用途：当用户要求分析数据集、探索数据、查看 CSV 内容或运行 DataVoyager 时使用。该技能借助托管在 Cloud Run、经 asta-gateway 访问的 DataVoyager 智能体，运行多智能体数据科学流水线：智能体在沙箱化 notebook 中针对调用者的数据编写并执行代码，回答研究问题。认证方式为 asta auth login。
主要能力：可提交本地数据文件并执行探索性或聚焦式分析，支持会话续用与追问；任务结果可包含表格、图表、notebook 与文字分析。
使用方式：先结合上下文把用户请求凝练为可被代码回答的具体问题，指明数据集与所需洞察；在聊天中确认提议的分析（数据集路径与问题），用户可回复 yes 直接运行、用自然语言修改问题，或在 AskUserQuestion 可用时回复 interview 进入表单细化。确认后用 asta analyze-data submit \ --output "/tmp/analyze-data-$$.json" \ "<confirmed question>" ./sales.csv ./regions.csv 提交，并用 jq 取出 id 与 contextId。追问时用 asta analyze-data submit --context-id "$CTX" '<follow-up question>' [<new-files>...]；重置会话则省略 --context-id 并重新传文件。轮询用 asta analyze-data poll "$TID" --output "/tmp/analyze-data-$TID.json"，应以 run_in_background: true 后台运行，终态为 completed、failed 或 input-required；input-required 时用 asta analyze-data send-message --task-id <ID> --context-id "$CTX" '<reply>' 回复后继续轮询。完成后交给 Asta Artifacts 技能导出并以 asta-documents 索引，最后按索引与探索路径、一段综合结论、关键发现或图表表的形式汇报。
限制：不要要求用户预先上传数据，技能自行处理上传；不要在会话中前台循环轮询或启动单独的长 sleep 检查；运行时长差异大，简单探索几分钟，多步建模可能 20–40 分钟，约 2 小时内不应硬判失败。interview 分支仅在 AskUserQuestion 可用时提供。参考资料为 https://github.com/allenai/dv-core-asta-integration 与 https://a2a-protocol.org/latest/specification/。