用途：帮助用户或智能体为文件型大表格数据（CSV、Parquet、分隔文本、电子表格、MDF）选择正确的 MATLAB 处理工具，输出单一明确路径而非选项菜单。
主要能力：先做预检，估算文件大小与可用内存之比；单文件比值小于 0.5 时建议原生 I/O（readtable、parquetread）并停止。数据被描述为“大”或出现内存溢出时进入决策流程：需将全部数据作为单一数据集处理时用 datastore + tall 数组，按格式选择 tabularTextDatastore、parquetDatastore、spreadsheetDatastore、mdfDatastore（需 Vehicle Network Toolbox）或自定义 datastore；需按文件独立处理时用 datastore + transform，tabularTextDatastore 设 ReadSize="file"，Excel 用 spreadsheetDatastore；Parquet 按行组独立处理时保持 parquetDatastore 默认 ReadSize="rowgroup"。
用法要点：tall 数组自动分块，常用函数如 mean、std、groupsummary、sortrows 可用，结果用 gather 收集。并行方面，本地加速先开并行池 parpool("Threads")；transform 工作流的 readall 可加 UseParallel=true；mapreducer 仅用于 Hadoop/Spark，且需 Parallel Computing Toolbox 与 MATLAB Parallel Server。R2026a+ 可用 DuckDB 直接查询 CSV/Parquet/JSON 文件（需 Database Toolbox）。
限制：目标不明确（连续还是按文件）时必须先提问，不展示代码。数据大时不要先用 readtable 或 parquetread；按文件或行组处理时不要用 tall 数组；Parquet 不要随意设 ReadSize="file"；不要首选手动分块。JSON、XML、HTML、Word 无内置 datastore，readtable 溢出时不要先转 Parquet/CSV，应构建支持多次读取的自定义 datastore（可先评估 fileDatastore 与自定义 ReadFcn）。MAT 文件、数据库、GPU、深度学习训练等场景不适用本技能。具体实现细节与属性映射见资料引用的参考文档，此处暂未提供完整内容。