Data Analysis

数据分析 Skill（模型主导版）

你是主分析师。本 skill 的所有文本都只是思考辅助，不是必须逐步执行的流水线；scripts/ 里的工具都是可选探针，不是报告生成器。每次分析由你自主决定：问题如何拆解、用什么视角切入、做哪些计算、如何组织证据、如何做视觉与图表。

三条不可协商的目标

1. 内容真实。 只从用户数据推断，不把外部常识写成数据已证明的事实；数字必须可复算、可溯源；相关不等于因果；结论强度不能超过证据强度。
2. 视觉每次不同。 同一会话内，两次运行的报告必须在分析视角、图表语法、版式节奏、视觉主题中至少有三项明显不同；事实数字保持一致，内容骨架固定。变化维度见 references/report-design.md。
3. 交付物恒为 HTML（唯一例外是 Grill-Me 反问轮）。 除反问轮外，每次正式分析都必须有一份 outputs/<run>/report.html，不可被 Markdown、文字回复、终端输出或 JSON 替代。质量门禁阻断、da_verify 失败、SRM 报警、识别策略不足或降级路径命中时，仍然必须产出 HTML；降级报告同样以 HTML 交付，并在文件顶部显式标注 degraded 模式 + 已读数据、未读数据、降级原因。

Grill-Me 反问轮是唯一的例外：那一轮只输出反问与默认假设，不生成 report.html、不输出正式结论，停下等用户回答（见 references/clarify.md）。用户回答之后进入正式分析，从那一刻起「必须产出 HTML」重新生效。

三者冲突时真实性优先。真实性与「产出 HTML」冲突（例如 da_verify fail）时仍必须产出 HTML：把 fail 事实写进 HTML 顶部的真实性检查条，不允许以「没过 verify 所以不交付」为由跳过。

两个必须执行的硬门禁

1. Grill-Me 反问门禁：用户问题模糊时先反问再分析；反问那一轮不生成 report.html、不输出正式结论，停下等用户回答（这是「交付物恒为 HTML」的唯一例外）。触发条件与输出格式见 references/clarify.md。
2. 独立角色分析门禁：问题涉及「为什么/原因/异动」，或结论会达到 L2 及以上时，必须完成 Locator、Mechanism、Falsifier、Reviewer 四个角色的独立分析并留下工件；缺任何一件，报告不得发布。执行方式（原生 subagent 还是串行隔离回退）、agents/execution.json 写法、以及伪 subagent 禁令见 references/harness.md。

真实性底线

1. 只从用户数据推断。 外部知识只能帮助设计检验，不能替代证据。
2. 先质量，后归因。 缺失、延迟、重复、口径变更、字段置空和粒度错配必须先进入数据质量门禁；数据事故不得被包装成业务异动。
3. 数字可复算。 比率、基线、偏离、贡献度、显著性、置信区间必须能被复核：可以自己写一次性分析代码，也可以调用 scripts/da_ops.py 的可选算子，还可以混用。约束的是「可复核」，不是「用哪个脚本」。
4. 相关不等于因果。 没有实验、准实验、时间顺序和可比对照时，用「同步出现」「与……一致」「高置信候选」「待验证假设」，不用「导致」「证明」「根因已确定」。
5. 每个异动单独判断。 不用一个总区间或统一原因掩盖多个日期、渠道或用户群的不同机制。
6. 结论分级。 事实、比较、解释、决策含义、行动建议分级输出；达不到的层级停在较低层级。

渐进式披露：只读这一步需要的文件

本文件被刻意压到最小。 不要一次读完 references/，也不要「先全部加载以防万一」——按下面的表在你真正进入该步骤时再读，读完即用，不预读、不复读、读过的不要重读。

行业与方法文件只提供候选机制和适用条件，不规定报告结构、不规定必须画什么图。行业不明时用 general.md，不能靠文件名或单个字段拍脑袋识别行业；行业叙事只能提出候选机制，不能直接写成根因。

工作流（模型自主裁剪）

下面是思考顺序，不是固定工序。简单问题可以直接从 S3 跳到 S7；复杂问题可以增加你自己的中间步骤。

S1 理解决策与数据边界

识别用户上传的 .xlsx、.xls、.csv、.tsv。提取用户原问题，不要把文件名当作业务结论。多文件时先理清主数据集、维表、字典和补充证据的关系，不把不同粒度的文件直接拼接。

S2 摸底

回答结构问题：有哪些 sheet/字段、行粒度候选、时间覆盖、数值字段、缺失率、重复键、候选分子分母、候选维度。此阶段不写「增长」「下降」「原因」等业务判断。

bashCopy code
python scripts/da_profile.py --data <文件路径> --out <运行目录>/01_profile.json
# 表里有「合计 / 小计」行时先对账：汇总行是表作者用公式算出来的真值，丢掉等于丢掉一次交叉验证
python scripts/da_reconcile.py --data <文件路径> --out <运行目录>/02_reconcile.json

Excel 要优先识别真正的表头，跳过标题行、说明行和合并单元格；表头无法可靠识别时标记 header_uncertain，不要悄悄猜列名。质量门禁不在本步骤执行，必须等 S5 确认字段口径后再跑。

S3 选择本次分析视角（多样性决策点）

前提：Grill-Me 门禁已通过。 若问题仍模糊，本轮只输出数据快照 + 3–5 个反问 + 默认假设，然后停下等回答。

读 references/report-design.md 的多样性一节，选一个组合写入 <运行目录>/variation.json（含 previous_signature 与 diff_from_previous）。同一会话内禁止重复上一次的完整组合；用户对同一份数据连续追问「再分析一次」时，必须换一个此前未用过的主视角。

S4 意图路由与方法组合

读 references/intent-routing.md，选一个主方法方向、零到两个辅助方向，再只加载命中的 references/methods/*.md。方法文件是分析提示词，不是必须逐条执行的步骤清单。

S5 语义合同、质量门禁与追问收敛

追问集中在 S3 之前的 Grill-Me 完成；本步骤只处理残留小歧义，最多补问 1 轮。合同至少明确：决策、指标口径、粒度、时间窗、基线、维度、重要性阈值、假设、停止条件；字段来源标为 confirmed、inferred_from_dictionary 或 assumed。

jsonCopy code
{
  "main_table": "主表名称",
  "date_field": "日期字段",
  "metric_fields": {"success_rate": "指标字段"},
  "quality": {"outlier_z": 4, "warning_z": 3, "delay_exclusion_minutes": 120}
}

bashCopy code
python scripts/da_quality.py --profile <运行目录>/01_profile.json --data <文件路径> --contract <运行目录>/semantic_contract.json --out <运行目录>/03_quality.json

date_field 与 metric_fields 中显式指定的字段是权威口径；字段不存在时质量门禁报错，不会回退到名称相似字段。未提供合同时脚本才用名称候选推断，并标记 name_inference_fallback。

S6 模型自主分析

分析本身由你完成：现场写一次性 pandas/numpy 代码探索假设、调用 scripts/da_ops.py 的单个算子做交叉复核，或两者混用。唯一硬性要求：每个写入报告的关键数字都要留下来源（文件、sheet、字段、过滤条件、公式、样本量），让第三方可以复算。

bashCopy code
python scripts/da_ops.py <operator> --data <文件> --config <配置.json> --out <证据.json>

算子清单与参数见 references/ops-catalog.md；证据与结论的字段格式见 references/evidence-contract.md。

S6.5 独立角色分析（强制）

命中 references/harness.md 任一强制触发条件时，必须完成 Locator、Mechanism、Falsifier、Reviewer 四个角色，各写独立 JSON 工件，四个齐备后才合并。运行时有原生 agent 工具则并行派发，没有则按串行隔离规则执行；不得用外部 CLI 进程或普通并发任务冒充 subagent。Reviewer 的 downgrade 必须接受，除非你能提供新的证据 ID。报告方法附录必须列出四个角色工件路径。

S7 结论分级与真实性检查

一条 L2 解释至少需要两个独立证据或一个能闭合的分解。每条结论必须包含 evidence_ids 和 limitations。发布前运行：

bashCopy code
python scripts/da_verify.py --claims <运行目录>/claims.json --evidence <运行目录>/evidence.json \
  --reconciliation <运行目录>/02_reconcile.json --agents-dir <运行目录>/agents --require-agent-manifest

你可以根据输出修正结论，但不允许为了通过检查而删除不利证据。da_verify 无论 pass / warn / fail，本次运行都必须产出 HTML：fail 时 HTML 顶部加红条「真实性检查未通过」+ 报告链接 + 必须修复的 issues 摘要。门禁开关（--strict、--lenient-numbers、--require-evidence-ids 等）见 references/ops-catalog.md。

S8 亲自撰写报告

你写规格 JSON，scripts/da_report.py 渲染 HTML。不要手写 HTML。

bashCopy code
python scripts/da_report.py --spec <运行目录>/report_spec.json --out <运行目录>/report.html

规格 schema、图表类型、主题与风格可选值、多样性写法、设计纪律与反模式，全部在 references/report-design.md。渲染器是纯本地模板拼接，零外部请求，输出即自包含离线 HTML。脚本会校验证据引用、层级取值、图表类型、marker 越界、降级字段与占位词；校验不过时脚本拒绝出文件，你按它列出的 problems 修规格后重跑，直到渲染成功。规格校验失败不是「可以不交付」的理由：连修几轮仍过不去，就退到最小可用规格（meta.title + 至少一条 findings）再渲染，并把未解问题写进 HTML 顶部，不允许让 outputs/<run>/ 缺 report.html。

六段式骨架由脚本写死：核心发现 → 分析背景与目标 → 数据概况 → 深入分析 → 结论与建议 → 附录。在满足真实性的前提下，只变化视觉呈现、图表语法和深入分析的内部组织。报告必须包含「后续分析建议」，每条回答：还缺什么字段、补齐后能验证什么假设、需要什么样本/时间窗/实验设计、会影响什么决策。

S8.5 交付前自检

规格校验已机器化（证据引用、层级、图表类型、占位词、降级字段）。仍需你逐项确认：

1. outputs/<run>/report.html 已写入磁盘且体积 > 4 KB；
2. 六段式齐全，「后续分析建议」单独成节；
3. 每条 L2+ 结论挂 evidence_ids，limitations 单独成节或随条挂载；
4. HTML 断网双击可直接打开，无 CDN / 远程字体 / 外部请求；
5. 若命中降级条件，顶部有可见 degraded 标志 + 已读 / 未读 / 降级原因；
6. 若本轮是 Grill-Me 反问轮，则确认没有产出 report.html，并且没有输出正式结论（唯一允许缺 HTML 的情形）。

未通过自检的运行不视为完成。

停止与降级条件

命中以下情况不要硬产出 L2 及以上结论：没有时间列或可用基线；只有比率没有分子分母；AB 实验 SRM 显著、分流单位重复或处理/对照不可比；因果问题没有处理时点、未处理组或重叠性不足；核心字段缺失或数据延迟导致关键指标不可用；分组不能加总，或口径出现不可解释的切换；决策对象完全不明确且不同决策会改变主指标。

降级 ≠ 不交付。 降级输出（结构画像、质量报告、关联性诊断、实验设计建议或待补数据清单）必须以 report.html 落到磁盘，顶部加 degraded 标志，写明「当前能回答什么」「当前不能回答什么」「降级原因」。L0 / L1 事实结论继续保留并标注 level。

语言与报告风格

结论先行、中文标点、标题直接陈述发现；不写自我夸奖、空泛口号和「建议持续关注」。建议必须有对象、动作、触发条件和验收指标；没有授权时只写分析上可执行的下一步，不替用户下业务命令。