SciPlot-Copilot - AI 驱动的科研可视化与逻辑梳理平台

为什么开发这个项目？#

在科研工作中，数据可视化和实验逻辑梳理是两个耗时且需要专业技能的环节。传统方式需要：

• 熟练掌握 Python/R 编程和 matplotlib/seaborn 等库
• 手动调整图表样式以满足顶刊投稿要求
• 用 Visio/PPT 等工具手绘流程图

SciPlot-Copilot 通过 AI 将这些复杂操作简化为自然语言描述，大幅降低了科研可视化的门槛。

📈 智能绘图工作室#

用自然语言描述你想要的图表，AI 自动生成专业级可视化代码：

使用示例：

1
请用 iris 数据集绘制一个散点图，x轴是花瓣长度，y轴是花瓣宽度，按物种着色

🧠 逻辑思维导图#

将实验流程文本智能转换为可视化的逻辑关系图：

• 智能逻辑梳理：AI 分析实验步骤，自动提取关键节点和关系
• 交互式编辑：支持拖拽、添加、删除节点，自由调整布局
• 多种布局算法：层次布局、环形布局、网格布局
• 丰富导出格式：PNG/JPG/SVG、JSON、Mermaid、Python 代码、GraphML

使用示例：

1
1. 首先将样品 A 与试剂 B 混合，在 50°C 下搅拌 2 小时
2
2. 冷却至室温后，进行离心分离
3
3. 上清液用于 HPLC 分析，沉淀物经洗涤干燥后进行 XRD 表征

💬 AI 对话助手#

与 AI 进行自然语言对话，获取数据分析建议和科研问题解答：

• 上下文感知：AI 自动理解当前加载的数据特征
• 多轮对话：支持连续对话，保持上下文记忆
• 快捷问题：内置常用问题模板，一键获取分析建议
• 专业知识：涵盖统计方法选择、图表设计、科研写作等

🔬 统计分析工具#

🔧 数据预处理#

强大的数据清洗和转换工具：

• 缺失值处理：均值/中位数/众数填充、前值/后值填充、删除缺失行
• 数据转换：类型转换、标准化、归一化、对数转换、独热编码
• 数据筛选：按条件筛选行、选择保留列
• 数据采样：随机采样、头部/尾部数据、等间隔采样、分层采样

💾 项目管理#

保存和恢复工作进度，生成专业分析报告：

• 保存项目：保存数据集、绘图历史、对话记录、逻辑图、配置信息
• 加载项目：随时恢复之前的工作进度
• 导出报告：生成 Markdown 格式的分析报告

项目结构#

1
sciplot-copilot/
2
├── app.py                 # 主入口文件
3
├── core/                  # 核心模块
4
│   ├── config_manager.py  # 配置管理
5
│   ├── data_loader.py     # 数据加载器
6
│   ├── llm_service.py     # LLM 服务封装
7
│   ├── logic_graph.py     # 逻辑图处理
8
│   └── sandbox.py         # 代码沙箱执行
9
├── ui/                    # UI 组件
10
│   ├── chat_tab.py        # AI 对话标签页
11
│   ├── plot_tab.py        # 绘图标签页
12
│   ├── logic_graph_tab.py # 逻辑图标签页
13
│   ├── statistics_tab.py  # 统计分析标签页
14
│   └── ...
15
├── utils/                 # 工具模块
16
├── data/                  # 示例数据集
17
└── tests/                 # 测试文件

技术栈#

环境要求#

• Python 3.8+
• 支持 OpenAI 兼容 API 的 LLM 服务

安装步骤#

1
# 克隆项目
2
git clone https://github.com/1776686596/mota.git
3
cd mota
4

5
# 创建虚拟环境
6
python3 -m venv venv
7
source venv/bin/activate  # Linux/Mac
8

9
# 安装依赖
10
pip install -r requirements.txt
11

12
# 启动应用
13
streamlit run app.py

应用将在浏览器中自动打开，默认地址：http://localhost:8501

配置 API#

在侧边栏的「⚙️ API 配置」中设置：

支持所有 OpenAI 兼容的 API 服务，包括 OpenAI、Azure OpenAI、通义千问、智谱 AI 等。