← 返回列表
✓ 可直接安装
DeepSeek Harness 的 Smart Charts skill 插件。
自动检查通过:npm 包已发布且 engines 声明满足基线(声明 Node >=20.19.0);该结论来自程序自动检查,未经人工实机验证。 · 最近上游提交 2026/9/1 · 已提供中文文档
智能图表
综合分
37.4
GitHub 分
37.4
用户评分
—
★ Stars
13
周下载量
—
安装插件(需先安装 dsh CLI 引擎:npm install -g @deepseek-ai/dsh)
dsh plugin --profile web add dsh-smart-chartsnpm 包 dsh-smart-charts 已校验归属本仓库,走 npm 安装最省事
信任档位:已验证本站已于 4 天前真实安装成功(L4 · 真实安装)
- 是什么
- dsh 原生插件 · other
- 装得上吗
- 本站已真实安装成功(L4 · 真实安装,非静态推断)
- 安全吗
- 本站尚未对该插件做风险分级(暂未覆盖,不等同于无风险)
- 还在维护吗
- 活跃:最近一次提交在 25 天前
档位由下列信号合成:本站实装验证(真实安装,当前最高到 L4)· 验证所用 dsh 版本 · 静态安装检查 · 风险分级 · 仓库维护状态。下方各区块是它的证据明细。 验证判据与等级说明 →
🟢实装验证通过· 2026/9/21
由本站实装验证器在真实 dsh 环境安装成功,非静态推断。
数据截至 2026/9/21(元数据每日更新 · 实装验证按队列轮转,单条结论的验证时间见上方)
安装兼容性检查✓ 自动检查通过
以下结论由程序自动检查 npm 包、engines 声明与入口文件得出,未做人工实机验证——能装不等于用着没问题。
✓npm 包dsh-smart-charts @ 6.0.1
✓Node 引擎要求 >=20.19.0 · 基线 Node 22.19 满足
✓dsh CLI 依赖未声明 dsh 版本约束
✓入口文件main/exports/bin 已声明
验证方式:npm registry 存在性 + package.json 静态校验 · 最后验证 2026/9/21 20:15:32
依赖的 DSH / Cordis 模块
@deepseek-ai/dsh-skill-filesystem用户评分
还没有人投票,来当第一个
订阅周报,不错过优质插件更新
每周一封 · 高评分插件 + 新用户活动
README
由 DeepSeek 最新模型翻译生成dsh-smart-charts DeepSeek Harness 的 Smart Charts skill 插件。 把数据文件(CSV / Excel / JSON)一键转换为交互式 ECharts HTML:自动识别数据形态、推荐并生成图表,支持多文件合并、LLM 数据转换代码(沙箱安全执行)、完全离线渲染。 功能特性 - 26 种图表类型:line bar area pie scatter radar heatmap treemap graph boxplot waterfall gauge sankey funnel sunburst wordcloud histogram stacked_bar bubble pareto combo venn mindmap orgchart liquid spreadsheet,覆盖趋势、对比、占比、分布、相关、流向、转化、词频、集合交叠、层级结构等场景。 - 3 套主题预设:default / classic / dark,按交付场景一键切换视觉风格。 - 多格式解析:CSV(逗号)/ TSV(制表)/ TXT(自动探测分隔符 ,/\t/;/|)、Excel(.xlsx/.xls)、JSON(数组 + 单层嵌套);自动检测 UTF-8 / GBK / GB2312 编码。 - 多文件自动合并:最多约 10 个文件;列完全相同 → 纵向拼接(注入 source_file 来源列),≥50% 列重叠 → 横向关联,无共同结构 → 明确报错建议分开分析。 - LLM 数据转换:--transform-code 用 pandas 代码完成列重命名 / 重塑 / 聚合等清洗,由模型按数据语义生成。 - 三层安全沙箱:transform 代码经过「黑名单 + AST 白名单 + 安全 builtins」三重校验;违规返回带 suggestion 的结构化错误,模型可机械修正重试,无需用户介入。 - 多图批量:--charts-file 用 JSON 声明多张图(每图可带独立 transform),一次生成整组图表。 - 统计摘要 + 解读注入:成功时输出 plot_stats(绘图数据完整统计摘要);--dry-run 只算统计不渲染,--annotation 把 LLM 写的文字解读注入 HTML「图表说明」区块。 - 完全离线:ECharts JS 打包在 assets/ 并内联进每个 HTML,无 CDN、无外部依赖。 - 交互式输出:悬停查数、dataZoom 缩放、超阈值自动横向滚动、标题双击内联编辑、图表可保存为图片。 - 结构化错误:SmartChartsError 统一输出 JSON(code / code_name / suggestion),失败可被 agent 稳定解析并重试。 支持的数据格式 | 格式 | 说明 | |------|------| | .csv | 逗号分隔 | | .tsv | 制表符分隔 | | .txt | 自动探测分隔符 | | .xlsx / .xls | 首个非空 sheet(可用 --sheet 指定) | | .json | 数组格式 + 单层嵌套对象 | 约束:单文件 ≤ 100 MB(推荐 ≤ 50 MB);不支持数据库(先导出 CSV)、实时流、地理地图、嵌套 JSON > 1 层、非表格数据(图片/音视频)。 安装 GitHub 直装(纯 TS 源码) dsh plugin --profile web add github:hherosoul/dsh-smart-charts 首次安装会因 pnpm≥10 拒绝运行 git 依赖的 prepare 构建脚本而失败。按 pnpm 打印的提示,把精确包名写进 profile 的 pnpm-workspace.yaml(默认 ~/.dsh/profiles/web/pnpm-workspace.yaml): allowBuilds: dsh-smart-charts: true 然后重新安装: dsh plugin --profile web add github:hherosoul/dsh-smart-charts 放行 allowBuilds 等于授权该包在安装阶段执行代码,请只对你信任的源码放行,并建议固定 commit:github:hherosoul/dsh-smart-charts#。 本地 tarball dsh plugin --profile web add ./dsh-smart-charts-8.0.1.tgz 验证 dsh --profile web --dump-config 看到 # == dsh-smart-charts 一层即加载成功。 使用 1. 把数据文件放进 workspace 目录,启动 DSH 会话。 2. 对 agent 说「分析 sales.csv 并生成柱状图」,或输入 /smart-charts 直接触发。 3. agent 会按 SKILL.md 流程:解析数据 → 推荐图表类型 → 生成 ECharts HTML 到 workspace 的 output/。 4. 首次运行前,agent 会先安装 Python 依赖(需 Python 3.11+): pip install -r requirements.txt 依赖(== 精确锁定):pandas numpy openpyxl xlrd。 示例数据 仓库自带示例数据,可快速体验: - examples/sales_data.csv — 2026 年第一季度销售数据(18 行 × 5 列) - examples/README.md — 使用说明与示例提示词 相关平台 / 生态 本 skill 同时发布在腾讯 SkillHub(WorkBuddy 生态): - 腾讯 SkillHub:(搜索 smart-charts) - 截至 2026-08-19:SkillHub 累计下载 6.8 万次,在数据分析分类中排名第一 - 在 SkillHub 上的使用方式:上传 CSV / Excel / JSON 数据文件 → 生成交互式图表 HTML,可保存为图片。 目录结构 dsh/ ├── package.json # dsh.bundle.patch 声明 ├── cordis.patch.yml # insert 插件行 ├── tsconfig.json ├── src/index.ts # 唯一入口:mount dsh-skill-filesystem └── skills/smart-charts/ # skill 本体(SKILL.md + scripts + references + assets) ├── SKILL.md # skill 指令(frontmatter + 工作流 + 图表类型表) ├── references/ # CLI flags 语义、错误码表、FAQ ├── scripts/ # Python 实现(解析/转换/渲染/沙箱) └── assets/ # 内联 ECharts JS License MIT