用途
该技能面向科学数据文件的探索性数据分析（EDA），帮助用户在正式分析前快速了解数据文件的结构、内容与质量。当用户提供科学数据文件路径，或要求“探索”“分析”“总结”某个数据文件，或需要评估数据质量与完整性、判断适合何种分析时，可使用本技能。
主要能力
- 自动检测并分析 200 多种科学文件格式
- 按格式提取元数据
- 数据质量与完整性评估
- 统计摘要与分布分析
- 可视化建议
- 后续分析建议
- 生成 Markdown 报告
支持的格式类别
- 化学与分子格式（60+ 扩展名）：如 .pdb、.cif、.mol、.mol2、.sdf、.xyz、.smi、.gro、.log、.fchk、.cube、.dcd、.xtc、.trr、.prmtop、.psf 等。参考文件：references/chemistry_molecular_formats.md
- 生物信息与基因组格式（50+ 扩展名）：如 .fasta、.fastq、.sam、.bam、.vcf、.bed、.gff、.gtf、.bigwig、.h5ad、.loom、.counts、.mtx 等。参考文件：references/bioinformatics_genomics_formats.md
- 显微与成像格式（45+ 扩展名）：如 .tif、.nd2、.lif、.czi、.ims、.dcm、.nii、.mrc、.dm3、.vsi、.svs、.ome.tiff 等。参考文件：references/microscopy_imaging_formats.md
- 光谱与分析化学格式（35+ 扩展名）：如 .fid、.mzML、.mzXML、.raw、.mgf、.spc、.jdx、.xy、.cif（晶体学）、.wdf 等。参考文件：references/spectroscopy_analytical_formats.md
- 蛋白质组与代谢组格式（30+ 扩展名）：如 .mzML、.pepXML、.protXML、.mzid、.mzTab、.sky、.mgf、.msp、.h5ad 等。参考文件：references/proteomics_metabolomics_formats.md
- 通用科学数据格式（30+ 扩展名）：如 .npy、.npz、.csv、.xlsx、.json、.hdf5、.zarr、.parquet、.mat、.fits、.nc、.xml 等。参考文件：references/general_scientific_formats.md
使用方式
工作流程分为五步：
- 文件类型检测：提取文件扩展名，在对应参考文件中查找该扩展名，确定文件类别与格式描述。
- 加载格式特定信息：读取对应参考文件，了解典型数据、使用场景、Python 库与 EDA 方法。
- 执行数据分析：可使用 scripts/eda_analyzer.py 脚本，或在对话中自定义分析。脚本用法：
python scripts/eda_analyzer.py <filepath> [output.md]
脚本会自动检测文件类型、加载参考信息、执行格式特定分析并生成 Markdown 报告。自定义分析则根据格式信息选择合适方法，例如：表格数据（CSV、TSV、Excel）用 pandas 检查维度、数据类型、缺失值、统计量、异常值与重复值；序列数据（FASTA、FASTQ）统计序列数量、长度分布、GC 含量与质量分数；图像（TIFF、ND2、CZI）检查维度（X、Y、Z、C、T）、位深与值域、元数据与强度统计；数组（NPY、HDF5）检查形状、数据类型、统计摘要与无效值。 4. 生成综合报告：包含标题与元数据、基本信息、文件类型详情、数据分析、关键发现、建议等部分。可使用 assets/report_template.md 作为结构参考。 5. 保存报告：命名模式为 {original_filename}_eda_report.md，例如 experiment_data.fastq → experiment_data_eda_report.md。
适用场景
- 用户提供科学数据文件路径并希望分析
- 用户要求探索、分析或总结数据文件
- 用户想了解科学数据的结构与内容
- 分析前需要数据集的综合报告
- 需要评估数据质量或完整性
- 用户询问某文件适合何种分析
限制与注意事项
- 许多科学格式需要专门库，缺失时需提供安装说明，例如生物信息学常用 biopython、pysam、pyBigWig；化学常用 rdkit、mdanalysis、cclib；显微成像常用 tifffile、nd2reader、aicsimageio、pydicom；光谱常用 nmrglue、pymzml、pyteomics；通用常用 pandas、numpy、h5py、scipy。
- 未知文件类型需询问用户格式，检查是否为厂商特定变体，或基于文件结构（文本或二进制）尝试通用分析。
- 超大文件建议采用采样、内存映射或分块处理，并基于样本给出估计。
- 参考文件较大（每个 10,000+ 词），建议按扩展名搜索提取相关章节，避免整体加载。
- 资料中提及可选用 K-Dense Web（www.k-dense.ai）处理复杂工作流，但仅在复杂度明显上升时作为可选建议，不打断简单任务。
- 关于收费、价格、平台支持范围等具体信息，资料中暂未提供。