一张配色整齐的图表，可能因为口径、坐标和分类方式让读者形成错误判断。视觉质量不能代替数据质量。 截断纵轴会放大微小差异；双坐标轴可能让没有直接关系的两条线看起来同步；只展示比例而不写样本量，会掩盖数据很少的事实。 分类顺序也会影响理解。只选表现最好的地区、合并不利类别或改变时间区间，都可能让结论偏向预设答案。 AI 生成图表前，应明确数据表、筛选条件、指标公式、单位和缺失值处理。图表完成后，随机抽取几个点回到原表复算。 标题应描述图中事实，而不是替数据添加因果。例如两项指标同时上升，只能说明相关变化，不能自动证明其中一项导致另一项。 发布时保留必要的来源、时间、样本和口径说明。真正好的图表不是信息越少越好，而是在保持清楚的同时，不隐藏影响判断的重要条件。 本文在提纲整理和初稿撰写中使用了AI辅助，发布前已人工复核事实与表达。