用途：通过成本最低且能证明答案的引擎与执行面回答数据问题，在接触数据前先决定计算应放在哪里。
主要能力：DuckDB 负责 SQL 形态工作，可直接查询 CSV/Parquet/JSON、连接、聚合、子查询、窗口函数，超内存可落盘，并支持远程文件；Polars 用于 DataFrame 形态的表达式链变换、重塑与流式数据集；numpy 处理统计检验、线性代数、FFT、随机采样；matplotlib 负责所有图表。
使用方式：默认使用常驻 REPL/求值内核。JavaScript 内核（Bun）先运行 scripts/ensure-js-deps.sh，动态导入 @duckdb/node-api 并连接一次；Python 内核中 duckdb/numpy/matplotlib 通常常驻，Polars 与 pyarrow 由 scripts/ensure-py-deps.sh 安装到用户缓存，再 sys.path.insert 后导入。重型或易崩溃任务用 uv run --with 隔离；无内核时用 bun -e 或 uv run python -c 一次性执行。无内核或 REPL 时可用 uv run scripts/quick-query.py <file> [SQL]（--filter、--describe）做即席查询，支持 CSV、Parquet、JSON、NDJSON。
适用场景：CSV/Parquet/JSON 分析、分组、连接、聚合、探索性重复查询、超内存流式处理、远程数据就地查询。
限制：禁止使用 pandas；Excel 文件不能直接读取，需先导出为 CSV 或 Parquet；不要将超过内存的数据集整体载入内存；性能说法随数据形态与硬件变化，重要时应在真实数据上测量。首次使用前应阅读 references/execution-surfaces.md，图表前阅读 references/visualization.md。