用 GPT-5、Python 和 Pyodide 复刻 Apollo 的 AI 采用率图表

作者看到 Apollo 首席经济学家发布的一张图表，显示 250 人以上企业的 AI 采用率在下降，于是用 GPT-5 找到美国人口普查局原始数据，再用 Python 复刻图表，最后尝试用 Pyodide 在浏览器里渲染。过程中发现原图用的是六次调查滚动平均，这个细节决定了复刻能否成功。

用 GPT-5 搜索定位原始数据

• 图表来自美国人口普查局的 BTOS 双周调查，覆盖 120 万家企业，问题是在过去两周是否使用过 AI 工具生产商品或服务。
• 作者把图表描述原样丢给 GPT-5 让它找原始数据，约 1 分 19 秒后拿到 Census 的 Employment size class 时间序列 XLSX，覆盖 2023 年 9 月 11 日到 2025 年 8 月 24 日。
• 这个文件在 Census 网站上并不好找，GPT-5 直接给出了具体文件名和链接，省去大量翻找。

让代码解释器把表格还原成图

• 把 XLSX 和 Apollo 图表截图一起上传，提示词只有一句：用这份数据、以 Python 复刻这张图。
• GPT-5 花了至少 7 分钟推理，跨 5 个思考块、十几次 Python 会话，用 pandas 和 numpy 找数据，用 matplotlib 反复画图。
• 它自己发现表格最后一个 tab 里有数据字典，据此把 A 到 G 的字母映射到实际员工规模区间。
• 第一版图看着像，但峰值 14.5% 对不上原图的约 13.5%，而且最后一段是上升的，原图是下降的。

关键细节：六次调查滚动平均

• 作者回头检查原图，发现被自己截图裁掉的一行注释：数据是六次调查的移动平均。
• 调查是双周一次，所以六次约等于 12 周，代码里对应 wide.rolling(window=6, min_periods=6).mean()。
• 表格里有两个相关问题：过去两周是否使用 AI，以及未来六个月是否计划使用；复刻用的是前者。
• 加上滚动平均后，复刻图与 Apollo 原图基本吻合，说明差异来自统计口径而不是数据本身。

代码与浏览器端渲染

• 最终脚本读取 Response Estimates 和 Collection and Reference Dates 两个 sheet，按员工规模分桶、透视、滚动平均，再用 matplotlib 画折线并输出 PNG 和 SVG。
• GPT-5 主动多输出了一个 SVG 版本，作者没要求。
• 作者另开一个会话，让 GPT-5 搭一个加载 Pyodide 的页面，在浏览器里用 pandas 和 matplotlib 渲染图表，验证纯前端方案可行。

对做数据内容的人的启发

• 看到别人转发的图表，先找原始数据源，再自己复刻一遍，是验证结论是否成立的低成本方法。
• 复刻对不上时，优先怀疑统计口径（滚动平均、样本范围、问题措辞），而不是数据本身。
• 把截图和原始文件一起交给模型，比只用文字描述更能让它对齐目标。