用途：分析 CSV 文件，输出统计摘要与可视化，帮助理解表格数据的结构、质量与模式。适用于上传或引用 CSV、要求汇总分析或可视化、希望了解数据结构与质量的场景。
主要能力：将 CSV 载入 pandas DataFrame 并检查结构，识别列类型、日期列、数值列与分类列；根据实际数据内容决定相关分析，例如销售/电商数据看时间序列趋势、收入与产品表现，客户数据看分布、分群与地域模式，财务数据看趋势、统计摘要与相关性，运营数据看时间序列与性能指标，问卷数据看频次、交叉表与分布。仅在存在日期/时间戳列时生成时间序列图，仅在存在多个数值列时生成相关性热力图，仅在存在分类列时生成类别分布图，并按需生成数值直方图。输出包含数据概览（行数、列数、类型）、关键统计与指标、缺失数据分析、适用的多张可视化，以及基于该数据集模式的可执行洞察。
使用方式：技能提供 Python 函数 summarize_csv(file_path)，接收 CSV 文件路径，返回包含统计信息的文本摘要，并自动生成多张可视化。资料强调应立即自动运行完整分析、生成所有相关图表并一次性呈现结果，不询问用户想做什么、不列选项、不等待用户指示。示例提示包括“Here's sales_data.csv. Can you summarize this file?”等。文件包含 analyze.py、requirements.txt、resources/sample.csv 与 resources/README.md。
限制：自动检测名称含 date 的日期列；对缺失数据做容错处理；仅在存在日期列时生成可视化；所有数值列纳入统计摘要。资料未提供具体安装命令、收费、价格、平台支持或效果保证等信息。