EditaPlot 是一个 AI 驱动的可编辑科研绘图工作流：它用 Python Automation 在 Windows 本地自动启动专用 Origin 实例，把 CSV/TXT/XLS/XLSX 数据画成真正可编辑的 OPJU 项目，并同步导出 PNG、PDF、TIF。这篇文章面向想理解其内部机制的新手，拆解 EditaPlot 如何用 originpro 接口、冒烟测试和反读验证，把"命令行一句话"变成"可交付的科研图"。

一、为什么必须"驱动"Origin，而不是自己画

普通 Python 绘图库（如 matplotlib）只能输出静态图片；而科研投稿经常需要可编辑的源文件。EditaPlot 的设计选择很明确：Python 不亲自画点线，而是作为"操作员"，通过 COM Automation 调用你电脑里已安装的 Origin/OriginPro，让 Origin 本体完成绘图、排版和导出。

图 1：由真实 Origin 实例渲染、可继续编辑的分组柱状图（含 SD 误差棒）

这带来三层收益：

• 产物可编辑：拿到的是result.opju原生项目，双击打开即可改图例、移动坐标轴；
• 样式受控：所有颜色、字号、线宽来自固定的风格契约，而不是随机默认值；
• 结果可验证：画完不是只看图片，而是反读 Origin 对象逐项核对。

二、内部结构五层拆解

EditaPlot 的源码主要位于 runtime/src/origin_sciplot/，配合 runtime/templates/ 与 skill/editaplot/，可以概括为五层：

每个模板都是一个"自描述小包"：以 runtime/templates/bar/ 为例，manifest.yaml声明必需列与产出物，runner.py只有几行，最终都汇入统一的 scientific_renderer.py。这种"manifest 驱动"的结构让新增一种图只需新增一个目录。

三、握手三步：安全启动专用 Origin 实例

启动 Origin 是整套系统里风险最高的环节，origin_backend/ 用三道闸门控制它。

1. 身份闸门（execution_context.py）

execution_context.py 直接读取当前进程的 Windows 安全令牌（而非环境变量），判断运行者是否真的是交互用户。若检测到 Codex 沙箱账户，会在调用 COM 之前停止，要求对精确命令发起授权申请；身份无法确认时则直接失败——宁可不做，也不乱碰你的 Origin 窗口。

2. 队列闸门（job_queue.py）

job_queue.py 用 Windows 命名互斥量保证同一登录会话内一次只有一个自动化任务操作 Origin。它是操作系统持有的锁，进程崩溃后自动释放；等待方每 30 秒报告一次origin_job_queue事件，等待 30 分钟上限只约束等待者，绝不强杀正在绘图的任务。

3. 会话闸门（session.py）

session.py 中的OriginSession走外部originpro模式：

• 调用OriginExt.Application()创建一个EditaPlot 独占的新实例（不接管你已打开的窗口）；
• set_show(False)静默启动，随后用 LabTalk 轮询run.isOCready()等待初始化完成；
• 读取真实版本号并做版本握手，只有 EditaPlot 自有实例才允许执行op.new(asksave=False)清空项目；
• 半启动失败时会清理残留实例，并只对外暴露脱敏的错误代码与阶段。

四、origin-smoke：绘图前的"最小闭环"冒烟测试

正式 render 前，EditaPlot 要求先跑origin-smoke（见 smoke_test.py）。它会真实启动一次专用实例，按 11 个阶段走完最小闭环：

activate → read_version → read_program_path → ready → create_book → create_graph → style_graph → save_project → export → readback → cleanup

也就是说，冒烟测试本身就是一次"微型绘图"：建工作簿、建图、套样式、存项目、导出图片、反读、清理。同时 template_capabilities.py 会把当前机器上每个模板标为verified、compatible_unverified或blocked三态之一——连接成功不等于每条模板都能画，这个能力报告是 render 是否放行的一票。

五、render 流水线：从 CSV 到 OPJU 的全程留痕

计划确认后，正式命令是render render-plan.json，由 run_template_worker.py 在独立子进程中执行，并按 progress_protocol.py 逐行输出 JSON 进度。每一步都带有单调时钟计时的elapsed_seconds，方便定位卡在哪：

几个值得注意的工程细节：

• 源文件只读：data_loader.py 读取表格的同时计算 SHA-256 指纹，全程不写回原始 CSV；
• 语义冻结：semantic_contract.py 把"哪列画、哪列只辅助、哪些计算不做"固化成带哈希的确认书，源文件或映射一变，确认即失效；
• 产物落位：output_manager.py 在源数据同目录原子创建<数据名>_EditaPlot_时间戳文件夹，集中存放 render-plan、OPJU、图片与验证报告，绝不覆盖旧结果；
• PDF 必须嵌字体：export_utils.py 用 LabTalkexpGraph命令导出 PDF 后，还会字节级检查/FontFile，确认字体真的嵌入了；
• 反读而非目测：verify_utils.py 通过两条互相独立的 LabTalk 路径读取图层几何做交叉核对，页面尺寸容差只有 0.03 cm，字号、线宽、颜色逐一致，缺一即判失败。

图 2：高密度矩阵场景下，EditaPlot 会自适应布局（稀疏刻度、分离 colorbar）并通过反读门禁

六、为什么产物"仍然可编辑"

EditaPlot 坚持"Python 预览图不冒充 Origin 成图"：预览走 scientific_preview.py，正式图必须由真实 Origin 渲染。成图流程中：

• 原始数据与必要的辅助列进入 Origin 工作簿，而不是被"烤"进位图；
• 样式来自 base_style_contract.py 的固定风格契约与 palette_catalog.py 的中文科研配色目录，重画时保持一致；
• 保存用op.save()落盘result.opju，图例可在 OPJU 中手动移动；
• 对 XPS 等专业模板，参考图只贡献"图形语法与安全风格"，绝不改写列用途、峰组分或结合能轴方向。

图 3：XPS 拟合分解图示例——原始谱、包络与分峰均在 OPJU 中可编辑

图 4：内置配色目录中的一套色组，供模板稳定复用

七、想读源码？建议这条阅读路线

1. 入口与命令：editaplot.cmd → SKILL.md → skill/editaplot/references/runtime.md（命令顺序：start → understand → plan → origin-smoke → render → verify）；
2. 数据与语义：data_loader.py → semantic_analysis.py → scientific_workflow.py；
3. Origin 交互核心：session.py → smoke_test.py → scientific_renderer.py；
4. 稳健性与可观测：job_queue.py、safe_errors.py、progress_protocol.py；
5. 回归保障：tests/ 下有数十个针对会话、队列、版本风险与渲染器的测试文件，可对照行为断言读代码。

小结

EditaPlot 的内部设计可以浓缩为一句话：用身份、队列、会话三道闸门控制风险，用 manifest 化模板管理 40 多条绘图路线，用"冒烟测试 + 对象反读"替代"看图报成功"。正是这套 Python Automation 架构，让一份本地 CSV 最终变成一份可编辑、可验证、可追溯的 Origin 科研图。