FigureYa Help

AI 能生成代码，为什么还要用 FigureYa？

一句话回答：AI 能写代码，但 AI 不保证写的代码是对的。FigureYa 的每个模块都是领域内的人写的、经过同行验证的——有人背书、有人把关。你拿到的不是一段"看起来能跑"的代码，而是一个经过验证的分析流程。

AI 生成代码的三个问题

1. 工具太多，不知道选什么

生信可视化涉及数百个 R 包：ggplot2、pheatmap、ComplexHeatmap、survminer、clusterProfiler、ggtree、circlize……每个包又有大量参数。

你问 AI"画个火山图"，它会给你一段代码——但用的是什么包？参数对不对？统计方法合不合适？AI 不会告诉你"我选这个包是因为 XX 文章用的就是这个方法"，它只是选了一个看起来合理的。

FigureYa 的每个模块都明确标注了：用哪些包、为什么这么选、参数怎么设——因为这是实际做过多组学分析的人写的。

2. 担心结果不可靠

AI 生成的代码有一个隐蔽风险：代码能跑，结果却是错的。

  • 统计检验方法选错（该用 Wilcoxon 却用了 t 检验）
  • 数据 normalization 方式不合适
  • 图形参数默认值导致误导性展示（如 y 轴不从 0 开始）
  • 多重检验校正缺失

这些问题在"代码能跑出图"的情况下不会报错，但结论是错的。你可能基于错误结果做了后续决策，等发现时已浪费大量时间。

FigureYa 的模块经过社区使用和验证——不只是"能跑"，而是"跑出来是对的"。

3. 没有人为结果负责

AI 生成的代码，没有人为结果负责。出了问题，AI 不会告诉你哪里可能错了、结果是否可信。

FigureYa 有：
- 作者署名：每个模块的 .Rmd 文件记录了作者和来源
- 社区验证：2870+ 位用户使用过，问题通过 GitHub Issues 反馈和修复
- 论文引用：FigureYa 发表在 iMetaMed（>doi:10.1002/imm3.70005），方法学经过审稿
- 版本追踪：模块有 commit 历史，可追溯修改记录

FigureYa + AI = 最好的组合

FigureYa 和 AI 不是替代关系，而是互补：

纯 AI 生成代码 FigureYa FigureYa + AI
可靠性 无保证，可能跑出错的结果 有人背书，社区验证 以验证过的模块为基础
可追溯 无作者，无人负责 有作者、有 commit、有论文引用 保留来源和引用
工具选择 AI 自己选，你不知道为什么选这个 作者基于实际经验选择 AI 从 FigureYa 中推荐，有依据
灵活性 可自由修改，但可能引入错误 模板固定，改起来需要懂代码 AI 在验证过的模板上适配你的数据
上手成本 需要会判断 AI 写的代码对不对 需要会 R，改数据路径 AI 帮你改，你只需描述需求

推荐工作流

你描述需求和数据
      ↓
AI 从 FigureYa 300+ 模块中推荐合适的模板
      ↓
你确认选对模板（有作者背书、社区验证）
      ↓
AI 帮你适配数据（改路径、映射列名、转换类型）
      ↓
以验证过的模块为基础出图，结果可信

💡 关键区别：不是让 AI 从零写代码，而是让 AI 在 FigureYa 验证过的模块上适配——可靠性来自 FigureYa，灵活性来自 AI。

信任从哪里来？

作者：领域内的人

FigureYa 的模块不是 AI 生成的模板，而是实际做过多组学研究的人写的：
- 每个模块对应一个真实的分析场景（如泛癌免疫浸润、单细胞细胞类型注释、生存曲线比较）
- 代码中的参数选择基于实际数据调试经验，不是默认值堆砌
- 作者署名记录在 .Rmd 文件中

使用规模：能统计的和统计不到的

FigureYa 的真实使用规模难以精确统计，但可以从多个来源拼出全貌：

可查的数据来源

来源 数据
GitHub 仓库 413 stars，258 forks
GitHub 图库网站 319 个模块的 HTML 报告在线浏览
众筹模式 323 个模块由不同用户提交
微信公众号"小丫画图" 文章阅读量、关注者数
FigureYa 图库网站 独立访客量（figureya.online 镜像另计）
Actions 在线运行 通过 GitHub Actions 直接运行模块的次数
百度网盘群 大数据文件下载（群号 979397987）

学术论文引用

FigureYa 论文（>doi:10.1002/imm3.70005）发表后被引用 9 次。在 Google Scholar 搜索 "FigureYa"，可找到 40+ 篇论文提及或致谢 FigureYa：

  • 部分论文在方法学中正式引用 FigureYa
  • 更多论文在致谢中写道："We would like to thank FigureYa (Xiao Ya Hua Tu) for the figure technology support"
  • 引用 FigureYa 的论文又被引用数千次（如 Deng et al. 2020 被引 142 次，Song et al. 2022 被引 161 次）

统计不到的使用者

实际使用人数远大于可统计的数据，因为：

  1. 下载即用，无需注册——克隆仓库、下载 ZIP、从图库下载单个模块的人都不会被计数
  2. 很多使用者不引用——用了 FigureYa 的代码画图，但论文方法学或致谢中未提及
  3. 作图平台间接使用——一些面向生信作图的在线平台或工具集成了 FigureYa 的代码，终端用户不知道底层用的是 FigureYa
  4. 教学传播——在课程、培训班中作为教材使用，学员直接拿到代码
  5. 微信群传播——通过微信交流群分享模块和代码，不经过 GitHub

所以，如果你用了 FigureYa 但没引用，也没关系——你和那些在论文致谢中提到的人一样，都是 FigureYa 社区的一部分。当然，如果能在方法学或致谢中提一句 FigureYa，会让更多人知道这个工具，也让维护者更有动力。

论文：可引用的学术成果

Lu, X. et al. (2025). FigureYa: A Standardized Visualization Framework for Enhancing Biomedical Data Interpretation and Research Efficiency. iMetaMed, 1, e70005. >https://doi.org/10.1002/imm3.70005

使用 FigureYa 的模块，你可以在论文方法学部分引用这篇文章，让你的可视化方法有据可查。AI 生成的代码无法提供这种学术背书。

下一步