若csv上传后未自动生成图表，需依次验证数据格式、启用matplotlib技能、使用自然语言指令、手动运行代码或启动jupyter内核。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您已将CSV文件上传至Hermes Agent工作目录，但未自动生成可视化图表，则可能是由于数据格式不规范、Matplotlib技能未启用或自然语言指令未准确触发绘图流程。以下是实现上传CSV后自动生成可视化图表的具体操作路径：
一、验证CSV文件结构与环境兼容性
该步骤确保输入数据满足Hermes Agent内置解析器的字段识别要求，并排除因编码、分隔符或空值导致的加载失败。只有结构清晰、首行为有效列名的CSV才能被正确映射为DataFrame并进入可视化流水线。
1、检查CSV是否以UTF-8无BOM格式保存，且不含Excel专有字符（如合并单元格标记）。
2、确认首行包含明确列名，例如“date,revenue,profit”，而非“第1列,第2列,第3列”或空白。
3、在终端执行命令：python -c "import pandas as pd; df = pd.read_csv('data.csv'); print(df.head(3)); print(df.dtypes)"，观察输出是否显示非空数据及合理数据类型。
4、若出现ParserError或dtype全为object，需添加容错参数：在CLI中输入指令“用safe_read_csv读取data.csv，分隔符为逗号，跳过错误行”。
二、启用Matplotlib技能并确认可视化模块就绪
Matplotlib是Hermes Agent生成静态图表的基础依赖，必须显式启用对应技能模块，否则自然语言指令无法调用绘图接口。该模块依赖Python环境预装且后端配置兼容。
1、运行命令：hermes skill list | grep matplotlib，确认输出中包含matplotlib_plot或plotting_v1。
2、若未列出，执行：hermes skill install matplotlib_plot。
3、验证后端可用性：python -c "import matplotlib; matplotlib.use('Agg'); import matplotlib.pyplot as plt; plt.figure(); plt.savefig('/tmp/test.png')”，检查/tmp/test.png是否生成且非空。
4、若报错“no display name and no $DISPLAY environment variable”，说明图形后端未设为无头模式，需在配置中强制设置：echo "matplotlib.use('Agg')" >> ~/.hermes/startup.py。
三、使用自然语言指令驱动图表生成
该方式无需编写代码，依赖Hermes Agent对语义指令的理解能力，自动完成数据加载、字段识别、图表类型推断与图像保存全流程。指令需明确指定文件名、分析目标与图表形式。
1、确保CSV文件位于当前工作目录，文件名为sales_data.csv。
使用 qbo-mileage CLI 及用户凭证，从 Airtable、Outlook 或 Google Calendar 记录生成 QuickBooks Online 里程 CSV 文件。
2、在Hermes交互终端中输入：分析sales_data.csv中的月度趋势并生成折线图。
3、等待Agent输出日志，确认其中包含“Loaded 12 rows”、“Detected column: month, revenue”、“Calling plt.plot()”等关键行。
4、检查当前目录是否生成sales_trend.png文件，且图像内容含横纵坐标标签与图例。
四、手动提交Matplotlib代码片段强制渲染
当自然语言指令未能准确匹配预设技能逻辑时，可绕过语义解析层，直接注入完整可执行脚本。该方法适用于定制化图表（如双Y轴、分面图）或调试数据加载异常场景。
1、构造最小可行脚本，保存为plot_manual.py：import pandas as pd; import matplotlib.pyplot as plt; data = pd.read_csv('sales_data.csv'); plt.bar(data['category'], data['revenue']); plt.xticks(rotation=45); plt.tight_layout(); plt.savefig('revenue_by_category.png')。
2、在CLI中执行：/tool run python plot_manual.py。
3、观察终端是否返回“Process finished with exit code 0”且无matplotlib相关异常。
4、确认当前目录生成revenue_by_category.png，图像中柱状图清晰、X轴文字可读、布局无裁切。
五、启用Jupyter内核进行交互式探索与图表内嵌
该方法启动轻量级Notebook会话，在内存中加载数据并支持逐单元格执行、变量持久化与内联图表渲染，适用于需多次调整参数或叠加多图的深度分析场景。
1、输入指令：/notebook new quick_viz。
2、执行：/notebook load sales_data.csv，确认返回DataFrame形状与字段列表。
3、输入自然语言指令：绘制销售额分布直方图，bins=20，添加密度曲线。
4、观察内嵌渲染区域是否显示带双Y轴的混合图表，横轴为revenue数值区间，左侧为频次，右侧为密度值。
