missingness-mechanism-investigator

用途：诊断数据缺失机制，并据此设计插补、排除或敏感性分析方案。适用于需要重判断的数据科学流程，在插补前强制先思考缺失机制。\n\n主要能力：按列、行、分组、时间和目标关系刻画缺失情况；将机制分类为 MCAR、MAR、MNAR、结构性缺失或未知；判断缺失本身应作为特征、排除理由还是偏差警告；推荐完整案例、插补、指示变量、基于模型或敏感性策略；输出可审计的缺失报告。\n\n使用方式：需提供数据集、分析目标、列含义、采集过程和已知缺失原因。应先检查本地工件（数据提取、模式、notebook、SQL、管道配置、模型报告、工单、既往决策），缺失时才询问无法恢复且会改变建议的信息。保留原始数据与工件，除非明确要求修改。输出格式：Problem、Inputs、Checks performed、Findings、Decision、Risks、Next actions、Artifacts。\n\n限制：不替代判断，不编造缺失原因；资源文件包括 references/playbook.md、references/acceptance-tests.md、references/agent-portability.md、references/quality-rubric.md，发布前用 scripts/quick_validate_skill.py . --strict 校验。