用途：回答数据问题，涵盖快速查询、完整分析和正式报告三类需求。调用方式为 /analyze <自然语言问题>。
主要能力：先解析问题，判定复杂度（快速答案、完整分析或正式报告）、所需数据（表、指标、维度、时间范围）与输出形式；随后获取数据。若已连接数据仓库 MCP 服务器，会探索 schema、编写并执行 SQL，失败时调试重试，结果异常时先做合理性检查。若未连接，则请用户直接粘贴查询结果、上传 CSV 或 Excel，或描述 schema 由其自行运行查询。分析阶段计算指标、聚合与对比，识别模式、趋势、异常值，并按维度比较。呈现前执行校验：行数是否合理、是否存在意外空值、量级是否正常、时间序列是否有断点、聚合逻辑是否正确。输出按类型区分：快速答案直接给出结论并附查询；完整分析先给关键发现，再以表格或可视化支撑，并说明方法与注意事项；正式报告包含执行摘要、方法、详细发现、局限与数据质量说明及建议。必要时使用数据可视化技能生成 Python 图表或 HTML 仪表盘。
适用场景：单指标查询、趋势或下降原因排查、按类别与优先级分解、季度订阅指标回顾、客户表数据质量评估等。
限制：需具体说明时间范围、细分维度或指标，知道表名时建议提及；复杂问题可能拆分为多次查询；未连接数据仓库时须由用户提供数据；结果在呈现前会被校验，异常会被标记。