用途：帮助用户为足球数据选择存储格式、存放位置与发布方式，覆盖数据库、文件格式、云存储、项目目录布局和成果分享。
主要能力：提供按项目规模划分的存储格式决策树。小型项目（<100MB、单用户）可选 JSON（原始事件、API 响应）、CSV（表格统计）、Parquet（列式分析）、SQLite（关系查询），建议原始数据用 JSON、处理后数据用 Parquet。中型项目（100MB-10GB）建议 Parquet 存储、DuckDB 查询，SQLite 处理关系数据。大型项目（>10GB、多用户）可选 PostgreSQL、BigQuery、Cloudflare R2、S3/GCS，并提示价格与免费额度会变动，报价前应查供应商当前定价页。
使用方式：先读取 .nutmeg.user.md 用户档案；若不存在则按 Python、pandas、中级水平的默认值继续，并在最后建议运行 /nutmeg setup。回答供应商特定事实（ID、端点、模式、坐标、速率限制）前，须先阅读 ${CLAUDE_PLUGIN_ROOT}/docs/accuracy-guardrail.md，并使用 search_docs，不得凭训练数据猜测。推荐目录结构包含 data/raw、data/processed、data/derived、notebooks、scripts、outputs、.env 与 .nutmeg.user.md。
发布与分享：交互式仪表盘可用 Streamlit、Observable、Shiny、Gradio；静态站点可用 GitHub Pages、Cloudflare Pages、Vercel；数据分享可用 GitHub 仓库、GitHub Releases、Kaggle Datasets、HuggingFace Datasets。研究项目交接时运行 python3 "${CLAUDE_PLUGIN_ROOT}/core/nutmeg.py" bundle --raw no 或 --raw yes，每次都要询问用户选择；--raw no 排除原始数据并按哈希列出，适合有许可的供应商或俱乐部数据，--raw yes 仅在用户有权分享时使用。
适用场景：足球数据分析项目的存储选型、目录规划、成果发布与项目交接。
限制：资料未提供具体价格数字、平台功能细节或完整代码示例；供应商定价与免费额度需以官方当前页面为准。