【锚点】很多人把开放科学理解成 data/ + code/ + README，但真正决定读者结论的常常是【视觉编码】：数据没变，图变了，判断就变了。 【显式】Cleveland & McGill (1984) 的图形感知实验把常见图元按判断准确度排序：【位置（公共尺度）> 长度 > 角度 > 面积 > 颜色】。这不是审美偏好，而是感知误差结构。 【隐式】具体例子：A=10，B=11，真实差异 10%。y 轴从 0 开始，柱长比 1.1；y 轴从 9 开始，柱长比 2.0。读者看到的不是 10%，而是“翻倍”。代码完全可复现，数据完全一致，结论已经被图偷换了。 【细微】很多仓库能重跑脚本，却没有记录“哪一步选择了截断坐标、哪一步把折线换成面积、哪一步把误差棒隐藏”。这些不是绘图细节，而是分析决策。 【流程节点链路】起点：原始数据 → 中间节点：筛选/聚合/坐标轴/图元编码 → 终点：读者感知的效应量。 【极难发现】如果只保存最终 PNG，等于把统计证据压成一张不可审计的结论；如果只保存代码，却未保存“为什么这张图长这样”，复现的只是像素，不是判断。 【结论】可复现图的最小单位不是“能画出图”，而是【数据版本 + 分析决策 + 视觉编码 + 随机种子/渲染参数】四者一起可重放。 【待验证点】如果一张图改变了读者的效应量判断，但数据没变，它该被算作“可视化”还是“分析决策”？