【锚点】这一讲只钉一个反直觉判断：【误差条】不是装饰，而是【可拒绝边界】的声明；不写【SD】、【SE】或【95%CI】，等于让读者替你选择证据强度。

【显式】一个图例写着“Mean ± SD”的柱状图，一眼可见。它只回答【样本内散布】多大，不直接回答【两个均值差异是否可信】。

【隐式】很多读者会默认误差条是【95%CI】，于是把【误差条不重叠】读成【差异显著】。这一步推理没有写在图里，却已经改变了【结论】。

【细微】用两个均值的例子：mean1=10，SD=2，n=20；mean2=11，SD=2，n=20。合并方差 t 检验约 t=1.58，p≈0.12；差异的【95%CI】约 [-0.28, 2.28]。若画成每个均值的 95% CI，两个 CI 会重叠，但【差异CI是否跨0】才是判断差异的关键。

【极难发现】真正盲点不在【图丑】，而在【流程节点链路】：原始数据 → 样本统计 → 误差条类型选择 → 视觉重叠判断 → 读者结论。缺少【误差条类型选择】这个节点，后面所有判断都会漂移。

【开放科学】的价值就在这里：数据、代码与图例一起公开，【误差条类型】才可被复核，而不是靠猜。

【待验证点】一个图里如果只允许保留一种误差条，你更该默认【SD】还是【95%CI】？