用途：指导在敏感数据上开展数据科学工作，强调隐私保护分析是设计选择而非事后清理。需先明确所支持的决策，并优先检查本地已有制品（数据抽取、schema、notebook、SQL、管道配置、模型报告、工单、既往决策），再索取信息。
主要能力：识别直接标识符、准标识符、敏感属性与关联风险；按决策需要最小化字段与行；在本地优先、聚合、脱敏、合成、联邦、差分隐私或安全飞地等路径中做选择；界定可导出、可记录、可缓存或可共享的内容；输出隐私安全分析计划与剩余风险说明。
使用方式：必要输入包括数据 schema 或样本、敏感字段、分析目标、获批环境、共享限制。缺失时先检查文件，仅询问无法从工作区恢复且会改变建议的信息。应按输出契约返回 Problem、Inputs、Checks performed、Findings、Decision、Risks、Next actions、Artifacts 等部分，除非用户另行要求。可参考 references/playbook.md、references/acceptance-tests.md、references/agent-portability.md、references/quality-rubric.md；发布或安装前运行 scripts/quick_validate_skill.py . --strict。
适用场景：涉及原始 PII、未获批云副本、为方便保留标识符、声称合成数据无风险、导出未审查等情形；这些红旗出现时应放慢并在 Risks 中呈现。
限制：不得静默修改数据、notebook、模型制品或生产配置；缺失上下文标注为未知或待负责人决定，不编造；不夸大因果、就绪度、合规性或生产安全性。各分类阻断项为 stop、fix-first、monitor、accepted risk、owner decision。