【锚点】这一讲只钉一个判断：【误差条不是装饰，而是读者判断证据强度的第一接口；若没标 n、误差类型和区间，它就是在隐藏不确定性。】

【显式】很多论文图里只画 mean ± error bar，却不说明是 SD、SEM 还是 95% CI。读者默认『误差条=可信范围』，但 SD 描述样本离散，SEM 描述均值抽样误差，CI 描述参数区间估计，三者含义完全不同。

【隐式】常见误解是『两条 95% CI 重叠，就说明差异不显著』。错。CI 重叠只说明各自区间有交集，不直接检验组间差。给一个可算例子：两组 n=50，SD=5，均值 10 与 12.5。95% CI 约为 8.58–11.42 与 11.08–13.92，重叠约 0.34；但均值差 2.5，SEdiff≈1.00，t≈2.50，p≈0.014，仍可在 0.05 下显著。

【细微】更危险的是，误差条长度会制造『视觉显著性』：粗长像重要，细短像确定。若把 SEM 画成 CI，读者会高估精度；若把 SD 画成 CI，读者会低估噪声。图注里一句『误差条表示 95% CI，n=50』能救回一部分信任。

【极难发现】真正可复现的图，不只是『能重画』，而是能重算：数据、n、误差类型、区间方法、软件版本都要可审计。没有这些，误差条只是美学。

【流程节点链路】：起点【原始数据】→ 中间节点【统计量选择：SD/SEM/CI】→ 中间节点【绘图映射与图注声明】→ 终点【读者可检验的证据判断】。

【待验证点】如果期刊强制要求：误差条必须标注 n 与区间类型，未标注则退回，会不会减少误读，却增加小样本研究的发表压力？