用 AI 编程生成 ECharts 图表

简介: 报表内置图表有限,复杂图表(如K线图、地图等)需手写ECharts代码,学习成本高、调试耗时。本文以K线图为例,介绍“参数导出→AI生成→脚本回填”三步法:用Trae等AI工具根据报表导出的参数自动生成JS脚本,再替换嵌入报表模板,大幅提升开发效率。(239字)

润乾报表内置了常规图表类型,但遇到较为复杂的图表(如 K 线图、地图、桑基图、关系图等)时,仍需手写 ECharts 配置代码。如果你对 ECharts 的配置项不够熟悉,逐条查文档调试会比较耗时。
这种情况下,用 AI 编程工具生成脚本再嵌入报表,是一个更高效的选择。下面就以 K 线图为例,演示具体操作过程(本文 AI 编程工具采用 Trae)。

核心过程分为三步:

1、在报表中设置 ECharts 所需的参数(标题、数据等),并通过“参数数据导出”功能将参数数据复制到 AI 编程环境。
2、AI 编程工具基于参数数据生成图形 JS 脚本。
3、将生成的脚本复制回报表的 ECharts 脚本定义中。

具体操作如下

1. 报表模版准备
(1)数据来自 stock 表
b59c0526160c23ed4d8e7e4c16dc386b_q.jpg
a1d9438a349bc182595baf65d5287565_q.jpg
(2)定义报表并设置 ECharts 参数
数据集 SQL
select * from stock where stockCode = ?
其中股票代码为查询参数,运行时可通过输入框动态查询各只股票数据。
54d7ec35bc37e602c3e63c85290e717e_q.jpg
定义报表
A1 单元格:用于配置 K 线图 (具体见下一步)
A3-G3 单元格:配置股票明细数据
72d006d0e644ab1c4c4048db696eb7f5_q.jpg
配置 ECharts 参数
在单元格 A1 上右键,选择“第三方图形”,打开配置窗口后参考下图设置:
e81738b23bdc7ba093cc51cd5cf28142_q.jpg
标注 1:配置 K 线图所需的数据参数,股票代码(stockCode)、交易日(tradeDate)、
开盘价(open)、收盘价(close)、最高价(high)、最低价(low)
标注 2:报表生成 ECharts 图的固定基础代码(照抄即可),其中 //AI 编程工具生成的代码 所在位置(上图箭头所示),后续需要替换为 AI 生成的图形配置脚本。

              <!-- 为ECharts准备一个具备大小(宽高)的Dom  -->
<div id='${id}' style="width:${width}px;height:${height}px"></div>
<script type="text/javascript">
var ${id}_dom = document.getElementById('${id}');
var ${id}_myChart = ECharts.init(${id}_dom);
                     // AI编程工具生成的代码

if (option && typeof option === "object") {    
                             ${id}_myChart.setOption(option, true);
}
</script>

(3)准备参数模版
支持股票代码输入,查询相应股票数据。
786c5040ed225a44de2e8cd2b1eae654_q.jpg
2. 导出 ECharts 参数数据
点击“生成参数数据”功能,数据会自动保存在剪贴板中,稍后可直接粘贴到 AI 编程工具里。
8e931dbd05addc2f7e8a7fa15e834e86_q.jpg
3.Trae 生成 K 线图 JS 脚本
在 Trae 对话框中输入以下指令(可参考):
“帮我生成一个 ECharts K 线图的 JS 代码。后面粘贴的是具体数据,包含以下参数:stockCode(股票代码)、tradeDate(交易日)、open(开盘价)、close(收盘价)、high(最高价)、low(最低价)。图表标题使用 stockCode 参数。请在图中标注最高价和最低价,并添加缩放滚动功能。”
然后,粘贴(ctrl+v)从上一步中导出的 ECharts 参数数据。
0a6f16883eeea724429ea7182a7ba636_q.jpg
发送指令,等待完整脚本生成。后续可根据需求继续输入命令优化图形效果。生成的代码可在编辑器内查看,图形效果可通过 HTML 文件在浏览器中预览。

4. 复制图形脚本到润乾报表模板
完整脚本在 Trae 编辑器内,我们只需要复制 标签之间的代码。注意,下图标注的几行不需要复制,因为它们已在前面模板的基础代码中定义过了。
78de4cc7648195870b2c3a746aa90822_q.jpg
然后,将复制的内容粘贴到报表模板的 ECharts 代码中(前面基础代码中 //AI 编程工具生成的代码 的位置)。

c54a6cb63d309e32581328c3733673ed_q.jpg
注意(重点):
参考上图 8-13 行! 从报表导出到 AI 编程工具的数据,是已经计算过的具体数值。当把 AI 编程工具生成的脚本复制回报表时,需要将具体数值改回参数引用格式,即 ${参数名}。
例如:
• 改前:var tradeDate=[“2026-01-02”, “2026-01-03”,…]
• 改后:var tradeDate=${tradeDate}
这样才能保证报表每次运行时都能动态获取当前查询的数据。修改完成后保存模板。

5. 查看报表效果
启动报表服务(以报表内置 Demo 服务为例),在浏览器中访问以下 URL:
http://localhost:6868/demo/reportJsp/showReport.jsp?rpx=testECharts1-sf.rpx&sCode=688256
即可看到股票代码为 688256 的 K 线图及明细数据:
b9df598f48ac41735fee6e5246e71f74_q.jpg
如需查询其他股票,只需在页面中输入其他股票代码(如 “603019”),报表将自动刷新并展示对应的 K 线图和明细数据。
e011225248c0807cbb5debfe6184e4ac_q.jpg
总结
本文的核心思路是:报表负责提供数据参数,AI 编程工具负责生成 ECharts 脚本,两者通过“参数导出 → AI 生成 → 脚本回填”三个步骤完成集成。
这种方式的优势在于:无需精通 ECharts 配置语法,只需清晰描述图表需求,AI 即可自动生成可用的脚本代码。
掌握此方法后,遇到其他 ECharts 复杂图表(如地图、桑基图等),同样可以按此思路快速实现。

相关文章
|
28天前
|
人工智能 IDE API
Trae、VS Code、Cursor如何接入阿里云百炼Coding Plan?
阿里云百炼Coding Plan支持VS Code、Cursor、Trae等编辑器,通过Claude Code、Kilo Code、Qwen Code等插件一键接入,提供AI编程、智能补全与调试能力。需先订阅服务,仅限AI编程工具及OpenClaw类Agent使用。
|
1月前
|
人工智能 JavaScript 测试技术
实战复盘:我是如何把 Claude Code 的月账单从 $800 砍到 $150 的
用 Claude Code 做开发确实爽,但月底看到账单的时候就不爽了。 我手上有一个 5 万行左右的 TypeScript 项目,刚开始放开了用,一个月下来直接烧掉 $800。这个数字让我不得不坐下来认真研究一下——钱到底花在哪了?有没有办法在不影响开发效率的前提下,把成本打下来? 经过一个月的摸索和调优,最终月费稳定在 $150 左右,降幅达到 81%。这篇文章就是这段经历的完整总结。 很多人以为 AI 编程助手的开销主要在"它给你写的代码"上,其实不然。我拿自己的项目做了统计,结果挺意外的:
1400 5
|
14天前
|
人工智能 Linux API
完整版OpenClaw(龙虾)安装与使用指南|阿里云+本地全平台部署+千问/Coding Plan配置+Skills接入教程
OpenClaw(圈内昵称“龙虾”)是2026年最受关注的开源自动化AI智能体框架,凭借**本地优先、自动执行、长期记忆、主动干活**四大核心能力,彻底区别于传统被动式聊天AI。它可以自主操作浏览器、控制桌面、执行任务、7×24小时运行,并通过向量记忆越用越懂你,真正成为能帮你创造收益、节省时间的数字员工。
1347 5
|
5月前
|
SQL 自然语言处理 BI
万字长文解析 NLQ 破局 Text2SQL,兼得灵活复杂准确
润乾NLQ创新采用“规范文本”作中间层,兼顾问题灵活性与查询准确性。通过人类可读的规范文本确认意图,结合规则引擎生成精确SQL,并支持复杂查询,以低成本实现企业级Text2SQL的可靠落地,突破传统三难困境。
|
5月前
|
SQL 自然语言处理 BI
另辟蹊径的 Text2SQL,不用大模型也能搞 chatBI
润乾报表NLQ组件摒弃大模型路线,采用规则词典与领域知识库,将自然语言精准转化为MQL查询语言,实现稳定、低成本、可维护的ChatBI。其核心在于结构化语义解析,避免“幻觉”,支持复杂多表关联与计算,适用于企业级BI场景,是可靠高效的自然语言查询解决方案。
|
5月前
|
SQL XML 自然语言处理
Text2SQL 破局技术解析之一:规范文本与灵活性
润乾NLQ创新采用“规范文本”作为中间层,将自然语言转SQL分为三阶段:LLM生成可读的规范文本,用户确认意图后,通过规则引擎转为MQL再生成准确SQL。该方案兼顾灵活性、准确性与复杂查询支持,大幅降低企业实施成本,为人机协同的Text2SQL提供了可行的工程化路径。
|
3月前
|
SQL 人工智能 自然语言处理
这款 Text2SQL 技术为什么能对噩梦般的 JOIN 免疫
润乾 NLQ 以“语义层+确定性编译”破解 Text2SQL 复杂 JOIN 难题。通过 DQL 实现外键属性化与按维对齐,将多表关联转化为可验证规则,摆脱 LLM 幻觉依赖,准确率高、成本低,适合企业复杂场景落地。
|
9月前
|
SQL NoSQL 关系型数据库
SPL 轻量级多源混算实践
在数据源多样化的背景下,实现异构数据混合计算是常见需求。传统方案如逻辑数仓复杂且支持有限,而 esProc SPL 凭借丰富的数据源支持和轻量架构,提供便捷的多源混算能力,适用于多种应用场景。
|
11月前
|
SQL JSON 数据格式
SPL 处理多层 JSON 数据比 DuckDB 方便多了
esProc SPL 处理多层 JSON 数据比 DuckDB 更便捷,尤其在保留 JSON 层次与复杂计算时优势明显。DuckDB 虽能通过 `read_json_auto()` 将 JSON 解析为表格结构,但面对深层次或复杂运算时,SQL 需频繁使用 UNNEST、子查询等结构,逻辑易变得繁琐。而 SPL 以集合运算方式直接处理子表,代码更简洁直观,无需复杂关联或 Lambda 语法,同时保持 JSON 原始结构。esProc SPL 开源免费,适合复杂 JSON 场景,欢迎至乾学院探索!
|
4月前
|
SQL 人工智能 自然语言处理
人人都能实施的智能问数,中小用户也能玩得转的 Text2SQL
润乾NLQ以“规则翻译”替代大模型“黑盒猜测”,将自然语言精准转为数据库指令,实现零幻觉、低成本、高可靠的智能问数。无需AI专家和GPU集群,普通团队也能快速部署,让数据查询像查字典一样准确可控,真正赋能中小企业实现安全、透明、可管理的BI分析。

热门文章

最新文章

下一篇
开通oss服务