用途：对科学数据文件执行探索性数据分析（EDA），自动识别文件类型、按格式分析、评估数据质量，并生成适合文档记录与后续分析规划的 Markdown 报告。
主要能力：自动检测并分析 200 多种科学文件格式；提取格式相关元数据；评估数据质量与完整性；生成统计摘要与分布；给出可视化建议与下游分析建议；输出 Markdown 报告。覆盖六大类：化学与分子（60+ 扩展名，如 .pdb、.mol、.xyz）、生物信息与基因组（50+，如 .fasta、.fastq、.bam、.vcf）、显微与成像（45+，如 .tif、.nd2、.czi、.dcm）、光谱与分析化学（35+，如 .mzML、.jdx）、蛋白质组与代谢组（30+，如 .mzTab、.mgf）、通用科学数据（30+，如 .npy、.csv、.hdf5、.parquet）。
使用方式：用户提供文件路径后，先提取扩展名并在对应参考文件中查找格式信息，再执行分析。可直接运行脚本：python scripts/eda_analyzer.py <filepath> [output.md]；也可在对话中按格式自定义分析，例如表格数据用 pandas 检查维度、类型、缺失值、统计量与异常值，序列数据统计条数、长度分布、GC 含量与质量分数，图像检查维度、位深、元数据与强度统计，数组检查形状、类型与统计摘要。报告按 assets/report_template.md 结构生成，保存为 {original_filename}_eda_report.md。
适用场景：用户要求探索、分析或总结科学数据文件；需要了解数据结构与内容；分析前需要完整数据集报告；评估数据质量或完整性；判断适合何种分析。
限制：许多格式依赖专用库（如 biopython、pysam、rdkit、mdanalysis、tifffile、nd2reader、pydicom、nmrglue、pymzml、pyteomics、pandas、numpy、h5py、scipy），缺失时需按提示安装；未知扩展名需向用户确认格式或按文本/二进制做通用分析；超大文件建议采样、内存映射或分块处理；参考文件较大，建议按扩展名检索而非整体加载。具体收费、价格与平台支持暂未提供。