用途：当用户想创建数据集、生成合成数据或搭建数据生成流水线时使用。该技能基于 Data Designer 库，根据用户给出的数据集描述，指导生成对应的 Python 配置脚本。
主要能力：通过 DataDesignerConfigBuilder 定义输出列与处理步骤；支持采样器列（如 category，需同时提供 type 与 params）与校验列；prompt、system_prompt、expr 字段支持 Jinja2 模板，用 {{ column_name }} 引用列、{{ column_name.field }} 引用嵌套字段；可接入 LLM judge，其结果为嵌套字典，取数值分数用 {{ quality.correctness.score }}；可定义 Pydantic 模型约束输出结构；可用 @dd.custom_column_generator 编写自定义生成器；默认保留所有列，仅在用户明确要求或该列为派生辅助列时丢弃；不主动建议或询问种子数据集，仅当用户明确提供种子数据或要求基于已有记录构建时，读取 references/seed-datasets.md 并使用种子；涉及人名、人口统计、地址时读取 references/person-sampling.md。
使用方式：技能会先判断模式。若用户表示“你来决定”“做合理假设”“直接建”等，使用 Autopilot 模式；否则默认 Interactive 模式，然后只读取对应工作流文件（workflows/interactive.md 或 workflows/autopilot.md）并遵循。若已存在与描述匹配的数据集脚本，会先询问是编辑还是新建。最终在当前目录写出 Python 文件，包含返回 DataDesignerConfigBuilder 的 load_config_builder() 函数，文件名具描述性，并用 PEP 723 内联元数据声明依赖，如 data-designer 始终必需，pydantic 仅在实际导入时添加。脚本中仅在需要时包含 Pydantic 模型、自定义生成器、种子数据集和额外依赖。
限制与排障：data-designer CLI 未找到时，说明该环境未安装（需 Python >= 3.10），询问用户是否创建虚拟环境并安装，未经许可不安装任何内容。预览时若出现网络错误，可能是沙箱阻止出站请求，先询问是否禁用沙箱重试，仍失败再让用户自行运行命令。Sampler 与校验列需同时提供 type 和 params；SamplerColumnConfig 使用 params 而非 sampler_params。