用途：为脏数据集设计透明、可逆的清洗计划，避免在笔记本中埋没清洗决策，使结果可审计、可复现。每个转换都视为带原因、风险与回滚路径的已记录提案。
主要能力：先复述所支持的决策；优先检查本地工件（数据抽取、模式、笔记本、SQL、管道配置、模型报告、工单、既往决策）；将机械检查与专家判断分离；把发现分类为 stop、fix-first、monitor、accepted risk 或 owner decision；保留原始证据，不静默修改数据、笔记本、模型工件或生产配置；返回可交付给数据科学家、ML 工程师、治理评审或利益相关者的决策工件。
使用方式：所需输入为原始数据集、数据字典（如有）、分析目标、允许的转换约束。缺失输入时先检查可用文件，仅询问无法从工作区恢复且会改变建议的信息。工作流：剖析缺失值、重复、异常值、类型、格式、单位与冲突记录；区分事实更正、规范化、排除、插补与未解决异常；为每个拟议转换记录理由、受影响行、风险与回滚方法；优先使用派生清洗列或版本化输出而非覆盖原始证据；返回清洗台账与转换数据验收标准。输出契约包含 Problem、Inputs、Checks performed、Findings、Decision、Risks、Next actions、Artifacts 等部分。
适用场景：判断密集型数据科学任务，如数据清洗决策、模型数据准备、治理评审。
限制：不替代专家判断；缺失上下文标记为 unknown、not provided 或 owner decision，不编造；危险信号包括覆盖原始数据、未做影响分析即删行、未记录单位转换、按期望结果剔除异常值。资源文件包括 references/playbook.md、references/acceptance-tests.md、references/agent-portability.md、references/quality-rubric.md，发布前可用 scripts/quick_validate_skill.py . --strict 校验。