看到群里的小伙伴在Excel里使用DuckDB来获取数据，灵感迸发写了一篇“《Excel植入DuckDB，小宇宙爆发》”。

在之前的文章中，我曾介绍过 Visualization Extensions 如何让开发者以插件形式引入新图表。而到了 2025 年，我们欣喜地看到，Table...

之前我们有一个系列，小伙伴遇到文章中比较好的可视化的时候总会让我们进行复现，**但这个系列已经被AI打败了**，我们也很久没有再出过类似的教程了。结合以前的风格...

这些调整反映出 excelize 正在统一图表与形状相关的线条配置模型，并且对图表标题能力做了更强的抽象。升级后，原有代码中涉及以下场景都需要检查：

当任务被接收后，WorkBuddy 会自行决定需要读取哪些字段、做哪些计算、是否生成图表。它的多工具调用能力可以同时进行文件读写、代码执行与内容生成。对于数据分...

在此对 Weilong Zhang 对本文所作的贡献表示诚挚感谢，他在上海交通大学完成了企业管理专业的博士学位，专注跨境电商与数字化转型领域。曾在多家知名咨询机...

除了 Lens 内置图表，腾讯云 ES 还提供 60+ 定制图表模板，包含 CLB 流量拓扑图、TKE 容器热力图等腾讯云生态专属图表。

图表是原生渲染在对话里的，不是截图、不是外链，是 Kibana 的 Lens 引擎实时生成的交互式图表，可以缩放、可以钻取、可以导出。

我更愿意把一项科研 AI 的交付物理解成“研究包”。说白了就三样：数据层留下原始文件和清洗脚本；代码层带上环境、版本和注释；决策层写清为什么这么设参数、如何处理...

（官方X附的基准图表看得人热血沸腾：其他模型到1M时recall直接崩盘到30-40%，Claude几乎持平短上下文表现）

README 里提到 150 多个内置函数自动求值，还支持数据透视表、图表、条件格式、切片器这些东西。对自动生成报表的人来说，这比只写单元格更接近真实需求。

今天，我们要聊一个多模态大语言模型（MLLM）领域的重磅玩家——来自阿里巴巴的 Ovis2.5。

今天，我们要聊一个非常热门且棘手的话题：如何让AI更好地理解那些充斥着图表、表格和复杂布局的“富视觉”文档？

在“大戏”开演之前，我们必须先理解FDV这个关键技术。如前所述，FDV用文本来描述图表。具体来说，它从四个维度来解构一个图表（参考论文图3）：

查文献，可以用 AI。 读论文，可以用 AI。 做图表，可以用 AI。 写论文，也可以用 AI。

SkillHub MCP 广场收录的专业数据分析相关 MCP Server，提供对各类数据源的访问接口，允许 AI 助手通过 MCP 协议直接检索数据、执行查询...

关于上述图表最相关的一点是它们可以被复合：新图表可以从旧图表中构建出来。让我们探讨一下复合在超图范畴和余跨度代数中是如何运作的。

很多论文被拒，并不是因为研究完全不行，而是因为一些本可以提前发现的问题没有处理好。比如：研究问题没讲清楚，方法细节不够，结论写得太满，图表支撑不了核心观点，统计...

从下面对比图可以看出，新模型在处理需要多个工具协同的任务时表现更加稳定。比如在数据分析场景中，它能更好地理解何时需要调用计算工具、何时需要生成图表，以及如何将结...

同事发来一个你不想参加的聚会邀请，你盯着对话框反复输入又删除，半小时憋不出一句得体的话；