用途：接收一份（大致）干净的数据集——.xlsx/CSV、粘贴表格或其他技能的输出——产出一份“洞察简报”，包括核心发现、该数据类型的关键指标以及诚实的注意事项。设计思路是先明确意图（先问数据要回答什么问题），再做计算后解释：简报中每个引用的数字都来自本地确定性引擎，叙述只做解读，不生成数字。
主要能力：提供分析引擎 scripts/analyse.py（含共享 toolkit 引擎），可计算数值摘要、IQR 离群值、分组拆解与集中度、周期性序列（月/季/年，含同比与环比）、账龄分桶、跨数据集 join_on 与 compare_series、集中度（HHI）、透视表、分布偏度/峰度、线性趋势、分位数、队列留存、相关矩阵、滚动聚合、基尼系数、季节性、声明式行过滤、币种识别等，并可输出 markdown 表格与可选指标工作簿。数据处理前有配置与质量门（列类型、缺失率、重复），质量太差会先转给 data-tidy；若币种混杂则禁止直接求和。支持多标签页工作簿与 10k+ 行的大文件读取。
使用方式：在技能目录下运行脚本，通过 ingest.read_any（或大文件的 ingest.read_large）读取数据；按脚本调用 analyse 的相应函数进行计算，脚本会保留在工作目录作为审计记录。计算前应与用户确认分析计划，计算后按固定结构撰写简报（Headline / Key metrics / Notable / Caveats & quality），以 .md 交付，可选另存指标 .xlsx。
适用场景：销售/交易、应收账龄、管道、问卷分类、任务清单、总账、库存、支出/应付、时间序列以及跨领域对比（如实际 vs 预算）等。
限制：不生成预测，也不是对账工具（两套数据逐行核对应使用 data-reconcile）；不得编造汇率或单位换算；分析仅描述数据，不构成建议。所有计算在本地脚本完成，不含网络调用；但驱动该技能的 AI 代理会把读取内容发送给其 AI 提供商，因此不能声称数据“从不离开”。环境需 Python 与 openpyxl（处理 xlsx），PDF/docx/msg 依赖可选库。