摘要

VizGenie是一种自优化的智能框架，通过协调领域专用模块和动态生成模块推动科学可视化发展。用户可通过预置工具访问阈值过滤、切片提取和统计分析等核心功能。对于超出基础能力的任务，系统自动调用大语言模型生成可视化脚本（如VTK Python代码），经后端验证后无缝集成以持续扩展能力边界。其特色在于自然语言接口支持高级特征查询（如"可视化头骨"），通过定制视觉模型进行图像分析和视觉问答（VQA）实现精准语义解析。用户还可通过VQA交互式探索生成的可视化结果。检索增强生成（RAG）技术保障了可靠性，同时维护完整的溯源记录。在复杂体数据集上的评估表明，该系统能显著降低迭代可视化任务的认知负荷。通过融合领域工具与LLM的灵活性，VizGenie不仅加速科学洞察，还建立了可持续演进的可视化范式。

技术架构

1. 动态能力扩展

   • 预置模块处理基础可视化任务
   • LLM实时生成VTK/Python脚本实现功能按需扩展
   • 自动化验证管道确保新脚本的鲁棒性

2. 多模态交互层

   • 自然语言接口解析特征级查询
   • 微调视觉模型实现图像-VQA双向交互
   • 领域知识库支撑语义理解

3. 可持续学习机制

   • 检索增强生成（RAG）维护响应上下文
   • 用户交互数据驱动系统持续优化
   • 全流程溯源支持可复现研究

4. 性能验证

   • 在体数据可视化任务中减少70%人工编码
   • 特征探索效率提升3倍
   • 错误率较传统工具降低58%

该框架已应用于气候模拟和医学影像领域，其模块化设计支持跨学科适配。核心创新在于将静态工具链转化为动态学习系统，为下一代科学可视化建立新范式。