用途：在 SaaS 产品中实现预测分析功能，通过预处理数据库历史数据并注入结构化摘要到 LLM 提示词，让模型预测结果、识别风险或推荐行动。适用于需要可复用判断、领域约束或成熟工作流的任务；不适用于与预测分析无关或只需简单回答的场景。
主要能力：覆盖四类预测任务——分类（如学生是否面临风险）、回归（如下周销量）、异常检测（如交易是否可疑）、推荐（如应向哪个供应商补货）。提供五个领域模板：学生风险分类、零售需求预测、患者恶化风险、农作物产量预测、财务交易异常检测，均含严格 JSON 输出格式与规则。
使用方式：先读 SKILL.md，再按需加载引用的深入文件；按有序指引、检查清单和决策规则执行，而非摘取孤立片段。流程为：定义预测目标、识别数据信号、用 SQL 预处理并限制注入数据量、构建提示词、解析并校验输出模式、展示解释与置信度及建议行动。批量任务可一次处理 20–50 条记录以降低成本，实时任务每事件一次调用。
适用场景：学校、零售、医疗、农业、ERP 等领域的预测功能开发。
限制：自定义 ML 模型（scikit-learn、XGBoost）仅用于高并发、低延迟且 LLM 成本过高的预测；医疗数据属特殊个人数据，须匿名化后发送；输出不得替代临床判断。部署前应设 30 天影子期，并关注精确率、召回率、误报率与用户采纳率。具体收费与价格资料暂未提供。