如果只靠反复 --help 来查看参数显然试错成本太高，所以需要一个 Skill 来配套使用，这是一份写给 Agent 看的 CLI 说明书。
flowchart TB subgraph 数据规模与方案选择 A[< 1GBPandas 单机内存计算] B[1GB - 100GB分块处理 / Polars 并行] C[> 100GB流式处理 / Dask 分布式] end subgraph Pandas 优化策略 D[类型优化object → category / string] E[分块读取chunksize 迭代] F[向量化替代 applystr 访问器 / numpy] end subgraph 并行计算 G[Polars多线程 + 惰性计算] H[Dask分块 + 任务图调度] end subgraph 流式处理 I[生成器管道逐行处理零拷贝] J[数据库引擎SQL 下推计算] end A --> D A --> E A --> F B --> G B --> H C --> I C --> J style C fill:#ff6b6b,color:#fff style G fill:#4ecdc4,color:#fff style I fill:#ffe66d,color:#333 Pandas 的内存膨胀主要来自两个方面：字符串列使用 object 类型存储，每个值都是一个独立的 Python 对象，包含类型指针、引用计数等额外开销；DataFrame 的索引（Index）对象也需要额外内存。
原文： 敕勒川，阴山下。天似穹庐，笼盖四野。天苍苍...答：这首古代民歌敕勒歌古诗全文意思网友解答：敕勒歌古诗全文意思 辽阔的敕勒大平原就在阴山脚下。
头文件被重复包含会出问题，用头文件守卫（#ifndef + #define + #endif）或者 #pragma once 就能解决。