Crystalis：面向协同多视图可视化生成的渐进成核与语义退火

大语言模型（LLM）能够生成单个图表，但视图之间共享数据流并具有跨视图交互的协同多视图可视化（CMV）仍难以企及。数据变换、视觉编码与交互协调之间紧密的字段级耦合，使得一个组件中的错误会悄悄使其他组件失效。与其追求取决于模型能力、领域知识和用户专业性的端到端分析质量，我们瞄准一个更基础的问题：LLM能否可靠地生成结构正确的CMV，又是哪些抽象使之成为可能？我们提出Crystalis，一个建立在以查询为中心的CMV建模之上的框架，将CMV分解为对依赖图的结构化查询，该依赖图横跨三种组件类型（Data、Visualization、Interaction）和三个抽象层级（需求、规格、可执行对象）。两个互补机制作用于这一结构：渐进成核沿依赖顺序将每个查询从需求到对象纵向结晶，而语义退火通过分层逻辑检查强制各层级内查询之间的横向一致性。在跨越五个前沿LLM的12任务基准上，Crystalis实现最高75%的端到端成功率，大幅超过智能体编程基线（同一基础模型下8.3%的E2E成功率），且一项有12名从业者参与的用户研究证实了分解与迭代精化工作流的可用性。