用途：在 Jupyter Notebook 中为指定主题生成逼真、完整的合成数据，仅在 dataops 的 synthetic-data 操作预检通过后执行。输入包括必填的 subject（描述生成主题）和可选的 example_data（现有数据源、模式或文件，用作结构与模式的严格参考）。
主要能力：先校验 SYNTHETIC_DATA_OPERATION_V1 预检记录，通过 dataops validate 命令确认分类决策与数据所有者权限；随后创建项目文件夹与 Notebook，按需校验现有数据源，选择 new-output 或经授权的 replace-local 模式，保护 PII，按需检查 Tesseract OCR，生成数据并导出。默认 CSV，默认不超过 10000 行；支持 JSON、Parquet、Excel 等格式。要求数据在分布、相关性、时间模式、地理与人口差异上贴近真实，并使用随机种子保证可复现。
使用方式：通过工具创建目录与 Notebook，使用 configure_python_environment、configure_notebook、notebook_install_packages 安装 pandas、numpy、matplotlib、seaborn、scipy，用 edit_notebook_file 创建单元格并立即用 run_notebook_cell 执行。可视化单元格需调用 plt.show() 内联显示。文件命名遵循 {parsed_subject}/synth_{parsed_subject}.ipynb 与 synthetic_{parsed_subject}_data.csv。
适用场景：需要为分析、建模或可视化准备合成数据的场景，尤其涉及现有模式参考、地理信息或需要可区分性评估时。
限制：replace-local 仅允许一个已存在的本地常规文件，需匹配 SHA-256 摘要与数据所有者替换权限，拒绝目录、链接、远程存储、网络共享、数据库、API 及多目标操作；受保护属性生成与子组评估默认不激活，需明确授权；Notebook 代码不得直接写入原始源；若预检失败、源过期、确认被拒或中断，必须停止并保留原始不变证据，不得静默重试。部分细节如具体价格、平台支持范围暂未提供。