这篇文章不教你怎么写 R 代码。代码是 Codex 写的——它读数据、写绘图脚本、运行脚本、再自己检查一遍规范。
我们要做的是另外两件事:把数据和「期刊配图要求」讲清楚,然后在它出图之后做人工把关。
全过程都留了截图,可以照着做一遍。
一、目标:让 AI 出一张能投稿的图#
输入是一份实验数据,输出是一张符合期刊规范的分组柱状图:
- 矢量 PDF + 300 dpi PNG
- 双栏宽 183 mm
- 误差棒、显著性标记、期刊排版规范
这份数据是 R 自带的 ToothGrowth:60 只豚鼠,两种维生素 C 给药方式(OJ 橙汁 / VC 抗坏血酸),三个剂量(0.5 / 1 / 2 mg/day),响应变量是牙齿长度。我用 R 把它导出成 data.csv 交给 Codex。
选这份数据是因为它公开、稳定、任何人跑出来都一样,方便你复现。
二、准备:一个数据文件,一段提示词#
工作目录里只有两样东西:data.csv 和一段写清楚要求的提示词。
提示词全文(可以直接抄):
请把工作目录里的 data.csv 画成一张符合期刊投稿要求的分组柱状图。
数据说明:len = 牙齿长度(mm),supp = 给药方式(OJ 橙汁 / VC 抗坏血酸),
dose = 剂量(mg/day,取值 0.5 / 1 / 2)。
绘图要求:
1. x 轴按剂量分三组,组内 OJ 与 VC 并列;y 轴为牙齿长度均值。
2. 柱顶加误差棒,误差棒用均值 ± 标准误(SE)。
3. 每个剂量组上方标出 OJ 与 VC 的组间显著性:做 t 检验,按 p 值标 */**/***/ns。
4. 期刊排版规范:去掉网格线和灰底,细黑边框,字号不小于 7pt,不使用默认色板。
5. 按期刊双栏宽 183mm、高 62mm 导出矢量 PDF 和 300dpi PNG。
把绘图代码保存为 make_figure.R,并直接运行它生成图片。
完成后报告生成了哪些文件,以及每个剂量组的显著性结果。提示词里有三个要点值得注意:
- 说清每一列是什么,包括单位。AI 不会猜错列的含义。
- 把期刊规范写成可检查的条目:不是「画得专业一点」,而是「去掉网格线」「字号不小于 7pt」「183mm」。可检查的要求,AI 才能自我验收。
- 要求它保存代码并直接运行。这样拿到的不只是一张图,还有一个可以重跑的脚本。
三、让 AI 干活#
在终端里把提示词交给 Codex:

图 1:Codex 执行完任务后,自己跑了一遍规范校验,最后一行是「All 67 independent checks passed」。
它会自己决定用什么工具:判断这是 R 的活,写 make_figure.R,用 Rscript 跑,然后检查产物。
四、AI 产出了什么#
跑完之后,工作目录里多了这些文件:
| 文件 | 内容 |
|---|---|
make_figure.R | 绘图脚本(约 10 KB) |
tooth_length_grouped.pdf | 投稿用矢量图,183 × 62 mm |
tooth_length_grouped.png | 300 dpi 预览图 |
tooth_length_summary.csv | 六个分组的 n、均值、SD、SE |
tooth_length_t_tests.csv | 三组 t 检验的完整结果 |
figure_notes.md | 图注与统计口径说明 |
verify_figure.R | 独立的校验脚本 |
成图:

图 2:最终成图。OJ 与 VC 在三个剂量下并列,柱顶为均值 ± 标准误,括号标出组间显著性。
值得注意的是 它不只给了一张图。它同时给了统计中间结果(两个 CSV)、图注(figure_notes.md)和一个独立的校验脚本。这几样东西恰好是投稿时最容易被追问的部分。
五、AI 自己做的 67 项校验#
这是整个流程里最有价值的一环。Codex 在出图后,自己写了一个校验脚本,逐项检查成品是否符合要求,最后报告 67 项全部通过。
从截图里能读到它检查了什么:
| 类别 | 检查项举例 |
|---|---|
| 数据正确性 | 柱高等于均值、柱从 0 开始、误差棒上下端等于均值 ± SE |
| 排版规范 | 无网格线、黑色细边框、白色背景、括号不压误差棒 |
| 字号 | 显著性文字 8.5 pt、PDF 中所有文字不小于 7 pt |
| 尺寸 | PDF 宽 183 mm(误差 < 0.001 mm)、高 62 mm |
| 导出质量 | PDF 字体已嵌入、PDF 文字可提取、PNG 尺寸符合 183×62 mm @300 dpi、PNG 带 300 dpi 元数据 |
| 统计一致性 | 导出的 SE 表与 t 检验表都和计算值一致 |
其中「括号不压误差棒」和「PDF 所有文字不小于 7 pt」这两条,是我在提示词里明确写了的——因为要求写得可检查,它才能自己验收。
六、人要做的事:把关,不是重做#
AI 干完了活,我们不是直接拿去投稿,而是核对几件事。这些是我实际做的检查:
1. 尺寸对不对
PNG 2161 × 732 px → 按 300 dpi 换算 = 183.0 mm ✓
PDF 183 × 62 mm(校验脚本报告误差 < 0.001 mm) ✓2. 字体有没有嵌入
name type encoding emb sub uni
FIBWZN+ArialMT TrueType WinAnsi yes yes yesemb 和 uni 都是 yes,字体已嵌入。这一项如果没做,期刊排版时字体可能被替换、版式错位。
3. 统计口径对不对
这是最需要人工核对的部分。AI 做的检验和结果如下:
| 剂量 (mg/day) | OJ 均值 | VC 均值 | 差值 | p 值 | 标记 |
|---|---|---|---|---|---|
| 0.5 | 13.23 | 7.98 | +5.25 | 0.0064 | ** |
| 1.0 | 22.70 | 16.77 | +5.93 | 0.0010 | ** |
| 2.0 | 26.06 | 26.14 | −0.08 | 0.964 | ns |
我用 R 独立算了一遍,数值一致。注意 2.0 剂量组:两种给药方式没有显著差异(p = 0.964)。这是这张图要传达的关键信息之一,标成 ns 是对的。
4. 图注写了没有
figure_notes.md 里写清了误差棒是 SE、n = 10、检验方法、显著性标记的含义。按期刊惯例,图注和图片本身分开,它做对了。
七、AI 主动交代的边界#
这部分值得单独拿出来说,因为它决定了这份产出能不能直接用。
Codex 在 figure_notes.md 里主动写了几条限制,其中两条很关键:
The data provide no pairing or subject identifiers, so independence is an analysis assumption, not a verified experimental-design fact.
(数据里没有配对信息或个体标识,所以「独立性」是一个分析假设,不是经过验证的实验设计事实。)
The biological/technical replicate definition and independence must be confirmed from the experimental record before manuscript submission.
(生物学/技术重复的定义与独立性,必须在投稿前从实验记录中确认。)
它还额外做了一件事:虽然图上的星号用的是未校正 p 值(这是常规做法),但它把 Holm 校正后的 p 值也一并导出到 tooth_length_t_tests.csv,供你判断:
| 剂量 | p 值(未校正) | p 值(Holm 校正) |
|---|---|---|
| 0.5 | 0.0064 | 0.0127 |
| 1.0 | 0.0010 | 0.0031 |
| 2.0 | 0.964 | 0.964 |
三个剂量分别做检验,本身存在多重比较问题。AI 没有替你把这个问题藏起来,而是把两种口径都给你。
**这两条边界,才是「AI 出的图能不能投稿」的真正判断点。**图好不好看是次要的;重复的定义、独立性、多重比较校正,这些必须由实验者自己拍板。
八、复现步骤#
想自己跑一遍:
- 装好 R(本文用 R 4.6.0)和 Codex CLI。
- 建一个空目录,放入
data.csv。 - 把上面那段提示词存成
prompt.txt。 - 在目录里执行:
codex exec --skip-git-repo-check "$(cat prompt.txt)"- 等它跑完,检查目录里的产物,并按第六节那四项做人工核对。
本次运行的脚本和产物都可以对照:绘图脚本见 make_figure.R,统计结果见 t_tests.csv,图注见 figure_notes.md。
九、这个流程适合什么、不适合什么#
适合:
- 你已经知道要什么图,只是不想手写绘图代码;
- 需要反复出图、改图(改一次提示词重跑一次,比手改代码快);
- 想要一套「出图 + 统计中间结果 + 图注 + 自检」的完整产物。
不适合:
- 你自己不清楚数据里有没有配对、重复怎么定义——这些问题 AI 无法替你决定,它只能标出来;
- 需要非常特殊的图形定制,提示词描述不清楚的;
- 把结果直接拿去投稿而不做人工核对。AI 的自检只能查「有没有做到我要求的事」,查不出「我的要求本身对不对」。
一句话:**AI 负责把图做出来并自检,人负责判断这个图该不该这么做。**下一篇会换一种图型继续这个系列。