AI 画图，我们给的是可编辑矢量图——不是一张像素图引言：「AI 画图」正在说两件完全不同的事2024 年以来，「用 AI 画图」几乎成了默认表述。但打开不同产品，你得到的可能是 三种完全不同的东西：一张 1024×1024 的 PNG——节点文字改不了，线条调不了，放大发糊；这是 AI 文生图；一块 通用白板或设计 Canvas——Figma、Miro、Excalidraw、甚至 HTML5 <canvas>：能画、能拖，但 AI 往往只帮你「出一张 SVG/截图」，不懂你的图在表达什么结构（哪是顶点、哪条边、拓扑对不对）；或者一套 图结构文档里的矢量对象——每个节点、每条边、每段标注都是带 ID 的独立元素，拖得动、改得动、导出后仍是矢量，且 AI 改的是「结构」而不是「像素或笔迹」。DrawFig（drawfig）从第一天起，选择的永远是第三种。我们不是「AI 文生图」工具，也不是「再做一个空白 Canvas 让你自己拖」。我们提供的是：面向科研制图的结构化矢量文档 + AI 画布操作——你用自然语言描述拓扑与布局，AI 把意图编译成可执行的图操作（建点、连线、标号、对齐），落在 mxGraph 图模型上；你拿到的是 可编辑、可导出 TikZ、可反复改拓扑的图稿，而不是一张像素图，也不是一堆难以维护的松散路径。这篇文章想把这个区别讲透：为什么仅有「矢量 Canvas」还不够；DrawFig 真正的差异化在哪里；以及它和文生图、通用白板、纯手动 draw.io 分别差在哪一步。一、先分清：矢量图 vs 像素图，差别不只是「清不清楚」1.1 像素图（Raster）：好看，但往往是「死图」像素图由固定分辨率的色点阵列构成——PNG、JPEG、WebP，以及大多数「AI 文生图」模型的默认输出，都属于这一类。优点： 表现力强，照片、插画、复杂光影可以一步到位。对学术场景的核心问题：问题具体表现不可结构化编辑想把节点 B 改成 C？通常只能重新生成整张图，或进 Photoshop 手抠缩放失真论文双栏放大、印刷 300 dpi 时，线条和文字边缘发虚与 LaTeX 字体不一致位图里的字体与正文 Computer Modern / Times 无法统一无法导出 TikZ审稿人要求矢量终稿时，位图需要整图重画版本迭代成本高导师说「加一条边、改一个标签」= 往往从头再来一句话：像素图适合「定稿后的展示」，不适合「还在改结构的科研制图」。1.2 矢量图（Vector）：每个元素都有「身份」矢量图用数学描述几何——圆是圆心+半径，线段是端点坐标，文字是字体轮廓。SVG、PDF 矢量层、TikZ 代码、draw.io 的 .drawio 文件，本质都是矢量。对学术场景的核心价值：任意缩放不失真：投稿、答辩投影、海报打印，线条始终锐利；元素级编辑：移动一个节点，相连的边自动跟随；改标签不影响拓扑；与论文工作流对齐：可导出 TikZ，嵌入 LaTeX 与正文同编译；可 diff、可协作：图稿是结构化数据，不是一张 flatten 后的图片。DrawFig 的画布基于成熟的 draw.io 引擎，底层是 mxGraph 图结构模型：每个顶点（vertex）、边（edge）、文本（text）都是带 ID 的单元格（cell），边知道连的是哪两个点——这是「图文档」，不是一屏像素，也不是一堆互不关联的钢笔路径。1.3 一张表看懂：你真正需要哪一种？维度像素图 / AI 文生图通用 Canvas / 白板DrawFig 结构化图文档输出形态栅格图像（PNG 等）多为 SVG/JSON，结构语义弱图模型 + TikZ/SVG/PDFAI 的角色直接「画像素」常生成静态 SVG 或贴图理解拓扑，执行建点/连线/标号等 op改一个节点标签困难一般可以，但 AI 难增量改双击或 setVertexLabels改拓扑（加边/删点）困难手工为主，AI 易「重画一张」拖拽或自然语言 增量 op图论语义（K5、二分图…）无无专用表达graphBrief 等结构化描述论文 / LaTeX\includegraphics很少原生 TikZTikZ 双向导入导出适合场景插画、概念艺术设计稿、头脑风暴图论图、算法图、架构拓扑、论文插图仅有「矢量 Canvas」不够——科研制图还要「结构可解析、改稿可增量、终稿可进 LaTeX」。DrawFig 把这三件事和 AI 绑在一起，才是差异化所在。一点五、「Canvas」三个字，我们指的不是同一回事很多人听到 Canvas，会想到：大家说的 Canvas本质和 DrawFig 的关系HTML5 Canvas浏览器里的 像素位图 API，画完就是色点我们 不用 这条路出图Figma / Miro 白板设计协作 Canvas，对象可拖，但偏 UI/流程美学我们聚焦 论文级图论与拓扑，不是 UI 设计Excalidraw 等手绘 Canvas矢量笔迹，风格像手绘白板我们偏 精确节点/边/权重，并导出 TikZdraw.io 手动编辑器同款 mxGraph 矢量引擎，纯手拖DrawFig 在其上 加 AI 结构规划 + 学术导出DrawFig AI 画布自然语言 → 图操作计划 → mxGraph cell这是我们的产品层：AI 懂结构，不是懂像素所以：「有个 Canvas 就能画」不是护城河。 护城河是——图结构优先：存的是顶点、边、标签与连接关系，不是 flatten 后的外观；AI 操作的是语义：说「加一条 A→D 的边」会执行 insertShapes / 改 graphBrief，而不是重新 rasterize 一张图；学术闭环：同一文档可视觉编辑、可导出 TikZ、可再导入修改，与 LaTeX 字体与编译链对齐；图论原生：完全图、二分图、带权有向图、函数曲线等有 一等公民 的描述与展开，不是让 LLM 猜坐标。一句话：别人给你一块布；我们给你一份「可编译、可改拓扑、可进论文」的图结构文档，AI 是这份文档的协作者。二、DrawFig 的 AI：操作图结构，不是渲染像素、也不是「重画一张 SVG」这是最容易被误解的一点：DrawFig 与 Midjourney 等不同，也和「在通用 Canvas 里贴一张 AI 生成的 SVG」不同。2.1 「AI 画布」= 自然语言 → 图操作计划 → 图结构 cellDrawFig 的 AI 能力（AI 画布 / AI 操作）走的是 「规划—执行」 管线——AI 的输出是 操作列表或 graphBrief，不是图像文件：你在对话框里描述意图（中英文均可）例：「画一个有 6 个节点的有向图，A→B→C，A→D，使用层次布局。」AI 画布服务解析为结构化计划返回 actions（逐步操作）、graphBrief（图论/流程图/函数图等 带类型语义 的简图描述）、或完整的 draw.io XML。浏览器内插件在图文档上执行创建矩形网格图、插入形状、设置箭头模式、对齐顶点、修改标签……每一步都落在 mxGraph 的 vertex/edge cell 上，边仍绑定端点。你继续手工微调AI 出的是「80 分初稿」，剩下 20 分用拖拽、对齐、样式面板完成——没有「生成一张图然后结束」这一步，也没有「换 prompt 整图重抽」。和「通用 Canvas + AI」的典型差别：后者常把 LLM 输出当作 一整块 SVG/PNG 贴上去；DrawFig 让 LLM 输出 可审查、可单步撤销的图 op，与侧栏手工按钮同一套语义。技术栈上，ai-canvas-service 的 /v1/plan 负责规划 JSON；drawfigure-ai-canvas.js 负责执行——AI 说的「加边」和你点的「连线」改的是同一份图结构。2.2 AI 能做什么：结构化、可组合、可审查当前 AI 画布擅长的是 有明确结构的图，例如：类型示例描述AI 输出图论图完全图 K5、二分图 K(3,4)、带权有向图顶点 + 边 + 标签，可继续拖布局流程图开始→判断→两个分支→合并→结束flowchart 展开为形状与连线函数曲线y=sin(x)，x 从 -π 到 π，带坐标系采样折线 + 坐标轴，仍是矢量示意图客户端→网关→三后端→数据库schematic 拓扑，节点可逐个改文案增量编辑「把选中的顶点标号改成 v1,v2,v3」setVertexLabels 等 op，不重建整图支持的操作包括（节选）：创建图网格、插入形状、删除选中、设置样式、图论箭头模式、顶点对齐与分布、插入旁注文本、调用编辑器动作等。每一个 op 都对应图文档里真实 cell 的增删改，而不是对一张位图做滤镜，也不是替换整个 SVG 图层。2.3 AI 不做什么：我们不替你「文生图」以下需求 不是 DrawFig AI 画布的设计目标：「画一张赛博朋克风格的论文封面插画」→ 请用文生图工具；「生成一张看起来很像 Nature 配图的照片级细胞图」→ 请用 BioRender 等专业生物插画平台；「给我一张 4K 渲染的概念艺术图」→ 那是像素生成模型的工作。DrawFig 专注 结构可解析、元素可编辑、终稿可矢量导出 的学术与工程制图。把 AI 用在「理解拓扑与布局意图」，而不是「猜测像素颜色」，这是我们刻意的产品边界——也是与「AI 绘图 hype」划清界限的地方。三、为什么「可编辑」和「矢量」必须绑在一起？有人可能会问：AI 能不能先生成矢量 SVG，再导入编辑？理论上可以，但实践中科研用户要的是 端到端可控：3.1 从 AI 初稿到定稿：典型五步（全程矢量）自然语言描述 ↓ AI 画布生成矢量初稿（节点/边/标签均为独立对象） ↓ 可视化微调（拖拽、对齐、统一线宽与字体） ↓ 导出 TikZ / SVG / PDF（矢量路径保留） ↓ 嵌入 LaTeX 论文，与正文同编译任意一步都可以 回到图文档改结构，而不是「导出 PNG 后死路一条」。导师说「把节点 D 移到左边、加一条虚线边」——在 DrawFig 里这是分钟级操作；若起点是 AI 文生图的 PNG，往往意味着重抽或进 PS；若起点是「AI 贴一整张 SVG」，往往只能手工找路径改，拓扑一改就牵一发动全身。3.2 与 TikZ / LaTeX 工作流同频理工科论文大量用 LaTeX。TikZ 是事实上的矢量制图标准——代码即图形，编译即 PDF。DrawFig 提供 双向通道：导出 TikZ：画布样式映射为 \tikzpicture 代码，粘贴进论文；导入 TikZ：已有代码可反向载入编辑器可视化修改（文件 → 从 TikZ 代码导入），再导出——全程不经过位图中间态。这意味着：AI 帮你搭骨架，TikZ 帮你交终稿，中间没有「先 PNG 再 trace 回矢量」的损耗环节。3.3 位图输入也能回到矢量（img2graph）如果你手里只有 白板照片、扫描草图、截图，DrawFig 的 img2graph 路径会把位图 重建 为图文档里的 vertex/edge——目标仍是 可编辑图结构，不是「给你一张 traced PNG」。这与 AI 画布互补：img2graph：位图 → 图结构（重建拓扑）AI 画布：语言 → 图结构（从零或增量生成）手工编辑：图结构 → 图结构（精细控制）三条路径汇到 同一份 mxGraph 图文档，而不是三种互不相通的文件格式。四、和常见「AI 绘图」产品比：我们差在哪里，又强在哪里4.1 vs 通用 AI 文生图（Midjourney / SD / DALL·E 等）文生图DrawFig输出像素矢量对象改稿重 prompt / inpainting元素级编辑 + AI 增量指令论文可用性需高分辨率导出，字体难统一TikZ/SVG/PDF 矢量直出图论/精确拓扑弱，易 hallucinate 连线强，graphBrief / 图论专用 op我们强的不是「画得像不像照片」，而是「结构对不对、能不能改、能不能进 LaTeX」。4.2 vs 通用 Canvas / 白板（Figma、Miro、Excalidraw、部分「AI 画板」）通用 CanvasDrawFig对象模型形状/笔迹/Frame，语义因工具而异vertex / edge / label，拓扑一等公民AI 典型输出整图 SVG、截图、设计建议actions / graphBrief / drawioXml改拓扑手工拖；AI 常需整图重来增量 op，边随端点自动更新图论场景无 K5、二分图等原生描述graphBrief: graph / complete / grid…论文终稿很少 TikZTikZ 双向差异不在「能不能拖」，而在「AI 和你的图有没有共同语言——结构、拓扑、可导出代码」。4.3 vs 传统在线流程图工具（Visio / ProcessOn / draw.io 纯手动）纯手动工具DrawFig上手要会拖节点自然语言可生成初稿文档模型矢量（同类引擎）同类引擎 + 图论/学术扩展学术导出一般仅 PNG/PDFTikZ + 图论布局 + 函数图AI多数无或仅辅助AI 画布：结构级 op，与手工同语义DrawFig 不是取代 draw.io，而是在其 同一套图结构引擎 上叠加 学术场景 + AI 结构规划 + TikZ 闭环——格式仍兼容 .drawio，但产品心智是「论文图结构文档」，不是「又一个空白画布」。4.4 vs 「AI 生成后再 SVG」的中间方案有些工具声称「AI 生成 SVG」。但若 SVG 里是 <image> 嵌位图、或路径过复杂不可编辑，本质仍是「换壳的像素图」。DrawFig 的验收标准更简单：生成后，你能否单独选中一个节点、改它的文字、拖它的位置，并让相连的边正确跟随？能——才是我们说的「可编辑矢量 AI 制图」。不能——无论文件后缀是什么，对科研用户价值都有限。五、三个真实场景：图结构 + AI 如何串起来场景 A：算法论文里的有向加权图需求： Dijkstra 示例图，6 个节点、7 条带权有向边，节点标签 A–F，要进 LaTeX 双栏。像素文生图路径： prompt 多轮 → 得到 PNG → 文字 OCR 常错 → 放大糊 → 无法 TikZ → 导师打回。DrawFig 路径：对话：「节点 A–F，边 A→B(4) A→C(2) …，圆形节点，权重标在边上。」AI 画布生成矢量初稿，约 10 秒。手动微调对齐、统一线宽。导出 TikZ，粘贴进 figure 环境，与正文同编译。全程图结构可编辑，任意一步可回编辑器改拓扑。场景 B：系统架构图（答辩 PPT + 论文各要一版）需求： 客户端 → API 网关 → 三个微服务 → 两个数据库；答辩要彩色，论文要黑白。DrawFig 路径： AI 生成 schematic 拓扑 → 复制图层改配色 → 论文版导出黑白 TikZ，PPT 版导出 SVG。同一源文件，不是两张无关的 AI 出图。场景 C：白板草图进论文需求： 组会白板上拍的函数图像草图，要变成正式插图。DrawFig 路径： img2graph 重建曲线与坐标轴为图 cell → 编辑器里修正刻度与标签 → 导出 TikZ。输入可以是位图，工作态和终稿仍是结构化矢量。六、技术心智模型（给关心实现细节的读者）用一张简图概括 DrawFig 与「像素 AI 绘图」的数据流差异：【常见 AI 文生图】 文本 prompt → 扩散/自回归模型 → 像素矩阵 → PNG/JPEG （结构信息丢失，不可编辑） 【通用 Canvas + AI】 文本 prompt → LLM → 整段 SVG/PNG → 贴到白板 （拓扑语义弱，改结构常需重生成） 【DrawFig AI 画布】 文本 prompt → LLM 规划(JSON actions / graphBrief / drawioXml) → 浏览器执行 → mxGraph 图 cell（vertex/edge） → 用户编辑 → TikZ / SVG / PDF / .drawio （结构保留，增量可改，论文可导出）七、常见疑问（FAQ）Q1：DrawFig 完全不能出 PNG 吗？可以导出 PNG，但那是 从矢量渲染出来的快照，用于预览或必须位图投稿的场合。主路径始终是矢量；需要印刷或 LaTeX 时，请用 TikZ、SVG 或 PDF。Q2：AI 生成的图质量不如手画精细怎么办？预期就是如此：AI 负责 结构与初布局，精细排版（对齐、字体、线型、标注位置）交给编辑器。这比「AI 一张图定终身」更符合真实科研改稿节奏。Q3：和 ChatGPT「画个图」、或 Figma AI 有什么区别？ChatGPT 常给出 代码/ SVG 字符串/ 图片——你要自己粘贴、对齐、改拓扑。Figma AI 强在 界面设计，不保证图论语义与 TikZ 终稿。DrawFig 的 AI 直接写入 mxGraph 图文档，后续手工编辑、增量 op、TikZ 导出是 同一对象模型 上的连续操作。Q4：我已经会用 draw.io，为什么还要 DrawFig？引擎同源，但 DrawFig 补的是 draw.io 默认没有的 学术闭环：AI 结构规划（graphBrief / actions）、图论专用能力、TikZ 双向、img2graph 重建拓扑。若你只偶尔画一张简单框图，draw.io 足够；若论文里图多、改稿频、要 TikZ，DrawFig 省的是 结构与导出 上的重复劳动。Q5：免费吗？TikZ 导入也要积分吗？画布本身免费： 拖拽编辑、图论工具、SVG/PNG/PDF 等常见格式导出、本地保存——无需注册即可使用。以下需登录并按积分扣费（账户 每日自动赠送 30 积分，可累积；邀请好友注册另得 100 积分）：操作积分TikZ 导入5 积分/次TikZ 导出3 积分/次AI 画布5 积分/次八、结语：别只比「有没有 Canvas」，要比「图结构能不能活过改稿」「AI 画图」正在变成泛滥的营销词；「矢量 Canvas」也几乎人手一块。对科研与工程用户，真正该问的是：这张图的 拓扑 AI 懂不懂、改不改得动？导师让改一个标签、加一条边，是 增量 op 还是 重画一整张？投期刊时，能不能 TikZ 进 LaTeX、与正文字体一致？半年后复现论文，打开的是 图结构源文件，还是一张旧 PNG？DrawFig 的回答：我们交付的是「图结构文档 + AI 结构协作者 + 论文级导出」——不是像素图，也不是一块空白 Canvas。每个节点、每条边、每段标注仍然独立、可拖、可改、导出后仍是矢量——但更重要的是：它们组成的是一份有拓扑语义的图，AI 操作的是这份结构，而不是在像素或松散 SVG 上再盖一层效果。欢迎打开 DrawFig，用一句话描述拓扑，在 图结构文档 里改到定稿，再一键导出 TikZ。结构用 AI，文档用图模型，定稿用 TikZ——这才是学术制图在 AI 时代该走的那条路。关于 DrawFigDrawFig面向科研与工程制图：在 draw.io 图结构引擎之上，提供 AI 结构规划、图论专用能力、TikZ 双向 与 img2graph 拓扑重建——不是文生图，也不是通用白板。画布编辑免费；TikZ 与 AI 按积分扣费（每日赠送 30 积分）。

试用了一下华为的AI医疗使能平台，总体来说体验还不错，分析速度很快，对数据集的质量要求不是很高，可自主上传数据训练模型，生成的分析内容可视化较强，便于理解，期待后续更多功能的出现 

在整体平台的业务架构中，有一块是数字孪生的架构设计，比如平台的模型计算出来的结果如何通过BIM呈现出来，如何跟GIS结合，于是平台引入了数字孪生的功能设计。数字孪生模块分为两部分，一部分是台风灾害承灾体子模块，另一部分是数字孪生子模块。第一部分是台风灾害来临时各种受灾物体的仿真模拟效果，根据模型计算的结果，按照一定逻辑线索进行推演，然后把预测数据显示在动画屏幕上。第二部分是利用灾害事件的数据变化，体现出历史和未来灾害事件如何发生，比如台风以往来临的时候，是从哪里到哪里，路径是怎样，带来的气象变化是怎样，带来的泥石流变化是怎样。基于koomap平台，本身提供了承灾体的设计，比如把码头、港口等这些日常的承灾体拖拉到设计窗口，然后根据数据变化，让模型跟着发生变化。koomap还有一个功能，支持可以选择mesh仿真，还是基于BIM仿真。如果是基于mesh算法仿真，只是在界面上把变化的形式体现出来；如果基于BIM仿真，那就是在每个模型渲染的时候，都可以采用数据来计算，然后除了界面上呈现效果外，还可以内部发生变化。在架构设计上，往往根据渲染的硬件支撑平台和业务场景来决定使用koomap哪种仿真效果。

【问题来源】            重庆银行（易云）【问题简要】            IVR以GSL的方式开发，只放音不收号的cell需要使用哪个cell怎么配置【问题类别】【必填】    IVR-GSL【AICC解决方案版本】【必填】      AICC可选择版本：AICC 23.200    【UAP可选择版本：V300R001C02SPC109】    【CTI可选择版本：V300R008C25SPC019】【期望解决时间】      尽快【问题现象描述】【必填】         IVR以GSL的方式开发，只放音不收号（也就是放音的时候不被打断）的cell需要使用哪个cell怎么配置

    我编写了一个有700多行代码的Java程序，已经打包为可以运行的Jar程序，双击运行后可以读取D分区下的建立的“boxs.txt”文件，读取其中的数据生成大小及位置任意设定的长方体，可以设定描边和填充颜色，可以设定透明度，可以旋转长方体，可以根据字符串来排列各个长方体的前后绘制循序，我想将其发布，不知在哪里可以呢？给看看截屏，运行程序读取文本文件的数据和字符串生成了一个桌子，还可以生成较简单的房子以及更为复杂的建筑等等。

操作场景数据大屏是面向企业数据消费者，将可视化和场景叙事技术结合，运行在智能设备上，非接触式连接的酷炫大屏，满足业务监控数字屏、项目会议演示屏，以及对外媒体大屏等场景，从而推动企业数据群体消费。操作流程图1 创建大屏流程步骤1：新建项目登录DataArts Insight管理控制台。在DataArts Insight控制台，按照如下指引，新建项目。单击右侧的“新建项目”创建项目。在新增项目页面输入项目的名称。选择对应的企业项目。填写描述信息。单击‘确认’完成项目创建。说明：项目名称只能由中英文字、数字、以及下划线(_)、斜线（/）、反斜线（\）、竖线（|）、小括号（()）、中括号（[]）组成。项目名称字符长度不超过50个字符。描述信息的长度不超过512个字符。图2 新增项目步骤2：新建数据源新建数据源有以下几种方式:DataArts Insight首页新建数据源快速入口。项目页面内“数据管理 > 数据源”页面下新建数据源。本示例选择在项目页面下创建数据源。进入新建的项目，按下图指引完成数据源的链接，单击“新建数据源”。图3 新建数据源源库类型：选择数据源作为数据分析的数据输入。DataArts Insight支持连接ClickHouse、GaussDB(DWS)，同时也支持API数据源接入。本例选择GaussDB(DWS)为源库类型，接入网络类型选择公网接入。更多参数配置请参考表2。表1 数据源说明数据源描述ClickHouseClickHouse是一款开源的面向联机分析处理的列式数据库。GaussDB(DWS)数据仓库服务是一种基于华为云基础架构和平台的在线数据处理数据库，提供即开即用、可扩展且完全托管的分析型数据库服务。API数据通过API的方式连接数据源。图4 新建DWS数据源表2 配置项参数说明参数描述名称数据源配置列表的显示名称。说明：名称长度不能超过32个字符，只能由字母、数字和下划线（_）组成，且只能以字母开头。域名数据源IP。用户名登录数据库的用户名。密码登录数据库的密码。端口对应数据库的登录端口。数据库登录的数据库名称。SASL_SSL开启SASL_SSL可以实现数据源和DataArts Insight之间的可信身份认证与安全数据传输。完成配置项填写单击“连接测试”。测试连接成功后，点击“确定”完成数据连接。步骤3：新建数据集新建数据集以下几种方式：DataArts Insight首页新建数据集快速入口。项目页面内“数据管理 > 数据集”页面下新建数据集。数据源列表下创建数据集。本示例选择在项目页面下“数据管理 > 数据集”下创建数据集。完成数据源连接后，创建数据集，单击“新建数据集”。图5 新建数据集配置数据源信息。选择步骤2：新建数据源中新建的数据源作为数据集的输入。选择数据源的数据库、Schema。双击数据表，进入数据预览页面。在该页面可对数据进行过滤、新建指标和新建层次维度等操作。图6 配置数据集相关参数单击右侧的“保存”保存数据集的配置信息。输入数据集的名称，单击“确定”完成数据集创建。说明：数据集名称只能由中英文、数字及下划线（_）组成，且不超过64个字符。步骤4：新建数据大屏新建数据大屏有以下几种方式。控制台直接创建。进入项目进行创建。数据集编辑页面创建大屏。数据集列表页面创建大屏。本示例使用数据集编辑页面创建大屏：登录DataArts Insight管理控制台。单击控制台右侧的，搜索所需的项目名称，单击项目名进入项目页面。图7 查找项目单击左侧“数据集”，进入数据集页面，单击对应数据集操作列表下的“编辑”进入数据集编辑页面。图8 数据集编辑页面创建大屏在数据编辑页面，单击右上侧的“创建大屏”，进入创建大屏页面。图9 大屏配置页面在大屏配置页面的左侧选择需要的组件，拖拽进画布内。本示例使用的是折线柱图组件为例，更多组件的使用请参考数据大屏章节。配置组件字段和样式。配置组件字段在数据列选择需要的数据集。将需要的类别轴/维度和轴值/度量分别拖拽至“字段 >类别轴/维度和轴值/度量”内。单击“更新”，完成组件字段配置。配置组件样式单击“折线柱图 > 样式”。在样式页面对组件的样式进行配置。保存或保存并发布大屏。完成大屏制作之后，单击大屏编辑页面右上侧的“保存并发布”或“保存”。保存：保存大屏之后，在大屏页面大屏不具有查看大屏功能。在保存的页面输入大屏的名称。图10 保存并发布说明：大屏名称不能为空，只允许输入长度为1到32位由数字、中文、英文、下划线（_）或中划线（-）组成的字符串。保存并发布：保存并发布大屏之后，在大屏页面大屏具有查看功能。在保存并发布的页面输入大屏的名称。图11 保存并发布说明：大屏名称不能为空，只允许输入长度为1到32位由数字、中文、英文、下划线（_）或中划线（-）组成的字符串。步骤5：查看/预览大屏当大屏创建完成之后，可以进行预览方便对大屏的效果进行修改，本节将为您介绍如何预览大屏。在页面的右上侧，点击“预览”，即可完成预览大屏的功能。图12 预览大屏图13 零售数据大屏效果图

操作场景DataArts Insight提供了简单易用的可视化操作和灵活高效的多维分析能力，DataArts Insight连接外部数据源，即可进行数据分析和报表搭建。本节将为您介绍使用DataArts Insight连接GaussDB(DWS)数据源制作图表的操作步骤。操作流程图1 智能数据洞察快速入门的流程步骤1：新建项目登录DataArts Insight管理控制台。在DataArts Insight控制台，按照如下指引，新建项目。单击右侧的“新建项目”创建项目。图2 创建项目在新增项目页面输入项目的名称。选择对应的企业项目。填写描述信息。单击“确认”完成项目创建。说明：项目名称只能由中英文字、数字、以及下划线(_)、斜线（/）、反斜线（\）、竖线（|）、小括号（()）、中括号（[]）组成。项目名称字符长度不超过50个字符。描述信息的长度不超过512个字符。图3 新增项目步骤2：新建数据源新建数据源有以下几种方式:DataArts Insight首页新建数据源快速入口。图4 数据源项目页面内“数据管理 > 数据源”页面下新建数据源。本示例选择在项目页面下创建数据源。进入新建的项目，按下图指引完成数据源的链接，单击“新建数据源”。图5 新建数据源源库类型：选择数据源作为数据分析的数据输入。DataArts Insight支持连接ClickHouse、GaussDB(DWS)，同时也支持API数据源接入，详细了解请参见新建数据源章节。示例选择GaussDB(DWS)为源库类型，接入网络类型选择公网接入。更多参数配置请参考表2。表1 数据源说明 数据源描述ClickHouseClickHouse是一款开源的面向联机分析处理的列式数据库。GaussDB(DWS)数据仓库服务是一种基于华为云基础架构和平台的在线数据处理数据库，提供即开即用、可扩展且完全托管的分析型数据库服务。API数据通过API的方式连接数据源。图6 新建DWS数据源表2 配置项参数说明 参数描述名称数据源配置列表的显示名称。说明：名称长度不能超过32个字符，只能由字母、数字和下划线（_）组成，且只能以字母开头。域名数据源IP。用户名登录数据库的用户名。密码登录数据库的密码。端口对应数据库的登录端口。数据库登录的数据库名称。SASL_SSL开启SASL_SSL可以实现数据源和DataArts Insight之间的可信身份认证与安全数据传输。完成配置项填写单击“连接测试”。测试连接成功后，点击“确定”完成数据连接。步骤3：新建数据集新建数据集以下几种方式：DataArts Insight首页新建数据集快速入口。图7 数据集项目页面内“数据管理 > 数据集”页面下新建数据集。数据源列表下创建数据集。本示例选择在项目页面下“数据管理 > 数据集”下创建数据集。完成数据源连接后，创建数据集，单击“新建数据集”。图8 新建数据集配置数据源信息。选择步骤2：新建数据源中新建的数据源作为数据集的输入。选择数据源的数据库、Schema。双击数据表，进入数据预览页面。在该页面可对数据进行过滤、新建指标和新建层次维度等操作。图9 配置数据集相关参数单击右侧的“保存”保存数据集的配置信息。输入数据集的名称，单击“确定”完成数据集创建。说明：数据集名称只能由中英文、数字及下划线（_）组成，且不超过64个字符。步骤4：新建仪表板创建仪表板有以下几种方式：DataArts Insight首页创建仪表板快速入口。图10 仪表板创建数据集编辑页面。在控制台单击需要操作项目>数据集>操作列>单击编辑，进入数据集编辑页面，单击页面右上角“创建仪表板”按钮。数据集列表页面。在控制台单击需要操作项目>数据集>操作列>新建仪表板。仪表板表页面。在控制台单击需要操作项目>数据分析>仪表板>新建仪表板。本示例选择在数据集编辑页面进行创建仪表板。在新建的数据集页面，单击右上角的“创建仪表板”进入仪表板页面。新建可视化图表，本示例以智能图表为例。在智能图表区域，将数据的“维度”和“度量”通过鼠标拖动到“智能图表”内的“列”内。图11 制作智能图表点击“更新”之后就可以得到需要的智能报表内容。图12 智能报表效果单击右侧的“保存”保存智能报表。输入仪表板的名称，单击“确定”保存成功。也可通过单击“保存并发布”，保存并发布仪表板。发布后支持预览仪表板。步骤5：查看/预览仪表板查看仪表板要查看的仪表板必须是已经发布的仪表板，未发布仪表板不具有查看的功能。在所创建的项目下，单击数据分析下的“仪表板”，进入仪表板页面。在仪表板页面，选择对应的仪表板单击操作列下的“查看”，就可以查看新建成功的仪表板。图13 查看仪表板预览仪表板在仪表板页面，选择对应的仪表板单击操作列下的“预览”，就可以预览仪表板。图14 预览仪表板

根据您的角色推荐了不同的文档，从而帮助您更快速、更轻松地使用智能数据洞察（DataArts Insight）服务。如果您是初学者如果您是大数据初学者，建议您先熟悉以下模块，了解DataArts Insight的基本功能和常用操作。模块说明产品介绍DataArts Insight服务的介绍文档，从服务的常用概念、产品优势、应用场景、计费说明、权限管理等多个方面进行介绍，让您初步了解数据洞察服务。快速入门DataArts Insight服务的快速使用指导，通过一些示例指导您快速完成仪表板搭建、大屏制作的入门操作。用户指南介绍链接数据源、搭建数据集、搭建仪表板和大屏的相关操作指导。如果您是数据分析师如果您是数据分析师，建议您先熟悉以下模块，掌握DataArts Insight支持的基本功能，帮助你快速上手分析业务数据。组件模块说明数据源相关数据源连接数据分析人员分析的基础是数据源。当前DataArts Insight支持接入大数据平台、文件数据源、API数据源，并且支持可靠安全的数据连接方式，为数据分析人员提供丰富多种的数据源，有效的提高数据分析人员的分析效率。数据源授权DataArts Insight支持将数据源的编辑和使用权可以授权给其他的用户或用户组，当存在多个用户使用该数据源时该功能可以提高数据源的利用效率。数据集相关创建数据集DataArts Insight数据集是可视化分析的基础，您可将需要分析的数据源创建维数据集，DataArts Insight支持可视化配置或自定义SQL方式创建数据集。自定义SQL在数据分析中，一些复杂的逻辑或模型可通过自定义SQL创建数据表。并且自定义SQL支持变量设置，可满足更复杂多变的分析场景。多表关联建模在数据分析时，当需要分析的数据存储在不同的表，您可以通过数据关联，把多个表连接起来，形成模型进行数据分析。DataArts Insight支持左外连接（LEFT JOIN）、内连接（INNER JOIN）、右外连接（RIGHT JOIN）三种连接方式。仪表板相关新建仪表板DataArts Insight提供了多种图表样式，覆盖了表格、线图/面图、柱状图/条形图、指标图4大类分析图表，满足您灵活多样的可视化分析需求。当前报表默认展示在仪表板中。仪表板控件DataArts Insight提供了多种类型的仪表板控件供新建数据表时按需选择使用。大屏相关新建数据大屏数据大屏的常见应用场景包括活动数据监控、项目会议演示、对外接待，是DataArts Insight分析场景的重要组成部分，致力于满足企业高可视化要求的数据展示场景。如果您是开发工程师如果您拥有一定的开发经验，想要基于DataArts Insight现有能力进行更复杂的数据分析和开发，建议您学习和掌握以下功能模块。模块说明开发指南提供样例开发样例，您可以基于DataArts Insight API进行二次开发，构建自己的应用。API参考您可以调用DataArts Insight提供的API接口完成数据分析等业务操作。

智能数据洞察（DataArts Insight）致力于用更生动、友好的形式，即时呈现隐藏在瞬息万变且庞杂数据背后的业务洞察。无论在零售、物流、电力、水利、环保、还是交通领域，通过交互式实时数据可视化视屏墙来帮助业务人员发现、诊断业务问题。 DataArts Insight提供丰富的可视化组件，除了针对业务展示优化过的常规图表外，还有拓扑关系等异形图表供您自由搭配。DataArts Insight无缝集成华为云数据仓库服务、支持本地CSV、在线API及企业内部私有云数据；满足您各类大数据实时计算、监控的需求，充分发挥大数据计算的能力。拖拽即可完成组件自由配置与布局、所见即所得，无需编程就能轻松搭建可视化大屏。DataArts Insight特别针对拼接大屏端的展示做了分辨率优化，能够适配非常规的拼接分辨率。创建的大屏能够发布分享，作为您对外数据业务展示的窗口。

申请开通DataArts Insight服务，并完成服务授权即可开启数据自助分析之旅，洞察数据的奥秘。前提条件DataArts Insight尚在公测阶段，请先申请产品公测，再参考本节操作开通服务。申请DataArts Insight公测。开通DataArts Insight服务套餐首次使用DataArts Insight服务请按照控制台引导开通服务，并完成委托授权。说明：服务授权需要主帐号或者用户组Admin中的子帐号进行操作。如果需要对委托权限进行调整，可在“委托授权”页面中进行修改。单击“开通服务”。阅读并勾选服务协议。图1 开通DataArts Insight服务获取云服务使用权限。授权后DataArts Insight才拥有对所选云服务的使用权限。授权后可在系统设置-授权功能下再次对云服务的使用进行授权或取消授权同意授权后，DataArts Insight将在统一身份认证服务IAM为您创建委托，授权成功后，可以进入服务委托列表查看。表1 DLI委托权限列表 权限名详细信息备注VPC AdministratorDataArts Insight数据源连接需要使用VPC、子网、路由、对等连接功能，因此需要获得使用VPC（虚拟私有云）的VPC Administrator权限。由于云服务缓存需要时间，授权需3分钟左右才能生效。IAM ReadOnlyAccessDataArts Insight对未登录过DLI的用户进行授权时，需获取IAM用户相关信息。因此需要IAM ReadOnlyAccess权限。单击“确认”完成服务授权后，即可开始用DataArts Insight服务。

目前，智能数据洞察（DataArts Insight）服务处于公测中，您可以申请公测，免费试用产品。前提条件由于公测期间资源有限，仅限已通过实名认证的华为账号申请公测。申请公测如果您已有华为账号并已开通华为云，请继续执行以下步骤。如果您还没有华为账号，参考注册华为账号并开通华为云。登录DataArts Insight DataArts Insight申请公测页面。填写公测申请表。在申请公测页面，填写公测申请表。勾选“同意《公测试用服务协议》”，单击“申请公测”。提交公测申请。系统提示已提交公测申请，预计5个工作日以内完成审核，请您耐心等待。审批成功。系统后台审批通过之后，会通过邮件（如果在申请表中填写了邮箱地址）或短消息的方式通知您。在“我的公测”页面单击“前往控制台”，或者重新进入DataArts Insight管理控制台即可使用DataArts Insight服务。公测期间产品规格信息DataArts Insight公测期间提供公测版本供用户体验，且公测期间免费试用。企业版规格如表1所示。表1 DataArts Insight公测期间企业版规格版本规格说明支持的用户数量适用场景企业版支持BI加速引擎支持盘古 for BI支持智能洞察50面向个人分析师或开发者，满足通常场景自助分析功能体验诉求。

从入门到进阶，数据化可视化大屏搭建到底有多简单？快来华为云业务可视化构建平台SVE瞧一瞧！华为云aPaaS DTSE技术布道师左倩老师分享华为云开天aPaaS SVE（Service Visualization Establish Platform）可视化开发平台，它集成了大量业务场景卡片和屏幕模板，用户无需懂代码，分钟级即可完成业务数据的可视化编排，屏幕开发效率提升2-3倍，加速推动企业数据可视化落地，辅助经营决策。观看直播：cid:link_0※ SVE 基本介绍 ※Q：SVE当前有哪些长期规划和发展方向？A：1、支持对接大模型，快速构建可视化屏幕；2、提供更丰富的行业可视化模板Q：SVE的产品设计理念和架构是怎样的？A：采用“一次开发，多端使用，实时协同”的设计思路，通过卡片机制，拖拉拽的方式构建前端页面，支持对接API、连接器、流编排的数据对接能力，实现业务数据的实时对接，快速实现业务数据的可视化编排。Q：SVE的大中小屏分别是PC、手机和公共场所大屏这三类吗，包不包含pad和智慧屏？A：SVE支持多分辨率，屏幕尺寸支持PC屏，2K屏，4K屏，也支持自定义像素，在PC,Pad,智慧屏和移动端，卡片可以做到良好的自适应。Q：SVE的发布周期怎么样?如何做可视化屏的版本控制和管理？A：每月有版本发布，可视化屏幕没有版本控制，卡片有版本控制。Q：SVE集成的业务场景卡片和屏幕模板具体包含哪些行业内容？A：包括图片、图表、地图等150种分门别类的卡片模板，并不区分特定行业。※ SVE 功能介绍 ※Q：SVE可视化开发平台如何提供辅助经营决策？A：SVE可视化可提供各种类型的数据展示，比如业务趋势、数据对比、数据分布等等，这些都能够提供用户真实的业务现状，为用户后续的决策提供辅助。Q：SVE可视化开发平台如何提供扩展和定制化开发？A：SVE提供脚手架，用户可使用代码开发自定义的卡片模板，上传到SVE平台基于此自定义模板创建卡片和屏幕。Q：SVE可以和低代码平台联合进行基于事件驱动的数据可视化开发和部署吗?A：SVE本身就是一套低代码平台，主要做数据可视化，能力上支持联合其他低代码平台进行基于事件驱动的数据可视化开发。Q：SVE平台是否有预置多种数据可视化方案可供选择，如大屏、移动端、Web等？A：SVE从行业中提取了100+的公共卡片模板，用户可以直接使用这些模板生成所需卡片，SVE所生成的卡片都支持大中小屏切换。Q：SVE支持多人同时协作开发吗？最多支持多少用户同时操作?A：SVE当前没有设置锁的约束，同一租户下，所有用户可以共享所有的资源，多人可以负责不同卡片的协同开发，然后组装成一个可视化大屏，同一个可视化大屏以保存时刻的状态为保存状态。SVE是支持动态扩容的，支持高并发，同时刻支持100+的并发。Q：SVE支持自定义屏幕模板库吗？提升开发效率主要体现在哪些方面？A：SVE提供脚手架，支持用户自定义屏幕模板。提升开发效率体现在：1、丰富的卡片模板和屏幕模板，基于模板可直接配置满足业务场景的卡片和屏幕；2、配置简单，0基础上手；3、一次开发就可实现多端（大屏、中屏、小屏）使用。Q：华为云业务可视化构建平台SVE主要有哪些价值优势?A：1、0码开发，0基础上手，0时间等待，所见即所得；2、大中小屏一致性可视体验；3、可视资产沉淀；4、轻量化部署；5、大中小屏协同Q：华为云开天aPaaS SVE可视化开发平台集成了大量业务场景卡片和屏幕模板，那么这些卡片和模板是如何被开发和设计的？是否可以自定义开发和设计？A：SVE平台的卡片模板是项目中不断积累的，当前已提供通用卡片模板资产100+。行业定制的卡片模板/离线卡片是基于具体业务场景，通过离线脚手架定制开发（vue3），打包上传至SVE平台，进行屏幕组装即可，卡片模板/卡片在对应行业后续的可视化大屏开发中可以做到高效复用。SVE提供卡片开发指南，卡片模板/卡片的内容支持自定义，可以做到基于业务场景的高保真。Q：平台的用户群体主要是哪些行业？A：智慧机场、海关港口、煤矿行业、金融行业、政府行业等。Q：平台对于企业数据可视化落地有哪些具体的辅助作用？A：1、一次开发，多端使用；2、卡片和屏幕可单独集成到业务应用中；3、大中小屏协同Q：平台如何进行自定义的数据可视化图表类型？A：SVE提供脚手架，用户可使用代码开发自定义的卡片模板，上传到SVE平台基于此自定义模板创建卡片和屏幕。Q：平台如何提供多种主题和样式的选择？A：SVE平台预置有多个基础主题，同时支持用户自定义主题并上传到SVE平台使用。Q：平台如何提供数据的多维度比较和对比功能？A：SVE提供多种类型的图表类卡片，可根据业务诉求展示数据，比如折线图可按照不同的时间维度展示数据趋势，饼图按照不同的指标维度展示数据的占比等等。Q：平台如何提供数据的关联分析和关系图展示？A：平台提供屏幕内不同卡片间的数据联动能力，通过简单的配置就可实现图与图之间的关联。Q：平台如何提供数据的实时同步和更新？A：卡片如果使用restful api、连接器、流编排获取数据，SVE支持配置api调用的时间间隔，实现数据的定时同步更新。Q：平台提供了哪些业务场景卡片和屏幕模板？A：卡片模板包括图表类的有基础的柱状图、折线图、饼图、环形图、水滴图、条形图、仪表盘、散点图等，地图表的有中国散点地图、中国迁徙图等。Q：平台怎么结合数据的传感器监测和物联网应用？A：SVE支持通过restful api或者连接器，对接物联网应用的数据源，实现物联网数据的获取和展示。Q：平台怎样结合移动设备上的数据可视化展示？A：SVE支持小屏展示卡片和屏幕，会根据小屏大小对图形进行自适应，保证可视化的良好体现。Q：使用平台是否需要具备一定的编程知识？A：如果只使用SVE提供的卡片模板和屏幕模板来创建卡片和屏幕就可以满足业务诉求，则不需要编程知识。如果需要自定义卡片模板和屏幕模板，刚需要具体一定的前端编程知识如Vue、JS、CSS等，还要具体一定的工程能力如npm打包等。

多道信号分析软件系统  简介　1  数据文件   支持*.edf、*.bdf、*.cnt、*.eeg、*.wav、*.dss等信号数据文件格式。2  波形操作   显示起点、显示页长度、波峰标注、事件段标注、波形测量等。3  信号处理   信号平滑、FIR滤波、梳状滤波、小波变换、经验模式分解、信号变换、匹配滤波、事件和波峰检测等。4  信号分析   功率谱估计、特征参数计算、自相关函数估计、趋势图计算等。5  声音分析   声音包络检测、选段播放、录音、趋势图等。6  医学信号分析   心电、呼吸、脉搏波、脑电、趋势图、HRV、ERP分析等。7  工具箱   特殊函数计算、曲线拟合、图像浏览、三维图形、特征参数机器学习等。更多说明信号处理与分析 → 特征参数提取 → 机器学习决策 → 数据可视化多通道信号分析软件系统生物医学信号处理与分析软件系统设计曲线拟合软件离散小波变换用于信号滤波多维特征参数机器学习算法多维特征参数机器学习软件Kohonen自组织特征映射神经网络(环形和球面形网络)矩阵的三维图形显示软件图片浏览软件工具主成分分析(K-L变换)与信号的分解与合成(滤波)信号的样本熵序列计算信号的双谱分析信号的经验模态分解(EMD)希尔伯特(Hilbert)变换信号瞬时频率计算给定概率分布的随机变量仿真信号的特征参数计算数据分布点纹图多通道信号数据压缩存储图像处理基本算法及软件简介信号功率谱估计特殊函数计算器滤波器设计、自适应滤波、匹配滤波方法离散正交变换及其应用短时傅里叶变换时变功率谱分析数值矩阵的图形表示