用途：分析不熟悉的数据文件，推断各列的数据类型并生成对应的类型定义。
主要能力：按扩展名与内容识别文件格式；对大文件采样前 1000 行；推断列类型并给出置信度评分；识别日期、邮箱、ID、分类值等模式；按需输出指定格式。类型推断规则涵盖数值（整数、浮点、货币）、字符串模式（邮箱、URL、UUID、电话）、日期（ISO、美式、欧式、Unix 时间戳）以及分类值（唯一值占比低于总行数 5%、重复值占主导）。
输出格式：Pydantic 模型、Pandera Schema、SQL CREATE TABLE、TypeScript 接口。
使用方式：读取样本，如 CSV 用 pd.read_csv(path, nrows=1000)，JSON 用 pd.read_json(path, lines=True, nrows=1000)，Parquet 用 pd.read_parquet(path).head(1000)；逐列分析空值比例、唯一值数量与占比、样本值、模式匹配；为每个类型推断生成 0-100 置信度；按所需格式输出并附推断说明。报告包含文件、采样行数、列数、每列的推断类型与置信度及备注，并给出约束建议，如 NOT NULL、UNIQUE、ENUM。
适用场景：快速理解陌生数据集结构，生成数据校验或建表所需的类型定义。
限制：仅基于样本推断，可能不代表全量数据；具体安装方式、依赖与运行命令暂未提供。