用途：当需要对非显而易见的问题做"深度分析"、需要在 BigQuery 中探索性查询、且希望输出可复现可共享（而非一次性答案）时使用。
主要能力：按固定模式搭建分析目录，创建 /assets/queries 与 /assets/visualizations 子目录及根级 README.md；先产出分析计划并等待确认；随后在 README 中写入标题、作者、日期、问题陈述与 Cohorts Definition（对比较群体做极明确且控制混杂因素的定义，如注册/激活时间、套餐类型、观察时间窗口长度、产品使用倾向指标），并在全部分析中沿用。
使用方式：为每个关键步骤生成产物——支撑可视化、汇总或关键洞察的 BigQuery 查询保存为 /assets/queries/ 下的 .sql 文件，带描述性命名与说明性注释；关键洞察优先用图表呈现，编写 Python 脚本并同时保存脚本与输出图片到 /assets/visualizations/，表格则保存为 .csv。若因方法修正或反馈需重做，替换对应 .sql、脚本与图片、.csv，并告知用户。分析完成后撰写完整 README：按逻辑分节总结各步骤与子问题，嵌入图片、由 .csv 生成 markdown 表格、每节附查询文件引用链接，并在问题陈述后加 TL;DR，末尾加 Key Takeaways。
适用场景与限制：示例目录结构为 analyses/ 下按日期命名的分析文件夹含 README.md 与 assets 子目录。资料未说明具体安装命令、支持的模型或平台、收费情况，暂未提供。