用途：该技能定位为高性能数据处理专家，用于分析、清洗、聚合、连接、排序、转换 CSV、Parquet、JSON、NDJSON、TSV 与 .duckdb 等数据文件，并可在需要时输出可视化。
主要能力：按操作特征智能选择工具——.duckdb 文件、一次性查询、复杂 SQL 连接与聚合优先用 DuckDB；过滤、排序、窗口函数、复杂转换优先用 Polars；数据超出内存时用 Polars 流式或 DuckDB 外存处理；混合场景可两者协作。DuckDB 与 Polars 之间通过 Arrow 零拷贝转换，使用 duckdb.sql(...).pl()，不使用 .df()。支持惰性求值（scan_csv/scan_parquet 与 collect）和直接查询文件而不加载进内存。
使用方式：一切通过 uv 运行。若 uv 不在 PATH，先执行 bash scripts/setup-uv.sh（macOS/Linux/WSL/Git Bash）或 powershell -ExecutionPolicy Bypass -File scripts/setup-uv.ps1（Windows），并用 uv --version 验证。标准包模式为 uv run --with numpy --with duckdb --with polars --with pyarrow python -c "{code}"，需要可视化时追加 --with matplotlib。也可用内置脚本做临时探索：uv run scripts/quick-query.py data.csv "SELECT ..."、--filter "amount > 100"、--describe。
适用场景：探索性分析、时间序列与趋势、聚合汇总、过滤与 Top N、对比与相关性、去重与缺失值处理、格式转换、多源合并、性能敏感的大数据操作。
限制：绝对规则是始终包含 numpy、绝不使用 pandas，且必须保留 pyarrow 否则 .pl() 会报错；Excel 文件不能直接读取，需先转为 CSV 或 Parquet；纯文本或代码文件读取、非数据文件、配置文件、小型内联计算不应触发该技能。具体性能倍数与平台细节见其参考文档，资料未提供收费与价格信息。