正線拉得越陡看起來越有戲。他不是不努力，恰恰相反，他太努力了，努力到把每一個「我會」都塞進同一張圖裡。

AI 畫圖表醜，就是這麼來的。它的毛病不是懶，是選擇太多、而且每次都重新選一遍。彩虹配色、圓餅圖、紫色漸層、每張圖各自為政的風格——這些不是隨機的錯誤，是一個沒有約束的系統面對太多自由度時，必然收斂出來的那個「看起來很努力」的平庸解。你看多了會膩，因為它們背後其實是同一套無意識的預設值。這就是所謂的 AI slop：不難看到讓你笑出來，但也絕對稱不上好，永遠卡在「還行吧」那個灰色地帶。

關鍵來了：這種平庸，靠「叫它畫好看一點」是救不回來的。因為「好看」對一個沒有判準的系統來說，只是又一個模糊的形容詞，它只會再從那堆預設值裡撈一個給你。你需要的不是更用力的形容詞，是把品味翻譯成它能執行的規則。

/dataviz 到底裝了什麼

這正是 /dataviz 在做的事。它不是往 Claude 腦袋裡塞一堆繪圖範例，而是塞一套設計系統——一組「怎麼選、什麼不要選」的判準。而且它是個 skill，走的是漸進式揭露：平常不佔你的脈絡空間，只有當你的請求真的關於畫圖、配色、做儀表板時，Claude 才把這套規則調出來讀。你不必記任何指令，它自己在對的時機接手。

這套系統大致管四件事，每一件都在幫 Claude 少犯一個選擇：

第一，圖表選型。一張對照表，把「你手上的資料是什麼關係」直接映射到「該用哪種圖」，而且明白告訴它什麼不要用。比較大小用水平長條、看趨勢用折線、看組成……幾乎都別碰圓餅圖。這一步就砍掉了實習生最愛的那些花招。

第二，配色，而且是可以被驗證的配色。這是整個技能最聰明的一環。它沒有叫 Claude「記得配色要無障礙、要好看」——那又是模糊形容詞。它給的是一支能實際跑的色板驗證器。你的配色到底過不過關，不靠感覺，靠測：對比度有沒有達到 WCAG AA、在紅綠色盲（deuteranopia、protanopia）的模擬下各個顏色還分不分得出來。這就像色盲檢測卡——不問你「覺得這樣清楚嗎」，拿卡一照，過或不過有客觀答案。品味在這裡從主觀變成了可驗證。

第三，那些老手才知道、新手全踩的細節。長條圖的軸一定從零開始（不然你在用視覺說謊）；圖表標題要寫出洞察而不是只複述維度（「第三季營收成長趨緩」勝過「各季營收」）；長寬比不能把斜率誇張到誤導；類別不多時，直接把標籤貼在線上，比丟一個圖例讓讀者眼睛來回跳更好。

第四，該用什麼技術去畫。這條是給要做互動圖表的人的：資料量在一千個元素以下用 SVG（DOM 事件、無障礙、縮放不糊）；一千到一萬用 Canvas；破萬才上 WebGL。把「效能」也變成一條按資料量查表就有答案的規則，而不是等畫爆了才知道選錯。

反過來想，好技能的價值在「幫它少做選擇」

把上面四件事排在一起看，你會發現一個違反直覺的共通點：它們全都是在限制 Claude，而不是解放它。選型表砍掉圓餅圖、配色驗證器擋掉過不了測的顏色、軸的規則封死「從非零開始」這個選項。這個技能讓 Claude 能做的事情變少了，而輸出的品質反而上去了。

這其實點破了 skill 這個機制真正值錢的地方。我們很容易以為給 AI 加技能是在灌知識、加能力——讓它會更多東西。但 /dataviz 示範的是另一種更高級的用法：把人類累積的品味，蒸餾成一份夠具體、甚至可以自動驗證的拒絕清單。好廚師的功力有一半在「不放什麼」，好的設計有一半在「刪掉什麼」。當你能把「不要做什麼」寫成一條 Claude 讀得懂、甚至跑得動的規則，你就把一件本來只能靠資深人盯著改的事，變成了系統預設就會做對的事。這比教它多一招，值錢得多。

怎麼開始用

實際用起來幾乎沒有門檻。這是個內建技能，你不需要另外安裝——把 Claude Code 更新到帶這功能的版本後，只要你的請求跟資料視覺化沾上邊，它就會自動觸發。你也可以在請求裡明確點名，讓它一定走這套規則，例如「用 dataviz 的規範幫我把這份營收資料做成儀表板」。

它給的預設調色盤是品牌中性的佔位色——刻意留白，等你換成自家品牌色。技能裡有個 references/palette.md，你把那份檔案的色值換成你們的主色，之後 Claude 產出的所有圖表就會自動套用、而且仍然通過那支驗證器的無障礙檢查。等於你只需要做一次「把品味寫下來」的工，後面每一張圖都自動繼承。這也是為什麼把設計規範沉澱成一個 skill，遠比每次開對話都重講一遍「我們的圖表要長這樣」划算——前者是資產，後者是每天重付一次的稅。

最後，把這個心法帶出圖表之外

繞了一圈回到開頭那句反直覺的話：加一個畫圖技能，它做的第一件事是給你一份拒絕清單。這件事的意義，遠不只是圖表變好看。

下次當你發現 AI 幫你產出的東西——不管是圖表、文案、還是一段 code——總是「看起來很努力，但就是平庸」，先別急著換更強的模型，也別再丟一句「弄好看一點」。那個平庸幾乎都指向同一個缺口：它有能力，但沒有約束；有自由度，但沒有判準。它缺的不是多學一招，是一份告訴它「這些不要做」的清單。而你能不能把自己腦中那套說不清楚的品味，翻譯成幾條具體到可以驗證的規則，往往就是你和 AI 一起做出來的東西，究竟停在「還行吧」、還是真的能拿得出手的分水嶺。

/dataviz 只是先在「畫圖表」這一格，替你把那份清單寫好了而已。