用途：对某个具体的 Amplitude 图表做深度分析，解释趋势、异常与可能驱动因素。适用场景包括指标意外突增或突降、需要弄清趋势成因、为相关方准备有证据支撑的分析，以及调查用户或事件分组之间的差异。
主要能力与使用方式：
- 先确定图表：接受图表 URL 或图表 ID。若给的是 URL，用 Amplitude:getting_data_from_url 提取图表 ID；若未提供标识，则要求用户给出 URL 或 ID 并停止。
- 检索并校验数据（强制）：用 Reading chart data 获取图表定义与数据。若数据无法获取或为空，不得继续，需说明缺失项（时间范围、事件、筛选、权限）并请用户修正或提供有效图表。同时复述指标、时间范围与粒度、图表类型、已有筛选与分组。
- 识别模式与变化窗口：用 Analyzing chart 判断突增/突降、趋势、季节性、异常，明确变化起止时间、方向与幅度，以及默认用前一等长周期作为对比基线。
- 调查可能驱动因素（有边界）：用 Finding the right event properties 找出最能解释变化的属性，最多选 9 个高信号属性；用这些属性重跑 Analyzing chart，判断哪些分组贡献最大、模式是局部还是普遍。使用 Amplitude:query_charts 时一次最多取 3 个图表，除非用户明确要求更深入，否则不要合计测试超过 9 个属性。
- 结合上下文（异常必需）：在相同时间段用 Getting experiments 查实验或开关、用 Getting deployments 查发布或灰度、用 Searching for content 查标注或文档、用 Amplitude:get_feedback_insights 查客户反馈趋势、用 Amplitude:get_feedback_mentions 拉取具体客户提及，判断上下文变化是否在时间上与图表模式吻合。
- 综合结论：输出结构化、可用于决策的分析，包括发生了什么、时间、主要假设、支持证据（关键指标、分组贡献、相关实验/发布/标注）、1–3 个备选解释及为何可能性较低、影响（尽量量化为用户、事件、转化或收入代理）、一个明确的下一步建议。始终包含图表名称、图表 ID、回链和覆盖范围（测试过的属性、分析过的分组）。
限制与最佳实践：始终与清晰基线对比；区分观察与假设；优先高信号分组而非穷举切片；注意数据质量问题（量低、周期不完整、大量“(none)”值）；除非用户明确要求，不要创建或编辑图表。