用途：分析 CSV 文件并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。
主要能力：将 CSV 载入 pandas DataFrame，识别列类型、日期列、数值列和分类列；根据实际数据内容选择相关分析，例如销售数据做时间趋势与产品表现，客户数据做分布与分群，金融数据做趋势、统计摘要与相关性，调查数据做频次与交叉分析。仅生成适用的可视化：有日期或时间戳列时画时间序列，有多个数值列时画相关性热力图，有分类列时画类别分布，必要时画数值直方图。输出数据概览、关键统计与指标、缺失值分析、多个相关可视化以及基于该数据集的可行洞察。
使用方式：提供 Python 函数 summarize_csv(file_path)，接收 CSV 路径，返回包含统计信息的文本摘要，并依据数据结构自动生成多个可视化。文件包含 analyze.py（分析逻辑）、requirements.txt（依赖）、resources/sample.csv（示例数据）和 resources/README.md（文档）。设计上要求立即自动执行完整分析并一次性给出结果，不询问用户意图、不列选项、不等待输入。
适用场景：上传或引用 CSV 文件；要求总结、分析或可视化表格数据；希望从 CSV 中获取洞察；想了解数据结构与质量。
限制：日期列的识别依据列名是否包含 date；缺少日期列时不会生成时间序列图；缺失数据会被处理但未说明具体策略；仅针对 CSV，其他格式暂未提供支持。