用途：该技能面向 CSV 表格数据，在用户上传或引用 CSV、要求总结分析或可视化表格数据、寻求数据洞察、或想了解数据结构与质量时使用。目标是自动给出较完整的摘要、统计与图表。
主要能力：将 CSV 读入 pandas DataFrame 并检查结构，识别列类型、日期列、数值列与类别列；据数据实际内容决定分析方向，例如销售/电商看时间趋势与收入、客户数据看分布与分群、财务数据看趋势与相关性、运营数据看时间序列与指标、问卷数据看频次与交叉分布。仅在适用时生成图表：存在日期列才做时间序列，存在多个数值列才做相关性热力图，存在类别列才做类别分布，必要时绘制数值直方图。输出含数据概览（行列与类型）、关键统计与指标、缺失数据分析和基于当前数据的可执行洞察。
使用方式：技能提供 Python 函数 summarize_csv(file_path)，接收 CSV 路径，返回带统计的文本摘要，并据数据结构自动生成多个可视化。示例提示词如“Here's sales_data.csv. Can you summarize this file?”“Analyze this customer data CSV and show me trends.” 文件包括 analyze.py（核心逻辑）、requirements.txt（依赖）及示例数据。
限制与行为：资料强调不应先询问用户想做什么、不列选项、不等待确认，而是立即自动执行完整分析与可视化，一次给出结果。规则中说明自动检测含“date”的列名作为日期列，优雅处理缺失值，仅在有日期列时生成可视化，所有数值列进入统计摘要。收费、价格、平台与具体效果等未提供。