用途：从分析师头脑中提取公司专属数据知识，生成或改进“企业数据分析技能”，让分析查询符合本公司口径。支持两种模式：引导模式，从零新建数据分析技能；迭代模式，给已有技能补充领域参考文件。
主要能力：连接数据仓库并探查schema；围绕实体消歧、主标识符、关键指标、数据清洗、常见陷阱进行提问；按结构生成技能目录（SKILL.md 加 references/，含entities.md、metrics.md、tables/领域文件、可选dashboards.json），打包为zip交付，并在迭代时更新SKILL.md导航与重新打包。
使用方式：引导流程先确定数据库类型（如BigQuery、Snowflake、PostgreSQL/Redshift、Databricks），用数据仓库schema工具列出数据集与关键表，再提出核心问题；参考文件中给出按方言的探查示例，例如BigQuery用 SELECT schema_name FROM INFORMATION_SCHEMA.SCHEMATA，Snowflake用 SHOW SCHEMAS IN DATABASE my_database 和 SHOW TABLES IN SCHEMA my_schema。迭代流程先载入已有技能，定位缺口（新领域、缺失指标、未记录的表关系、新术语），针对性探查后生成 references/[domain].md 并更新导航。
适用场景：为特定公司仓库建立或扩充数据分析技能，统一实体、指标、过滤与SQL方言等口径。
限制：依赖数据仓库schema访问与MCP工具；需由分析师提供口径信息；资料未提供具体平台兼容范围、收费方式与效果保证；详细模板引用的文件未在资料中展开。