文章核心观点 - 数据可视化领域正面临从“画出来”到“画得活”的范式转变，静态视觉表现力与动态叙事能力成为新刚需[2] - 当前行业存在三大痛点：视觉设计依赖手工、效率低下；动画实现门槛高、灵活性差；交互逻辑缺乏标准化、难以复用[2][5][6][7][9] - 中国人民大学IDEAS Lab与山东大学交叉研究中心提出了三个系统性解决方案：PiCCL（静态图表创作）、CAST/CAST+（可视化动画）、Libra（交互逻辑），旨在将难以复用的能力转化为可自由组合的系统[11][12][13] PiCCL：静态图表创作新范式 - 传统图表创作方法存在局限：模板表达能力有限、代码门槛高、专业设计软件依赖人工且难以复用[16] - 主流可视化库基于Grammar of Graphics理论，擅长统计图，但难以完成高度图形化表达所需的细粒度图形操作[16] - 转向图像编辑软件或大模型生成，分别面临手工劳动量大或结果不精确、无法修改的问题[17][18] - PiCCL提出以“图形本身”为第一公民，引入“图形运算符”进行图形操作，配合“约束”与“布局”机制实现自动对齐与组织[21] - 通过“编码运算符”将数据绑定到图形视觉通道，并抽象出“图形化对象树”，实现数据与设计解耦，图表可封装为可复用模板并进行模块级拼接[21] - 该方案在模板易用性与自由设计表达力、数据严谨性与图像编辑灵活性之间找到了新路径[23] CAST/CAST+：可视化动画的系统性重构 - 动画长期被视为“表现层”技术，缺乏对数据—视觉编码—时间结构内在关系的显式建模[24] - 团队提出Canis，一种为可视化动画设计的领域特定语言，将动画建模为“由数据驱动的时序结构”[26][28] - Canis核心设计包括：以数据对应图元为动画操作单位；显式描述选择、分组、时序、过渡关系；将动画语义层与实现层解耦[31][36] - 为降低语言门槛，团队进一步开发了CAST，将Canis抽象模型转化为图形化系统，实现动画的“可视化结构编辑”[35] - 针对复杂动画中多类标记交错的时序关系，团队提出CAST+，引入嵌套选择机制并重构关键帧系统，使如坐标轴与数据点交替呈现等复杂动画实现系统化生成[37] - CAST+将动画时序纳入数据映射体系，使动画参数直接绑定数据属性，推动动画创作转向结构化、数据驱动的交互范式[37] Libra：交互逻辑的组件化系统 - 当前可视化交互多基于回调函数堆砌，逻辑高度定制，难以组件化及跨图表、跨库复用[39] - Libra将交互视为一等公民，拆解为可组合部件：Instrument、Layer、Interactor、Service、Command[45] - 其工作流程为：事件经Instrument解释，由Interactor翻译为高层动作，Service执行，Command封装动作并天然支持撤销/重做，feedforward/feedback显示在对应层[42] - 该框架在服务层面内置实现了“撤销/重做”能力，解决了因服务不掌握内部状态而难以实现的问题[42] - 通过Libra，交互从“写在图里的技巧”升级为“可复用、可扩展、可组合的组件系统”[43] 未来展望 - 在PiCCL、CAST、Libra等可视化语言基础上，团队正探索利用大模型生成更高效的可视化[44]