用途：在编写或审查 R 脚本、R Markdown/Quarto 文档、Python 数据分析管道、Jupyter 笔记本（*.ipynb）时，提供 Bitlysis 数据科学规范；也适用于设计数据管道架构（raw → processed）、统计建模、假设检验、报告生成及处理 SPSS/Stata 文件（.sav、.dta）。
主要能力与用法：
- 可复现性：脚本顶部设随机种子，如 R 中 set.seed(42) 并确认 renv 激活；Python 中设置 random.seed(42) 与 np.random.seed(42)。
- 数据管道分层：严格数据血缘，raw 目录绝不修改，另有 interim、processed、external 目录；导入 SPSS/Stata 可用 read_sav("data/raw/survey.sav")，并在 data/raw/survey_codebook.md 记录缺失编码。
- R 代码标准：tidyverse 管道风格，显式可读；可用 styler::style_file("analysis.R") 格式化，lintr::lint("analysis.R") 检查。
- Python 标准：使用 pandas 与 pandera 在管道入口定义 schema 校验数据。
- 统计完整性：报告效应量（Cohen's d、η²、r）与 p 值并列；多重假设检验时做校正（Bonferroni 或 Benjamini-Hochberg）；注释区分探索性（EDA）与验证性分析；SmartPLS/EViews 需记录 GUI 步骤，禁止伪造输出。
- 报告生成：用 Quarto 无头渲染，如 quarto render reports/analysis.qmd --to html 或 --to pdf，提交前确认渲染成功。
- 质量门禁：R 侧 Rscript tools/ci_install.R 与 testthat::test_dir('tests/testthat')；Python 侧 ruff check app tests、mypy app --strict、pytest tests -q。 输出格式要求：可复现代码含种子设置、清晰数据血缘文档、统计检验附效应量、适用的 Quarto 可渲染输出。复杂管道设计可激活专家 @.cursor/.agents/.agents/data-analyst-r.md。
限制：资料未提供具体价格、平台支持范围、性能指标或效果承诺；上述命令与目录结构为资料所列规范，实际使用需结合本地环境验证。