用途
该技能用于为科学计算、实验分析或模拟类项目生成全面且结构化的研究报告。它适用于仓库中包含可读代码、实验数据与参考资料，且需要将结果整理成正式分析文档的场景。用户可以通过它进行性能稳定性分析、不同方法或算法之间的对比研究等任务。
主要能力
技能的核心工作流程分为几个阶段。首先是项目探查与领域映射：检查 pyproject.toml 了解依赖库，查看 main.py 或等价文件了解执行流程，查阅 references/ 目录中的背景材料、标准定义（如 NEMA、IEC）或方法规范，定位定义系统的核心逻辑（常量、方程，如平方反比定律、统计模型），并确定 data/ 中的实验与模拟数据以及 assets/ 中的图像资源。技能要求始终检查文件表头以确认单位和列定义。
其次是数据分析与验证：不单纯依赖已有摘要文本，而是通过检查原始数据或运行代码来验证结论；在环境允许时运行分析脚本（如 uv run main.py）生成最新指标，也可以编写新的 Python 文件或脚本进行数据分析，缺失的包可通过 uv add <package> 添加。需要提取的关键指标包括性能类（效率、吞吐量、灵敏度等）、信号质量类（SNR、对比度、分辨率等）以及统计类（均值、标准差、CV 等），并与 references/ 中的理论预期进行交叉比对。
第三是目标确认：在生成报告全文前，技能会暂停并向用户展示简要计划，包括目标陈述、将要使用的具体数据文件以及拟定的报告结构，并询问计划是否符合要求，等待用户确认或修正。
最后是报告生成：除非另有说明，结果会整合到 docs/analysis-report.md。报告结构包含目标、方法（说明实验设置并引用 data/ 中的数据文件与 references/ 中的标准）、定量结果（以 Markdown 表格呈现，对比不同组别）、讨论与解释（用识别出的物理或数学模型解释结果成因，论证代码中使用的近似处理）、结论。
使用方式
技能通过对话方式响应分析需求。例如用户提出分析传感器数据稳定性时，技能会读取规格说明书、加载稳定性日志数据、计算均值与方差，并按报告结构输出结果，在方法部分说明比对的数据与规格来源，在讨论部分基于噪声模型解释偏差。当用户要求比较不同算法时，技能会定位两组输出数据，对比执行时间与错误率等指标，在报告中给出如“某算法快 10 倍但引入 2.3% 系统误差”的量化结论，并将误差与代码逻辑中的近似处理关联。
写作标准
报告要求量化一切，避免模糊表述，使用“效率提升 12.5%”而非“效率更好”；采用专业语气，倾向使用自然语言段落而非项目符号列表；若生成图表，需在报告中引用其文件名；使用简体中文撰写；标题不编号，标题本身不作为 heading，各章节使用一级标题；公式方面，同位素记法用 LaTeX（如 ^{99m}Tc），公式用 LaTeX 风格（如 $E = mc^2$），多行公式用 $$ 界定。
适用场景与限制
该技能适合具备代码、数据与参考资料的科学项目分析，尤其需要将原始数据转化为正式报告的场景。其前提是仓库中存在可访问的数据文件与参考资料，并能运行相关脚本。对于缺少这些条件的项目，技能的使用可能会受限；具体的实现细节、运行环境要求、依赖版本等在所提供的资料中暂未提供。