制作带误差棒、可追溯数据的科研图
案例演示 温度与电导率
需要一张能够追溯到数据表的科研图，每个点和误差范围都有来源。本例绘制铝掺杂氧化锌（AZO）和碘化亚铜（CuI）的电导率，保留出版方给出的标准差。
交付结果： 英文 PNG 和 SVG、实际绘图 CSV，以及简短的方法说明。本例使用已发表数据，不是新开展的实验。
准备数据并明确含义
原论文提供了 Source Data 工作簿。示例 CSV 转录 Supplementary Fig.6a 和 Supplementary Fig.6b 的 3–15 行，分别取 A、D、E 列中的温度、电导率及报告的 SD。每种材料有 13 个温度点，范围为 275–390 K。
下载整理后的 CSV和来源说明。CSV 为每个点保留了原始工作表和行号。论文说明 SD 来自每个温度点的五次测量；这些列没有提供逐次测量值，因此本流程不重新计算 SD。
- 创建项目，准备可用模型并启用 Python 运行时。
- 打开会话，通过 + → Attach files 附加两个文件。
- 绘图前确认数值列和单位：温度为 K，电导率及其 SD 为 S m⁻¹。
点击附加的 CSV 打开预览，应为 26 rows · 6 columns，包含材料、温度、电导率、SD 和来源工作表/行号。也打开来源说明；截图中的实操使用文件名 README.md，本文提供的同一说明命名为 conductivity-source.md。
同时要求图表和绘图数据
Use the attached conductivity CSV and source notes to create a figure
in the Notebook. Plot electrical conductivity (S m^-1) against
temperature (K) for AZO and CuI. Use distinct markers and error bars
equal to the supplied publisher-reported SD.
Check 26 rows, 13 temperatures per material, and the 275–390 K range.
Do not invent replicates or label SD as a confidence interval.
Connect points only as guides; do not fit a model.
Save conductivity-temperature.png, conductivity-temperature.svg,
plotted-conductivity.csv and conductivity-methods.md.
Keep all labels and notes in English. Execute the code and save files.
检查代码或依赖安装请求，再查看 Notebook 的实际结果。回答中描述了图表，并不代表已经保存了图片文件。
在会话中点击 Notebook，打开已完成的 Python 单元，检查输出：共 26 行、每种材料 13 行、温度范围 275–390 K，以及实际生成的图。如果输入解析失败，要求 Agent 使用本会话附加的 CSV，确认成功执行后再继续。
检查图表并导出
打开生成的 PNG，确认两种材料容易区分，首尾数据点可见，坐标轴注明单位，不确定性标注为 reported SD。连线只连接观测值，AZO 在 300 K 后的电导率下降仍应保留。
打开 plotted-conductivity.csv 与输入对照。本次运行的 26 行温度、电导率、SD，以及来源工作表和行号均保持一致。再打开 conductivity-methods.md，核对来源 DOI 和误差定义。
Generated 区应有四份文件。打开方法说明，并通过各文件预览中的下载图标保存核对后的版本。缺少文件时，明确要求补存该文件并重新打开；PNG 成功不代表 SVG 和数据表也已保存。
快速分享可使用 PNG，需要矢量图时使用 SVG。可下载本次运行的 PNG、SVG、绘图数据和方法说明进行对照。
处理自己的测量数据时，先决定误差棒表示标准差、标准误还是置信区间，再要求绘图。提供所需的原始测量值，或已经算好的不确定性及其定义；缺失的不确定性应如实保留。