SciVisAgentSkills：面向科学数据可视化Agent技能的设计与评估

代理可视化的最新进展使自然语言能够转换为可执行的科学可视化 (SciVis) 工作流程。虽然通用编码代理显示出强大的功能，但它们通常缺乏 SciVis 任务所需的特定工具专业知识。在这项工作中，我们提出了 SciVisAgentSkills，这是一组可重用代理技能，通过跨科学工具（例如 ParaView、napari、VMD 和 TTK）编码环境假设、工具使用模式和领域启发法，增强科学数据分析和可视化的编码代理。我们使用 SciVisAgentBench 在 Codex 和 Claude Code 上评估这些技能，SciVisAgentBench 是 108 个专家设计的多步骤任务的基准。结果表明，代理技能提高了所评估套件的平均任务得分，其令牌效率优势取决于代理的利用和工具设置。这些发现强调了结构化程序知识对于实现可靠、长期的 SciVis 工作流程的重要性，同时还表明，应该与加载和应用这些技能的执行工具一起研究技能。这些技能可在 https://github.com/KuangshiAi/SciVisAgentSkills 获取。