【AI大屏】今晚失眠夜，Claude Code + 积木报表：AI 生成数据大屏，已达生产级水平
凌晨三点，被这个东西彻底整失眠了
凌晨刷 B 站准备睡觉，刷到 JEECG 官方号一条新视频 ——《告别拖拽！Claude Code + 积木报表 一句话生成数据大屏》。点进去之前心态是平的，AI 生成图表这两年看过太多 demo，无非「能跑」但「不能用」。
视频结束的时候我直接坐起来了。这次不是 demo，是生产级别的产出物。
随手一句中文需求，Claude Code 调起 jimubi-bigscreen Skill，几分钟弹出一个能直接挂客户路演 LED 墙的大屏 —— 三列布局、KPI 顶栏、深色科技风、地图飞线、滚动列表、装饰灯带，该有的一个不缺，不该有的一个不冒。
睡不着，把官方提示词文档 bigscreen-prompts 通读了一遍。看完会明白：JimuReport 积木报表 的 AI 大屏，已经不是玩具了。
这次为什么和以前不一样
过去几年的 "AI 生大屏"，毛病都差不多：能出一张图但出不了一整屏；能拼出三列但没装饰像 90 年代后台；mock 数据漂亮但真实接口一接就崩。
JimuReport 积木报表 的 jimubi-bigscreen Skill 干的不是 "调用 AI 画图"，而是把 "如何设计一个合格大屏" 拆成几十条可执行规则喂给 Claude Code。规则覆盖：
像素坐标布局（x/y/w/h 绝对定位，不是栅格，避免组件相互叠加）
1920×1080 深色主题 + 平台命名色板（科技 / 商务 / 复古 / 暗夜）
12 套装饰条 + 13 套边框预设（一行 prompt 就能套上）
演示数据量阈值（飞线至少 25 条、滚动表至少 15~20 行）
5 维组件选型（指标 / 趋势 / 占比 / 排行 / 地图）
AI 不再是凭 "审美直觉" 画大屏，而是有一份老炮儿可视化工程师的肌肉记忆作为先验。
两步走：先出形，再接魂
官方文档强调的提示词流程，是能做到生产级的核心心法：
做过大屏的同行都懂 —— 先接数据再调样式，是最容易翻车的地方。接口结构一改、字段名一动，整页样式重来。Skill 先把视觉骨架定死，再灌数据，视觉与数据彻底解耦。
实战示例 1：三列经典布局大屏
视频里第一个让我心动的样本，是「券商交易室监控大屏」：
创建券商交易室监控大屏，名称「交易监控大屏」，从零开始建，三列布局：- 左列：核心交易指标（成交额 / 上涨家数 / 下跌家数 / 换手率）、 活跃股票 TOP 10 排行榜、三大指数实时进度条- 中列：全国资金流向地图、分时成交量趋势对比折线图- 右列：各板块涨跌分布水平柱形图、资金行业配置环形图、市场情绪渐变仪表盘
几个关键写法：
「从零开始建」—— 触发 Skill 走完整生成流程的信号词，避免在已有大屏里乱改。
明确 "左中右"+ 组件名 —— 三列布局是大屏 80% 的场景，白描比让 AI 自己设计稳得多。
指标颗粒度写到字段 ——"成交额 / 上涨家数 / 换手率" 这种精度，AI 才能生成像样的 mock 数据。
我自己跑了一次，从输入到出图大概 50 秒，第一次就出形。两年前同样的产物，熟练的可视化工程师起步 1.5 天。
实战示例 2：数字孪生港口大屏
券商示例是开胃菜，港口大屏才是硬菜。官方 prompt 接近 600 字，摘其中信息量最大的部分：
创建数字孪生智慧港口运营管控大屏。第一行展示 6 个核心指标：今日靠泊船舶 87 艘、集装箱吞吐量 24850TEU、桥吊作业效率 38.6 箱/小时、堆场利用率 76.3%、当前在港船舶 142 艘、综合运营指数 94.8 分。中间一张港口卫星俯瞰地图，气泡大小展示泊位船舶载重，飞线展示进出港路径（至少 25 条），下方放实时船舶动态滚动列表（船名/MMSI/船籍/吃水/航速/目的港/预计离港，至少 20 条）。
这段 prompt 塞满了 "硬约束"：
具体数值（87 艘、24850TEU、38.6 箱 / 小时）：告诉 AI 这是工业级数据。
「至少 25 条 / 20 条」：演示数据量阈值，飞线少于 20 条会显得空。
风格定调（深色科技风 / 液球蓝色系 / 装饰加满）：直接落到 Skill 预设色板。
约束写得越细，AI 反而越自由发挥 —— 这是我刷了 30 多个 AI 编程视频后总结的反直觉规律。
实战示例 3：查询联动 + 多级钻取
只能出 "静态好看" 的屏还停在 demo 层，真正进入生产级的是交互能力。
做一个销售运营查询大屏，深色科技风。查询表单包含：日期范围、销售区域 （华东/华南/华北/华中）、产品类别。 【最关键】表单要联动整屏：选完区域/类别/日期点查询后，指标卡的 4 个数字、 销售趋势折线、订单明细表都按筛选条件刷新。比如选"华东"，所有数据切到华东大区。 数据用 mock 接口模拟，按区域返回不同的演示数据。
这段最牛的细节是「按区域返回不同的演示数据」—— 它告诉 Skill 不光要在 UI 挂联动，连 mock 数据都要切。生成出来真的会换数据，不是假装刷新。
多级地图钻取更狠：
全国销售分布地图配置钻取——用户点击某省份时下钻到该省的城市级地图。
如果数据集需要参数化（${province}），请正确配置 params。${province} 是 JimuReport 积木报表 数据集动态绑定的语法。平台特定语法必须在 prompt 里写出来，业务字段 AI 能猜，平台语法不能猜。
总结
为什么会失眠 —— 不是工具多酷炫，是它改变了大屏交付的成本结构。
过去一个客户级大屏：原型 1 天 + 前端 2 天 + 数据接入 1 天 + 调样式 1 天 = 一周起步。现在用 JimuReport 积木报表 + Claude Code：出形 5 分钟、审美确认半小时、数据接入 2 小时，半天交付。
jimubi-bigscreen Skill 的发布是个标志性事件 —— 它证明了 AI 编程在 "垂直行业 + 平台沉淀" 这条路上，确实能产出生产级方案。前提是底层平台得过硬，AI 负责把这些能力以自然语言翻译给业务人员。
本文为 JimuReport AI 专题研究系列文章。