用途：在临床 CSV/Excel 数据集进入分析前，进行数据剖析、问题标记并生成清洗代码，适用于缺失值、异常值、重复记录、类型不匹配等场景。
主要能力：分三阶段工作流，每阶段结束设用户审批门。阶段1剖析：基于 pandas 模板生成变量与行数、数据类型、缺失数量与百分比、分类变量唯一值、数值变量 min/max/mean/median/SD，以及直方图与柱状图；若提供码本则交叉核对变量名、预期类型与范围，不确定映射写 [VERIFY: variable_name]。阶段2标记：识别缺失机制（MCAR/MAR/MNAR 启发式）、统计异常值（IQR、Z 分数）、精确与近似重复、类型不匹配、不合逻辑值、跨字段矛盾、分类不一致、分类隐含零（如吸烟状态为 never 但 pack_years 为 NULL）、反向计分题未重编码等，输出含变量、问题类型、数量、严重度和建议动作的表格。阶段3仅对用户批准的动作生成 Python 或 R 代码，含清洗前后行数、清洗日志 DataFrame、随机种子 42、清晰注释，并输出新 CSV（不覆盖原文件）与 cleaning_log.csv。
使用方式：提供 CSV/Excel 路径或数据字典/码本，按提示逐阶段确认。涉及 PHI/PII 须先运行 /deidentify，优先使用 _deidentified. 文件；否则仅凭码本或无网络本地环境工作。技能只生成代码与报告，不自动清洗，每个清洗决定需研究者明确确认。清洗后交接 /analyze-stats，引用取自 /search-lit。
限制：不负责临床笔记自由文本提取、图像数据或 DICOM 元数据；仍需人工确认每一步，避免因临床领域知识不足造成错误清洗。