用途：该技能用于分组时序数据（如比赛、会话、患者、实验）的预处理规划、反思与验证，核心目标是防止数据泄漏和语义错误。资料称其基于真实项目失败案例（V1.0 错误率 88.9%），强调在任何预处理任务前必须咨询。
主要能力：提供多级特征分析框架（数据类型、特征类型、数据结构、物理含义）；区分组内（相对）与全局（绝对）处理范围；给出组内插值、组内/全局标准化、二值变量保持原样、类别变量独热编码、滑动窗口动量特征等模式；并提供数据质量校验、处理范围自动检测、数据泄漏检测（ID 泄漏、因果倒置、编码当数值、时间穿越）与分布感知缩放选择。
使用方式：在预处理前、中、后调用；先确认数据存在分组列（如 match_id、patient_id、session_id），明确目标是组内还是跨组比较，并了解数据范围与单位约束。资料给出 pandas、scipy、sklearn 的示例代码，如 df.dtypes、pd.get_dummies、StandardScaler、CubicSpline、groupby().transform() 等。
适用场景：体育分析、医疗/临床分组数据、面板或纵向研究，以及审查 AI 生成的预处理代码。
限制：不处理纯横截面数据；不做领域特征工程决策；不选择 ML 模型；不处理分布式/大数据基础设施，假设数据可放入内存。资料未提供安装命令、收费与平台信息。