审稿意见里出现最多的一句话是：Figure 3 的误差棒表示什么？我前后改过四次图，最后一次才明白：论文图表规范里有一半是"数据到图"的事，工具能帮；另一半是"图到结论"的事，工具帮不了。
一、数据先成表，再成图。
我的图都从一张数据表出发：横轴什么量、纵轴什么量、每个点是不是均值、误差怎么算、样本数多少。表不齐，图必然缺信息。 这张表我用 MuchSci 的办公助手智能体整理成可编辑的 Excel（一句话描述需求，产出可编辑的 Word / Excel / PPT），列名、单位、样本数一次填清楚；后面每次改图只改这一张表，不重画。图表里的单位要在表头就写对，不要在图上临时补。
二、图注要能独立读懂。
标准是：把图注单独摘出来，不看正文也能知道画的是什么。要写清符号含义、误差棒代表什么（标准差、标准误，还是置信区间，写法各刊要求不同）、重复次数、统计检验。 如果目标是投英文刊，图注我会用 MuchSci 的论文翻译先出一版（中英学术双向互译、保留公式与术语一致性），再逐句对一遍——图注里术语和正文不一致，是审稿人最容易一眼看到的地方。
三、"不参与的部分"在这里。
· 误差棒代表什么：标准误和标准差差好几倍，图注怎么写取决于你的统计口径。这是实验设计和统计决定，工具不知道你算的是哪个。
· 能不能把 A 组和 B 组画在一起：取决于两组是不是同一批次、同一条件。这个只能自己判断。
· 趋势能不能这么说：四个点连成线说"随温度升高单调上升"，是过度解读。图能画出来，结论不能这么下。
· 哪个图该进正文、哪个进补充材料：取决于它支撑的是主论证还是旁证。
· 像素级规范：线宽、字号、dpi、矢量还是位图、色盲友好配色——这部分是期刊的硬要求，得对着《作者指南》改，工具替不了。
四、图的版本管理。
一张图会经历"草图→初稿→返修版→终版"，文件名不会自己说实话。我把每条图的矢量源文件和导出图统一放在 MuchSci 的文件资产库里（集中存放生成的文档、图片、文本，支持预览和增删改查），图上标的数据口径和对应数据表一起写进文本说明；给导师看图时用"我的分享"传，不占聊天记录。
五、图里的数据从哪来。
涉及化合物描述符、分子性质预测这类计算，我用 MuchSci 的化学信息学智能体（工具链含 RDKit、Datamol、PyTDC、MedChem、TorchDrug，能做分子操作、描述符计算和 GNN 预测）。它跑的过程能看进度、能随时中断，关键判断点会跳决策卡片让我确认——这点对我来说比"出一堆数"重要：我要知道每个数是怎么算出来的，图上才敢标。 算完的结果、以及核对用的原始文献，一起归档进 MuchSci 的个人知识库（支持 PDF、DOCX、PPTX、XLSX、TXT、MD，默认个人使用、不共享）。
三条边界：图不能美化结论，异常点被抹掉、误差棒被截断，这类问题不是规范问题，是学术诚信问题；配色和坐标轴范围会影响读者的判断，缩小纵轴能让变化看起来更明显，我不会这么做；计算类工具的结果要能复现，参数和版本一起记下来，否则半年后你自己也说不清那张图怎么来的。
这类研究生 AI 助手在图表这一环做的是：把数据整理成表、把图注译顺、把文件管好。图上那条线画成什么样，还是我自己的决定。