flow-and-transition-plots-gptomics-bioskills

1. 基本信息

项目	内容
名称	flow-and-transition-plots-gptomics-bioskills
项目自述名称	Flow and Transition Plots（SKILL.md 内部标题；front matter name 字段为 bio-data-visualization-flow-and-transition-plots）
作者/维护者	GPTomics Organization
来源链接	https://github.com/GPTomics/bioSkills/tree/main/data-visualization/flow-and-transition-plots
许可证	MIT（数据来源：GitHub API，仓库级）
GitHub Stars / Forks	所属合集仓库 bioSkills 整体 1,157 / 195（数据来源：GitHub API；⚠️ 为整个合集的数字，不代表本技能自身热度）
最新版本	仓库整体最新 release 为 3.0（2026-02-14）；本子技能内容最近一次提交于 2026-05-29（数据来源：GitHub API commits，按该子目录路径查询）
安装方式	复制 `data-visualization/flow-and-transition-plots/` 整个目录（含 SKILL.md、examples/、usage-guide.md）到 agent 的 skills 目录，或用仓库自带安装脚本按分类批量安装

2. 功能介绍与亮点

系统封装队列迁移、细胞状态转换、临床试验受试者流转等“实体在类别间流动”场景下的图表选型与实现方法，覆盖 R 端 ggalluvial（冲积图）、networkD3（交互式桑基图）、consort（CONSORT 临床试验流程图）与 Python 端 plotly/pySankey 四条主流实现路径
明确“桑基图 vs 冲积图”的核心区别：桑基图只呈现汇总流量（如“100 个细胞变成神经元、50 个变成胶质细胞”），冲积图则保留每个实体的可追溯路径（如“变成神经元的 100 个里有 80 个来自 t1 时刻的增殖池”）——两者编码的科学叙事不同，选错会让读者误读结果
按具体分析目的给出决策树：单时间点源到汇的流量用桑基图、多时间点实体轨迹用冲积图、临床试验受试者流程必须用 CONSORT 规范图（并引用 CONSORT 2010 声明第 13a 条作为依据）、变异过滤流水线可用 CONSORT 风格或手工流程图
系统归纳 5 类常见失败模式（如冲积图默认按频率排序导致类别在各列间跳动、色彩编码到目标轴而非起点轴导致“来源故事”被讲错、桑基图节点流量不守恒导致布局失真、plotly 静态导出因缺少 kaleido 而静默失败等），逐条说明触发条件、发生机制、症状与修复方式
附带可直接运行的 examples/alluvial_phd.R 参考脚本与独立 usage-guide.md，开头即要求核对已装包版本（packageVersion() / pip show）后再对照示例代码，避免因版本差异导致代码报错

3. 适用场景

所属分类：数据分析与可视化

面向需要展示实体在多个有序类别间流动或转化关系的生物信息学与临床研究者，典型场景包括：单细胞测序数据中展示细胞状态随时间的转换轨迹、药物响应分组的纵向变化、临床试验中受试者从入组到分析的规范化流程图（CONSORT 图，randomized trial 发表的强制要求）、以及变异质控流水线中样本被逐级过滤的展示。技能特别提醒“桑基图与冲积图不可互换使用”——用错图表类型会让读者看到聚合流量却无法追溯个体路径，这类问题仅从成图很难察觉，需要先按决策树确认图表类型再动手。

4. 跨 Agent 兼容性

Claude Code：原生支持——仓库提供 install-claude.sh，标准 SKILL.md（YAML front matter + 指令正文）可直接安装
Codex：原生支持——仓库提供 install-codex.sh，用法与 Claude Code 版本一致
OpenClaw：原生支持——仓库提供专用 install-openclaw.sh，保留原始目录结构
Hermes Agent：需适配——Hermes 官方文档的生物信息学技能网关页面明确将 bioSkills 列为“385 个参考技能”来源之一，但说明其功能是作为参考资料被手动拉取阅读，而非以原生 Hermes 技能格式直接安装

5. 推荐理由

流程/转化类图表看起来只是“画个流程图”，但正确选型需要先分清桑基图与冲积图讲的是两种不同的科学叙事，临床试验场景还必须满足 CONSORT 2010 的强制报告结构。该技能把这套选型判断、四条实现路径的具体调用方式、以及节点流量守恒核验等隐蔽陷阱打包成可直接执行的方法论，帮助 agent 产出叙事正确、经得起审查的流程转化图，而不只是一张视觉上合理但讲错故事的图。

6. 评分

维度	分数	说明
受欢迎程度	5	所属合集仓库整体约 1,157 stars 不代表本技能自身热度；未检索到针对该子技能的具名第三方评价、独立采用数据或第三方市场页面（第三方技能索引站 playbooks.com 未收录该子技能的独立页面）
可用性	9	SKILL.md（约 11KB）+ 独立 usage-guide.md（约 4KB）+ 可直接运行的 R 示例脚本，内容详尽且开头即给出版本核验方法；依赖为开源 CRAN/PyPI 包（ggalluvial、networkD3、consort、plotly），一条安装命令即可装好，无付费依赖；本子技能内容最近一次提交为 2026-05-29
安全性	9	纯提示词模板 + 本地 R/Python 绘图代码，无 shell 命令执行，无任何网络外发（networkD3/plotly 生成的均为本地 HTML 文件，非联网服务）；MIT 许可证明确；通读全文与示例代码未见混淆逻辑或可疑指令

安全检查清单：①无 shell 命令执行，内容为 R/Python 绘图与统计代码　②不主动联网外发数据，全部处理在本地完成　③无凭据或 API key 要求　④SKILL.md、usage-guide 与示例脚本均为公开的 ggalluvial/networkD3/plotly/consort 用法说明，未见可疑指令　⑤GPTomics 为持续维护该开源合集的组织账号，未见刷星等造假迹象　⑥MIT 许可证清晰　⑦最近一次提交为 2026-05-29

7. 跟同类 Skills 相比的优势

维度	本技能（flow-and-transition-plots）	SankeyMATIC / 在线桑基图工具	upset-plots（同合集）
定位	系统封装桑基图/冲积图/CONSORT 图的选型判断与四条代码实现路径，覆盖多时间点实体轨迹这一细分场景	网页端拖拽式生成桑基图，无需写代码，适合快速出一张示意图	展示多个集合之间的交集关系（如多组差异基因的重叠），回答“哪些类别同时满足”，与“实体如何流动”是不同的分析问题
核心价值	明确桑基图与冲积图的叙事差异、CONSORT 2010 强制报告结构、节点流量守恒核验等隐蔽判断逻辑，并给出 5 类失败模式的触发条件与修复方法	上手快、交互性强，但不解释该用桑基图还是冲积图，也不覆盖 CONSORT 合规性要求，多时间点轨迹数据难以正确呈现	集合交并关系一目了然，但无法表达“实体从一个类别流向另一个类别”这种有方向性的转化过程
输出形式	可复现的 R/Python 代码（ggplot2/HTML/PDF），适合论文图或代码化流水线	静态或简单交互网页图，导出为出版级图片需额外操作	集合级矩阵/图，不含流动方向或时间序列信息

技能自身的“Related Skills”章节明确标注 upset-plots 为“集合交集”场景下的替代方案，二者服务于不同的科学叙事，属互补而非重叠关系。

8. 用户评价

该技能目前在第三方平台尚无具名用户评价；所属仓库当前未见针对该子技能的具名 Issue 反馈。

9. 其他补充

SKILL.md 的“Related Skills”交叉引用同合集内的 data-visualization/upset-plots（集合交集场景的替代方案）、clinical-biostatistics/trial-reporting（CONSORT 图在试验发表中的应用）、single-cell/trajectory-inference（冲积图所需的细胞状态转换数据来源）与 workflows/biomarker-pipeline（流水线过滤流程的上游数据来源），可见本技能在合集内承担“流程转化可视化层”这一专项角色。

10. 安装使用方式

从 GitHub 下载或克隆仓库子目录：data-visualization/flow-and-transition-plots/
复制整个目录（含 SKILL.md、examples/、usage-guide.md）到所用 agent 的 skills 目录（如 Claude Code 的 ~/.claude/skills/ 或项目内 .claude/skills/）；也可克隆整个仓库后用 ./install-claude.sh --categories "data-visualization" 批量安装同分类下全部技能
安装依赖：R 用户执行 install.packages(c('ggalluvial', 'networkD3', 'consort'))；Python 用户执行 pip install plotly kaleido pySankey
无需重启 agent，安装后下次对话即可通过自然语言描述需求触发（如“用冲积图展示这批细胞在三个时间点之间的状态转换，按起点状态上色”）

11. 注意事项

桑基图与冲积图不可混用：多时间点的实体轨迹数据若误用桑基图，会丢失个体路径的可追溯性，只剩汇总流量
ggalluvial 默认按频率排列各列内的类别顺序，跨列位置会跳动导致丝带大量交叉，需显式设置 factor 的 levels 并配合 lode.guidance 参数减少交叉
plotly 的桑基图静态导出（write_image）依赖 kaleido（orca 已 EOL），未安装时部分 plotly 版本会静默不报错、不生成文件
CONSORT 图若缺少“失访”“排除分析”等必需方框，会被期刊标记为不符合 CONSORT 2010 第 13a 条报告要求
仓库为社区维护的生物信息学技能合集，非任何厂商官方出品，选用前建议自行核对示例代码与当前环境版本是否匹配