databrain-analysis

name	databrain-analysis
display_name_en	DataBrain Sandbox Analysis
display_name_zh	DataBrain 沙箱分析
description	Before execute_e2b_code for attribution, drill-down, or statistical tests, read this SKILL.md then drilldown.md and/or statistical/SKILL.md plus needed references. Does not fetch data.
when_to_use	User asks for drivers/归因/下钻/contribution, formal tests (t-test, ANOVA, regression), or sandbox Python analysis on data already fetched. Not for final Markdown layout (use databrain-summarize).

DataBrain Analysis (sandbox)

在 E2B sandbox 里做归因下钻或统计推断。不拉数；先经 databrain-dashboard-service / databrain-intelligence / opinion skills 取数，再分析。

闸门（分析代码前）

用 read_file 读引用文件，再 open_e2b_code_sandbox / upload_to_e2b_code_sandbox / execute_e2b_code。凭记忆写分析代码不算完成。

任务类型	何时	必读
归因 / 下钻 / 驱动因素	贡献度、谁导致变化、多维拆解	本文件 + drilldown.md
统计检验 / 建模	A/B、显著性、回归、时序	本文件 + statistical/SKILL.md + 按需 statistical/references/<name>.md
两者都要	先归因定位再对子集做检验	先 drilldown，再 statistical

未完成闸门：未读对应 md 已 execute_e2b_code 长段分析脚本。

数据进 sandbox

1. 优先：取数工具返回的 CSV / 本地路径（run_skill_script 写入 /outputs/... 或工具说明中的路径）→ upload_to_e2b_code_sandbox(local_path=...) → sandbox 内 pd.read_csv(...)。
2. data_id：若工具结果含 data_id 且附完整 CSV 路径，上传该文件；勿编造文件名。
3. /large_tool_results/ spill：当工具返回 Tool result too large 且路径为 /large_tool_results/toolu_xxx 时，先按 soul.md §7 尝试 收窄重查；若分析任务需要保留宽表/全量行且收窄会丢维度，则 upload_to_e2b_code_sandbox(local_path=/large_tool_results/...)（或 execute_e2b_code 引用该路径并由宿主自动 staging）后在 sandbox 内解析。不要用 read_file 整文件塞进上下文；不要在无 databrain-analysis 闸门时为简单问答默认走 sandbox。
4. 包安装：分析前如需 pandas scipy statsmodels，先 execute_e2b_code language=bash：pip install pandas scipy statsmodels（勿用 !pip）。

执行纪律（react）

• execute_e2b_code：短脚本 — 安装依赖 → 读表 → print() 表与结论；禁止 plt.savefig / 出图（图表由 databrain-chart-render 的 scripts/build_chart.py：<dbd> / echarts_option）。
• stdout 即证据：关键统计量、归因表、ATTRIBUTION_TABLE 风格列须 print；终稿由 databrain-summarize 合成（含 report.md 若 §0.2）。
• 同一 query 内 sandbox 复用；分析结束可 close_e2b_code_sandbox（可选）。
• 工具连续失败 ≥3 次：停止分析，向用户说明原因（soul.md）。

引用文件

文件	内容
drilldown.md	cumulative_joint、30% 规则、directional/L1、归因结论
statistical/SKILL.md	选型表、workflow
statistical/references/	data_cleaning, stat-t-test, experimental_design, …
../databrain-summarize/report.md	终稿如何呈现检验/归因（summarize 阶段）

无 run_skill_script（分析逻辑在 sandbox 内手写 Python，可参考 references 中的代码模式）。