视觉表征的语法与设计

5.1

图形选择是一项建模决定

图形的第一项决定不是配色，而是承认世界具有怎样的结构。树状图假定可以按层级展开，网络图允许多重连接，流程图突出顺序和条件，矩阵突出交叉比较，坐标图则要求可定义的变量。把一个存在反馈的酒店服务系统画成单向链条，会隐藏顾客重新提问与部门返工；把所有问题画成以AI为中心的辐射图，则可能掩盖业务目标与工具之间的区别。形式选择已经包含解释，不能交给审美偏好独立决定。

每次绘图之前可以完成一段表征说明：我要回答什么问题；图中对象是什么；连接代表什么；哪些信息不在图里；读者看完要做什么。比如“解释客诉处理的责任交接”比“画一张专业酒店流程图”更能约束输出。AI若接收后一种要求，往往会补齐常见流程，让图看起来完整；前一种要求则促使系统突出交接记录、负责岗位和升级条件，便于人核查。

结构图还需要控制粒度。把“数据处理”画成一个节点，可能适合课程全景图，却不足以指导实操；把读取文件、清洗日期、删除重复记录全部展开，适合实现检查，却可能遮蔽业务主线。建议保留概览图与展开图，二者共享稳定节点编号。读者可以从全局进入细节，也能把细节放回全局。这样的层级比把所有信息挤进一张超大图更有利于持续修改。

5.2

节点和箭头必须有明确含义

节点可以代表岗位、工具、文件、动作、状态或概念，但不应在没有说明时混用。同样一条箭头可能表示时间顺序、数据传递、依赖、控制、因果或相似。如果图中“AI→收益提升”的箭头既没有数据也没有作用机制，它只是一个期待；如果“知识库→大模型”表示检索文本进入上下文，就应该注明传递的是资料而不是把整个数据库装进模型。准确命名连接，可以防止图形替作者作出未说明的承诺。

推荐为教学结构图采用有限词汇：读取、输出、检索、审核、触发、依赖、假设影响和人工确认。不同词汇可以通过线型或标签区分，但颜色不应成为唯一信息。关键连接需要给出来源或规则，例如“超过规定退款额度则升级人工”。当作者无法解释一条连线的意义时，应先删除或标为待确认，而不是用布局让它显得自然。

图中的边界同样重要。一个围框可以表示系统范围、组织职责或数据权限，含义不同。智能体内部的规划节点与外部支付系统之间，应画出权限和确认点。课程全景图中的“工具”与“能力”也应分开：能够点击绘图工具，不等于能够选择合理的视觉编码。学生需要学习阅读这些约定，并能够发现别人图中的语义冲突。

5.3

数量图必须守住数据与尺度

数量图的可信度来自数据定义与视觉编码的配合。Cleveland与McGill关于图形知觉的研究提示，不同视觉编码对准确比较具有不同要求。[18]在实际报告中，若读者需要精确比较渠道收入，共用基线的条形图通常比大小不一的人物图标更容易检查；如果需要观察分布和异常，单一平均值又可能不够。选择图形时应首先考虑要完成的比较，而不是追求新奇。

每张数据图都应说明变量、单位、时间范围、样本或统计口径、缺失值处理和来源。百分比要说明分母，累计数要说明起点，双轴图要解释为何采用两种尺度。不得用模型生成的顺滑曲线填补没有观测的数据，再把它画成实际趋势。需要补值或预测时，应明确区分观测段、估计段和情境段，并让读者知道不确定性如何进入结果。

对教学演示数据，透明比仿真外观更重要。一个合成酒店例子可以采用简单需求函数，前提是标题和图注明确写出演示属性。简化模型的作用是让学生看见目标和假设如何影响判断，而不是假装来自真实酒店。学生应能重算至少几个数据点，改变一个参数，说明曲线为何变化。这比一张精致却无法复算的仪表盘更适合研究报告中的方法说明。

5.4

图文对照与可访问性

本报告采用同一小节内先中文、后英文的对照方式，而不是把两种语言塞进窄小并排栏。复杂图中的核心标签使用中英文短语，长解释放在图注和正文中；表格则对关键字段进行对照。这样既能保持对应关系，也能避免每个图框因为双语文字而失去空间。翻译的目标是保留逻辑、限制与证据强度，而不是逐字复制汉语语序。

W3C关于复杂图像的指导强调提供能够表达关键信息的文本替代。[32]因此，图注不应只写“流程示意图”，还应概括主线、分支与例外。涉及颜色时应同时提供标签或线型，并检查必要的对比度。[33]对交互图，还要考虑键盘访问、默认状态、重置和静态替代。视觉思维的教育价值不应该以排除无法方便看图或操作图的人为代价。