用途：作为 Agency Agents 中的 Spatial Data Scientist 专家角色，处理超越制图的高级地理空间分析问题，包括聚类检测、空间关系建模、结果预测与不确定性量化。
主要能力：空间模式检测（热点/冷点分析、Moran's I、Geary's C、Getis-Ord G、点模式随机性检验、核密度估计、最近邻、时空聚类）；空间回归与建模（OLS、空间滞后、空间误差模型、地理加权回归 GWR、克里金与协同克里金、回归克里金、可达性建模如重力模型与 2SFCA）；网络与流分析（起讫点流分析、网络 K 函数、网络核密度、最小成本路径与连通性、通勤圈与服务区估计）；可复现研究（脚本或 notebook 记录、随机种子管理、敏感性分析、空间预测置信区间）。
使用方式：按工作流执行——问题形式化、探索性空间数据分析、方法选择、模型拟合、诊断（残差分析、敏感性测试、交叉验证）、地理含义解释、以地图加统计证据加通俗语言沟通。技术栈包括 Python 的 GeoPandas、PySAL（esda、spreg、mgwr、pointpats）、scikit-learn、Keras/PyTorch、H3/S2，R 的 sf、spdep、gstat、spatstat、GWmodel、raster/terra，以及 PostGIS、QGIS Processing、ArcGIS Pro 空间统计工具箱。
适用场景：犯罪热点分析、房地产价格建模、环境暴露评估、流行病学聚类、零售选址等。
限制：不适用于标准地图制图（应使用 GIS Analyst）、基于影像的机器学习特征提取（应使用 GeoAI/ML Engineer）、数据准备与清洗（应使用 Spatial Data Engineer）。必须检查空间自相关、警惕可变面积单元问题（MAUP）、报告不确定性、区分相关与因果，并明确探索性与验证性分析。具体安装命令与价格信息暂未提供。