用 Claude 做数据可视化，先给准确数据和图形要求，再核对生成图中的数字，最后导出。本文选择当前 Artifacts 中的 Design 产物流程，制作一张 AI 样本类别数量图；不让模型自行补数据或计算未给出的指标。
本文按 2026 年 10 月 1 日实际读取的 Claude 官方文档编写，未登录 Claude 创建或导出图表。后面的实际输出仅来自本地参考计算，不是 Claude 返回结果。
当前入口与能力前提
在 Claude 网页版或 Claude Desktop 打开新对话，可在消息框的 Output 中选择 Design 模板，也可以直接要求创建一个 Design 产物。当前官方文档指出，Artifacts 需要开启 Cloud code execution and file creation；个人账号在 Settings → Capabilities，Team/Enterprise 则受 Organization settings → Capabilities 管理。
如果看不到对应能力，先检查账号设置或由组织管理员确认。本文不承诺所有账号在同一位置显示中文入口，也不提供固定用量或额度；界面与账号能力以实际设置为准。官方说明网页和桌面可创建、编辑与分享，本文按这两个入口编排步骤。
官方当前定义的 legacy artifacts 是 2026 年 9 月 16 日以前在聊天中创建的旧产物：旧产物仍可使用和分享，但不能再按旧方式新建。旧教程中 legacy artifacts 的创建开关和下载按钮不能直接当作当前新产物流程，操作应按当前官方文档与账号界面核对。
把数据和约束一起给 Claude
| 类别 | 样本数 |
|---|---|
| FAQ | 12 |
| Product | 7 |
| Fault | 5 |
| 合计 | 24 |
FAQ、Product、Fault 的数量是人为构造的 AI 训练样本示例，不是真实业务统计；分类名称与数量直接给定，不需要 Claude自行推断。只用 FAQ=12、Product=7、Fault=5 三个类别，单位为 samples，总数 24；纵轴从零开始，图中不加入增长率、预测或不存在的第四类。
先用下面的提示词生成 Design 图表，核对右侧产物里的数据；需要改版式时继续描述修改，但每次修改后都重新核对参考表。
请创建一个 Design 产物，展示以下人为构造的 AI 训练样本类别数量。
数据仅有：FAQ=12，Product=7，Fault=5，单位 samples。
请画三根柱子的柱状图，横轴类别、纵轴 Samples，并从0开始。
每根柱子显示对应数字，旁边保留同一份数据表和合计24。
标题说明这是 Synthetic sample counts，不添加真实行业或客户说明。
不要联网补数据，不生成趋势、预测、百分比或新的类别。
版式要能在普通浏览器阅读，导出时保留图、表、单位和示例身份。
请先确认数据和你采用的图表口径，再生成产物。检查产物，不只看颜色是否好看
正确的图应只有三类：FAQ 12、Product 7、Fault 5，总数 24，最高为 FAQ，最低为 Fault。核对柱顶数字、纵轴刻度、单位和旁边的数据表；数字正确但图形高度或类别对应错了，同样需要修正。
查看是否默认排序、误把合计 24 画成第四根柱子，或将坐标轴从 5 开始夸大差别。发现问题时指出具体类别和正确值，要求只修改对应图表；不要用“好像不对”让模型重新解释整个数据。
如果产物报错，官方说明提供 Try fixing with Claude，将错误细节带入消息供修复。但修复成功不保证数据正确，仍要回到三类参考表检查。图中的推断语句，例如“FAQ占比高说明客服质量差”，没有从这份演示数据获得因果依据，应删除。
可在本地生成一份核对表
以下只需 Python 标准库。保存为 claude_chart_reference.py，执行 python claude_chart_reference.py，会生成 claude_reference/expected_values.csv。它不会连接或调用 Claude。
import csv
from pathlib import Path
# This is a local reference calculation, not a Claude response.
rows = [('FAQ', 12), ('Product', 7), ('Fault', 5)]
assert len({name for name, value in rows}) == 3
assert all(type(value) is int and value >= 0 for name, value in rows)
out = Path('claude_reference')
out.mkdir(exist_ok=True)
with (out / 'expected_values.csv').open('w', encoding='utf-8-sig', newline='') as file:
writer = csv.writer(file)
writer.writerow(['category', 'samples'])
writer.writerows(rows)
print('categories:', len(rows))
print('expected_values:', dict(rows))
print('total_samples:', sum(value for name, value in rows))
print('max_category:', max(rows, key=lambda row: row[1])[0])
print('claude_called:', False)
categories: 3
expected_values: {'FAQ': 12, 'Product': 7, 'Fault': 5}
total_samples: 24
max_category: FAQ
claude_called: False把这份表与 Claude 产物逐项比对。claude_called: False 明确表示本地计算没有请求模型，不能将终端输出描述为 Claude 的生成表现或产品效果。真实数据换入后，也应由独立表格、查询或脚本给出标准结果。
编辑后再导出并回读
确认画面里的三根柱子与参考表逐项一致后，再从产物的 Export 入口导出；重新打开文件，重复检查三个类别、12/7/5 数值、单位和零起点。官方当前文档列出 Design 产物的 .zip、PDF、PowerPoint 与 standalone HTML 等导出形式。
固定展示可以选 PDF，想保留浏览器页面形式可选 standalone HTML；是否保留你需要的交互和版式，必须在实际导出文件中确认。如果导出 ZIP，按其中文件结构打开，检查是否缺少资源，不把扩展名当成内容已完整的证据。
网页版预览正确而导出错位时，检查字体、页面尺寸、资源和数据是否都进入导出文件，要求针对这些问题修正，再导出新文件重新打开。不要把未核对的图直接用于统计报告。
使用真实数据时的边界
先使用允许分享的最小数据副本。当前 Artifacts 还能连接应用、存储数据或调用 Claude，但制作这张图不需要授予连接器写权限，也不需要共享存储；不要为一个静态统计图加入无关数据访问。真实账号的具体权限和分享范围要在操作时确认。
模型可以帮助设计和制作图，但不会因图表有视觉效果就成为可靠统计依据。对于未经核对的范围、金额或模型评价结论，先复算，再把已确认的数值交给它展示。
官方资料
以下资料实际读取于 2026 年 10 月 1 日；接口或界面范围按正文注明的版本核对。
Ai菜鸟网。发布者：AI小管家，转载请注明出处：https://www.alyyhw.com/32739.html
