用途：对数据集进行自动化剖析（EDA），生成综合 HTML 报告。基于 ydata-profiling（原 pandas-profiling），可做数据质量校验（缺失值、重复、异常值）、统计分析与自动可视化。
安装：推荐 uv 包管理器，先执行 curl -LsSf https://astral.sh/uv/install.sh | sh（macOS 可用 brew install uv），再进入 plugins/data-profiling/skills/profiling 执行 uv pip install -r requirements.txt；也可用 pip install -r requirements.txt。依赖含 pandas 与 ydata-profiling。
用法：进入 scripts 目录运行 python generate_profile.py --data-path "path/to/data.csv" --output-dir "outputs/reports"。可用 --target-column 指定目标列、--sample-size 抽样、--mode 选模式（minimal / default / explorative）、--no-browser 关闭自动开浏览器。另有 Claude Code 命令 /profile-data。
报告含 Overview、Variables、Interactions、Correlations、Missing Values、Sample、Alerts 等部分，并自动提示高相关、高缺失率、常量特征、高基数、类别不平衡、异常值等问题。
限制：大文件建议抽样并配合 minimal 模式；explorative 约 5-10 分钟；内存占用较高时建议删列或减小样本量；HTML 报告体积大，建议加入 .gitignore。具体性能与运行结果依数据而定。