用途：当用户希望让内部团队自行回答分析问题，并需要兼顾采用与治理时使用本技能。它用于制定 Dive、仪表盘或分享的首个推广方案，而非单纯做图表。若面向外部用户或嵌入式产品分析，应改用 build-cfa-app。
主要能力：编排 explore、query、model-data、create-dive、share-data；先确认是否存在可用的远程 MotherDuck MCP 服务器或本地 MotherDuck 服务器，若均未激活，则需先索取表清单与目标受众再起草方案。若用户未指明目标数据库，需询问由哪个数据库或工作区支撑推广。
工作流：确认是否可实时发现 MotherDuck；检查内部团队将使用的数据模型（可信源表、候选精选视图、部门级维度、核心 KPI、分享边界）；选定首个受众与首个用例；发布一个可信数据集；发布一个 Dive 或一个分享；待首个工作流稳定后再扩展。推广默认原则：先首个受众而非全公司开放、先精选数据集再广泛访问、以 Dive 或分享边界替代原始表倾倒、指标变更采用标准归属。
输出：首个受众、首个资产、治理数据集、归属模型、推广护栏。若调用方明确要求结构化 JSON，则仅返回原始 JSON，顶层结构为 summary、assumptions、implementation_plan、validation_plan、risks。
限制与说明：本技能依赖活跃的 MotherDuck 服务器进行实时数据模型探索；无服务器时只能基于用户提供的表清单起草。生成原生 DuckDB（md:）连接时需按规范添加 custom_user_agent 水印，元数据缺失时回退为 harness-unknown 与 llm-unknown。参考资料与可运行示例见 references/SELF_SERVE_ROLLOUT_GUIDE.md 及 artifacts 下的 Python、TypeScript 示例，运行命令为 uv run --with duckdb python skills/enable-self-serve-analytics/artifacts/self_serve_rollout_example.py，TypeScript 校验命令为 uv run scripts/test_typescript_artifacts.py。具体收费、价格与效果资料暂未提供。