计育韬：基于AI的数据可视化设计入门工作流

大家好，我是交互设计师计育韬。之前我在《AI（Claude）在 手 ，SVG 自 由 ！》中，曾为广大 AIGC 爱好者们梳理了全 AI 工作流的数据可视化设计方法——但不少初学者反馈，全部基于 AI 的创作方式对新人来说还是太难，那么有没有一种在视觉设计、交互开发方面能让创作者更有主控性的形式，来更高效创作 Data Visualization？

特此我又通过一期《中国预制菜行业｜数据可视化报告（Deepseek/豆包生成）》，来为大家演绎了更轻量化的创作效果，本期计育韬老师带你拆解其中的 AIGC 应用细节。

把 AI 工具更多投入数据工作

真正身处 infographic 行业的人一定知道，数据可视化的主要工作量其实并不在于设计，而是在于数据采集、清洗与梳理。以往我们在定立选题后，甚至要经历漫长的调研、访谈等形式才能初步完成作品设计的数据基础准备工作。

但在这次创作中，我在开篇便提到了数据源，事实上包括具体数据的选择也是由豆包一步到位完成的：

接下来，计育韬老师明确告知 AI 当下的创作目的，和我所计划的创作形式（使用多种图表制作数据可视化内容），要求 AI 具体从三份市面上的数据报告中整合并分项为多个数据维度：

这就意味着，AI 不仅在若干分钟内完成了所有可信数据源的采集工作，同时根据 Data Visualization 的表现特征遴选了恰当的表现手法所对应的数据集——按常理说来，上述工作可能就已经要耗费设计师 2 - 3 天的时间进行漫长的校对与策划。

确定设计风格

在《AI（Claude）在 手 ，SVG 自 由 ！》中，计育韬老师通过提示词和一定的 AI 会话流程，让 Claude 大模型按部就班地遵循某种设计效果，按顺序逐步铺开视觉设计。

但这种方法存在的弊端是：1）即便原始数据已完成积累，大模型在二次加工处理数据时容易产生「幻觉」，自行篡改数据。2）调试过程繁琐，一些直观的设计学错误你可能需要反复多次提示才能让 AI 理解并在指定位置完成正确修改。

对于前者，有时候我们很难察觉到这类幻觉式篡改，可能会导致最终的呈现有严重失信。对于后者，一些视觉修改其实对专业设计师而言只是几秒种的工作，但调试 AI 可能要经历几十分钟才能修正。

因此对于新人，可以参考本作《中国预制菜行业｜数据可视化报告（Deepseek/豆包生成）》中计育韬老师的处理思路。

直接在 PS 内排布文案，贴入素材图，仅预留数据图表的数据信息位置（如柱、环、线等），通过钢笔工具快速绘制完参考线——这方面工作对专业设计而言其实也就最多半小时而已，但却能极大节约与人工智能「对峙」的时间。

基于专业软件生成动态

目前对于 Animation 的部署，我个人习惯通过 E2 编辑器（www.e2.cool）开展。该产品本身虽然并非专注于数据可视化这一垂直领域服务，但它舍弃了各类 JS 的辅助支持，却依然能将广泛的 SVG 动画效果内联式展示，就我所知已有超过 1900+ 种 SVG 动画与交互效果理论上都能植入数据可视化设计内。

对比我的高阶教程《AI（Claude）在 手 ，SVG 自 由 ！》，设计师可以跳过 AI 训练的流程，直接使用 E2 编辑器内成熟可靠的 SVG 模版部署动画。

同时这里我也补充给大家具体的编辑器内操作区截图，相信通过这样的简易工作流，新人可以更快基于 AI 完成你们的数据可视化作品！

-END-