DeerFlow 漏斗图生成实战chart-visualization 技能中 generate_funnel_chart 的参数规范与底层调用链【免费下载链接】deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.项目地址: https://gitcode.com/GitHub_Trending/de/deer-flow本篇围绕 DeerFlow 内置chart-visualization技能中的漏斗图generate_funnel_chart展开讲清它的适用场景、完整输入字段规范、可复制的调用命令以及底层 generate.js 的映射与 HTTP 请求实现。读完你可以独立完成多阶段转化/流失数据的可视化配置并理解参数是如何从 JSON payload 一路传递到渲染服务的。漏斗图解决什么问题漏斗图funnel chart用于展示多阶段转化或流失情况是销售管道lead → 商机 → 成交、用户旅程访问 → 注册 → 激活 → 付费等逐步筛选过程的典型表达。在 DeerFlow 的 26 种图表工具中SKILL.md 将其归类为 Specialized 场景generate_radar_chart多维对比generate_funnel_chart流程阶段Process stagesgenerate_liquid_chart百分比/进度其余包括词云、箱线图、网络图、鱼骨图、流程图、表格视图等。也就是说当你手上的数据是“一串有先后顺序的阶段 每阶段的量级”漏斗图就是技能智能选型时的首选。技能工作流选型 → 抽参 → 生成 → 回传理解单个图表前先看它在技能工作流中的位置。SKILL.md 定义的完整流程为智能选型根据数据特征选择 26 种图表之一细则见references/目录参数抽取读取对应的references/generate_xxx.md规格文件漏斗图即 generate_funnel_chart.md把用户数据映射为args生成以 JSON payload 调用scripts/generate.js回传返回图表图片 URL 与完整的args规格方便复用。Payload 的标准结构是{ tool: generate_funnel_chart, args: { data: [ ... ], title: ..., theme: ..., style: { ... } } }执行命令要求 Node.js ≥ 18见 SKILL.md frontmatter 的compatibility声明node ./scripts/generate.js payload_json输入字段规范必填与可选以下是漏斗图的完整参数规范直接继承自 generate_funnel_chart.md并结合其他图表规格做了字段对照。必填字段字段类型说明dataarray需按流程顺序排列每条包含categorystring阶段名称与valuenumber该阶段的量级顺序是漏斗图的语义核心渲染端按数组下标自上而下绘制层级若数据未按实际流程排序漏斗会呈现错误的转化叙事。可选字段字段类型默认值说明style.backgroundColorstring无设置图表背景色style.palettestring[]无定义各阶段颜色按data顺序取色style.texturestringdefault可选default/rough粗糙手绘质感themestringdefault可选default/academy/darkwidthnumber600图表宽度heightnumber400图表高度titlestring空字符串图表标题这些可选字段的语义在技能内其他图表规格中是一致的例如 generate_bar_chart.md 中theme、style.texture、width/height的默认值与取值完全相同意味着它们是一套跨图表的统一渲染约定配置经验可以横向迁移。可复制的完整示例以“电商用户转化”为例一个可以直接运行的 payload{ tool: generate_funnel_chart, args: { title: 电商用户转化漏斗本月, theme: default, width: 600, height: 400, style: { palette: [#5B8FF9, #5AD8A6, #5D7092] }, data: [ { category: 访问, value: 52000 }, { category: 注册, value: 18400 }, { category: 首次付费, value: 4300 } ] } }执行node ./scripts/generate.js {tool:generate_funnel_chart,args:{title:电商用户转化漏斗本月,data:[{category:访问,value:52000},{category:注册,value:18400},{category:首次付费,value:4300}]}}底层调用链generate.js 是如何处理漏斗图的结合 generate.js 的源码可以看到从命令到渲染服务的完整链路工具名映射generate.jsCHART_TYPE_MAP把 26 个工具名映射为渲染端类型名漏斗图对应generate_funnel_chart: funnel。脚本对未知工具名会打印Unknown tool并跳过不会中断批处理。spec 解析generate.js第一个参数既可以是内联 JSON 字符串也可以是一个存在的 JSON 文件路径fs.existsSync判断若传入的是数组则按批处理逐个 spec 依次生成单个失败不影响其他项。HTTP 请求generate.jsgenerateChartUrl将args与type: funnel、source: chart-visualization-creator合并为 payloadPOST 到渲染服务服务端返回success: false时抛出errorMessage成功则返回resultObj。服务端点可配置generate.jsVIS_REQUEST_SERVER环境变量可覆盖默认的 gpt-vis 渲染端点SERVICE_ID环境变量仅对地图类工具generate_district_map/generate_pin_map/generate_path_map走generateMap分支时使用漏斗图不经过该分支。因此默认配置下漏斗图生成依赖外网渲染服务这是当前实现的适用前提如需私有化或离线使用从源码结构看需要通过VIS_REQUEST_SERVER指向自建端点。输出非地图类图表直接在 stdout 打印图片 URLgenerate.js脚本对错误采取“打印到 stderr 并继续”的容错策略。使用建议数据口径与阶段数量原文档给出的三条实操建议值得展开阶段顺序按实际流程排列漏斗图无坐标轴读者唯一的空间参照就是“从上到下”乱序数据会直接产生错误结论百分比需统一口径若value填的是转化率而非绝对量所有阶段必须相对同一基准通常是首阶段且应在title或备注中写明口径否则读者无法区分“5% 的流失”与“5% 的留存”阶段数建议 ≤ 6层级过多时每层宽度差异变小阅读难度陡增。若业务流程确实很长建议先合并低量级尾部阶段再绘图。返回结果与复用脚本成功执行后stdout 输出漏斗图图片 URL。按技能工作流的约定回传给用户时还应附上完整的args即规格 spec渲染端同时会在_meta.spec中给出完整配置——这使图表在 DeerFlow 会话中可以被精确复现与微调修改palette、更换theme或增删阶段后用同一 payload 结构再次调用即可无需重新组织数据。在 DeerFlow 中如何被加载漏斗图不是独立工具而是chart-visualization技能包的一部分。该技能位于 skills/public/chart-visualization/由skills/public/下的技能加载体系发现SKILL.md 的 frontmattername、description、nodejs 兼容性声明由后端技能解析器读取例如 parser.py 中的parse_skill_file负责从 SKILL.md 提取名称、描述与指令。技能目录含references/规格文档与scripts/generate.js作为整体挂载给 AgentAgent 在运行时按需查阅具体图表的 reference 文档来组织args这正是“26 份规格文件 1 份统一脚本”这种组织方式的价值所在——单一入口脚本规格文档按需引用避免上下文膨胀。技能目录的测试覆盖可见 test_skill_catalog.py其中chart-visualization作为内置技能参与目录构建与名称模糊匹配如输入 chart 可命中该技能。小结漏斗图输入极简一个按流程顺序排列的data数组categoryvalue其余style/theme/width/height/title均为有默认值的可选项调用方式统一node ./scripts/generate.js payload_json支持内联 JSON 或 JSON 文件、支持数组批量生成底层实现是工具名到渲染类型的映射加一次带固定source标识的 HTTP POST服务端点可用VIS_REQUEST_SERVER覆盖返回图片 URL 与_meta.spec配合完整的args回传即可实现图表的精确复现与迭代调整。掌握这套参数规范后你可以把销售管道、用户旅程等任何多阶段筛选数据快速转化为可分享的漏斗图并与 DeerFlow 会话中的其他 25 种图表共享同一套调用约定。【免费下载链接】deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.项目地址: https://gitcode.com/GitHub_Trending/de/deer-flow创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 DeerFlow 漏斗图生成实战：chart-visualization 技能中 generate_funnel_chart 的参数规范与底层调用链
DeerFlow 漏斗图生成实战chart-visualization 技能中 generate_funnel_chart 的参数规范与底层调用链【免费下载链接】deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.项目地址: https://gitcode.com/GitHub_Trending/de/deer-flow本篇围绕 DeerFlow 内置chart-visualization技能中的漏斗图generate_funnel_chart展开讲清它的适用场景、完整输入字段规范、可复制的调用命令以及底层 generate.js 的映射与 HTTP 请求实现。读完你可以独立完成多阶段转化/流失数据的可视化配置并理解参数是如何从 JSON payload 一路传递到渲染服务的。漏斗图解决什么问题漏斗图funnel chart用于展示多阶段转化或流失情况是销售管道lead → 商机 → 成交、用户旅程访问 → 注册 → 激活 → 付费等逐步筛选过程的典型表达。在 DeerFlow 的 26 种图表工具中SKILL.md 将其归类为 Specialized 场景generate_radar_chart多维对比generate_funnel_chart流程阶段Process stagesgenerate_liquid_chart百分比/进度其余包括词云、箱线图、网络图、鱼骨图、流程图、表格视图等。也就是说当你手上的数据是“一串有先后顺序的阶段 每阶段的量级”漏斗图就是技能智能选型时的首选。技能工作流选型 → 抽参 → 生成 → 回传理解单个图表前先看它在技能工作流中的位置。SKILL.md 定义的完整流程为智能选型根据数据特征选择 26 种图表之一细则见references/目录参数抽取读取对应的references/generate_xxx.md规格文件漏斗图即 generate_funnel_chart.md把用户数据映射为args生成以 JSON payload 调用scripts/generate.js回传返回图表图片 URL 与完整的args规格方便复用。Payload 的标准结构是{ tool: generate_funnel_chart, args: { data: [ ... ], title: ..., theme: ..., style: { ... } } }执行命令要求 Node.js ≥ 18见 SKILL.md frontmatter 的compatibility声明node ./scripts/generate.js payload_json输入字段规范必填与可选以下是漏斗图的完整参数规范直接继承自 generate_funnel_chart.md并结合其他图表规格做了字段对照。必填字段字段类型说明dataarray需按流程顺序排列每条包含categorystring阶段名称与valuenumber该阶段的量级顺序是漏斗图的语义核心渲染端按数组下标自上而下绘制层级若数据未按实际流程排序漏斗会呈现错误的转化叙事。可选字段字段类型默认值说明style.backgroundColorstring无设置图表背景色style.palettestring[]无定义各阶段颜色按data顺序取色style.texturestringdefault可选default/rough粗糙手绘质感themestringdefault可选default/academy/darkwidthnumber600图表宽度heightnumber400图表高度titlestring空字符串图表标题这些可选字段的语义在技能内其他图表规格中是一致的例如 generate_bar_chart.md 中theme、style.texture、width/height的默认值与取值完全相同意味着它们是一套跨图表的统一渲染约定配置经验可以横向迁移。可复制的完整示例以“电商用户转化”为例一个可以直接运行的 payload{ tool: generate_funnel_chart, args: { title: 电商用户转化漏斗本月, theme: default, width: 600, height: 400, style: { palette: [#5B8FF9, #5AD8A6, #5D7092] }, data: [ { category: 访问, value: 52000 }, { category: 注册, value: 18400 }, { category: 首次付费, value: 4300 } ] } }执行node ./scripts/generate.js {tool:generate_funnel_chart,args:{title:电商用户转化漏斗本月,data:[{category:访问,value:52000},{category:注册,value:18400},{category:首次付费,value:4300}]}}底层调用链generate.js 是如何处理漏斗图的结合 generate.js 的源码可以看到从命令到渲染服务的完整链路工具名映射generate.jsCHART_TYPE_MAP把 26 个工具名映射为渲染端类型名漏斗图对应generate_funnel_chart: funnel。脚本对未知工具名会打印Unknown tool并跳过不会中断批处理。spec 解析generate.js第一个参数既可以是内联 JSON 字符串也可以是一个存在的 JSON 文件路径fs.existsSync判断若传入的是数组则按批处理逐个 spec 依次生成单个失败不影响其他项。HTTP 请求generate.jsgenerateChartUrl将args与type: funnel、source: chart-visualization-creator合并为 payloadPOST 到渲染服务服务端返回success: false时抛出errorMessage成功则返回resultObj。服务端点可配置generate.jsVIS_REQUEST_SERVER环境变量可覆盖默认的 gpt-vis 渲染端点SERVICE_ID环境变量仅对地图类工具generate_district_map/generate_pin_map/generate_path_map走generateMap分支时使用漏斗图不经过该分支。因此默认配置下漏斗图生成依赖外网渲染服务这是当前实现的适用前提如需私有化或离线使用从源码结构看需要通过VIS_REQUEST_SERVER指向自建端点。输出非地图类图表直接在 stdout 打印图片 URLgenerate.js脚本对错误采取“打印到 stderr 并继续”的容错策略。使用建议数据口径与阶段数量原文档给出的三条实操建议值得展开阶段顺序按实际流程排列漏斗图无坐标轴读者唯一的空间参照就是“从上到下”乱序数据会直接产生错误结论百分比需统一口径若value填的是转化率而非绝对量所有阶段必须相对同一基准通常是首阶段且应在title或备注中写明口径否则读者无法区分“5% 的流失”与“5% 的留存”阶段数建议 ≤ 6层级过多时每层宽度差异变小阅读难度陡增。若业务流程确实很长建议先合并低量级尾部阶段再绘图。返回结果与复用脚本成功执行后stdout 输出漏斗图图片 URL。按技能工作流的约定回传给用户时还应附上完整的args即规格 spec渲染端同时会在_meta.spec中给出完整配置——这使图表在 DeerFlow 会话中可以被精确复现与微调修改palette、更换theme或增删阶段后用同一 payload 结构再次调用即可无需重新组织数据。在 DeerFlow 中如何被加载漏斗图不是独立工具而是chart-visualization技能包的一部分。该技能位于 skills/public/chart-visualization/由skills/public/下的技能加载体系发现SKILL.md 的 frontmattername、description、nodejs 兼容性声明由后端技能解析器读取例如 parser.py 中的parse_skill_file负责从 SKILL.md 提取名称、描述与指令。技能目录含references/规格文档与scripts/generate.js作为整体挂载给 AgentAgent 在运行时按需查阅具体图表的 reference 文档来组织args这正是“26 份规格文件 1 份统一脚本”这种组织方式的价值所在——单一入口脚本规格文档按需引用避免上下文膨胀。技能目录的测试覆盖可见 test_skill_catalog.py其中chart-visualization作为内置技能参与目录构建与名称模糊匹配如输入 chart 可命中该技能。小结漏斗图输入极简一个按流程顺序排列的data数组categoryvalue其余style/theme/width/height/title均为有默认值的可选项调用方式统一node ./scripts/generate.js payload_json支持内联 JSON 或 JSON 文件、支持数组批量生成底层实现是工具名到渲染类型的映射加一次带固定source标识的 HTTP POST服务端点可用VIS_REQUEST_SERVER覆盖返回图片 URL 与_meta.spec配合完整的args回传即可实现图表的精确复现与迭代调整。掌握这套参数规范后你可以把销售管道、用户旅程等任何多阶段筛选数据快速转化为可分享的漏斗图并与 DeerFlow 会话中的其他 25 种图表共享同一套调用约定。【免费下载链接】deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.项目地址: https://gitcode.com/GitHub_Trending/de/deer-flow创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考