用途：在分析前审计数据集，找出会悄悄破坏分析结论的质量问题，并说明每个问题的确认方法与修复优先级。
主要能力：覆盖六个维度——完整性（关键列空值/缺失）、唯一性（重复行与键）、有效性（类型、格式、范围、允许值）、一致性（跨字段与跨表一致）、准确性（与已知总量或现实对照）、时效性（新鲜度与时间序列缺口）。输出包含总体判断（可用/先修/暂不可信）、质量记分卡、具体问题清单、按对决策影响排序的修复计划，以及2至3条防复发的自动检查建议。
使用方式：可提供数据集模式、样本行或描述；若未提供，需补充数据集说明（各列含义与粒度）、用途（支撑的分析或决策）、来源与更新频率、已知可疑问题。即使只有描述，也会推断该类数据可能的问题并给出具体核查（SQL 或 pandas 风格）。有真实数据时以数据为依据。
适用场景：分析前的数据体检、数据管道交付验收、建模前的特征数据检查。
限制：资料未提供具体安装命令、价格、平台支持或运行环境要求；不替代实际数据探查，需用户提供数据或描述才能落地。避免只查空值、笼统说“清洗数据”、不分轻重地同等对待问题，以及静默修改数据不留记录。