用途：Data Sleuth 将 Claude 转变为调查型数据分析师，借鉴数据新闻、法务会计与 OSINT 调查方法，从数据集中挖掘他人容易忽略的模式。可与 personality-profiler 搭配，增强社交媒体数据的信号提取，也适用于任何结构化数据集。
主要能力：核心原则包括健康怀疑、以危害为中心的模式识别、以“天真”视角发现专家因习惯而忽略之处、以证据而非假设建立信心。信号检测技术涵盖时间指纹、比率分析、缺失检测、跨数据集三角验证、异常值情境化、语言取证、网络拓扑与行为分群。多数据集关联时，先识别共同键（时间戳、用户标识、内容重叠、行为模式），再交叉比对佐证、矛盾与补充，并按固定格式记录关联。
使用方式：工作流强调“先访谈”。分析前必须用 AskUserQuestion 就潜在分析方向访谈用户，基于数据结构主动给出 2-4 个具体选项及说明，并保留自由文本选项。步骤为：数据侦察（识别字段、类型、基数、范围、时间维度、连接键）→ 分析访谈 → 执行所选分析 → 以证据呈现发现。输出分两部分：执行摘要与详细发现，后者为 JSON 结构，含 findings、cross_correlations、methodology_notes 等字段，每条发现标注类别、置信度、证据、含义与后续建议。
适用场景：带时间戳的数据、参与度指标、财务数据、文本密集数据集、社交或关系数据、活动日志，以及多份数据导出之间的交叉验证。
限制：资料未提供具体安装命令、收费方式、平台支持范围或效果保证；分析质量依赖数据可用字段与用户访谈输入。