feat(phase4-5): add Workflow types and expand Skills ecosystem

Phase 4: Type System Completion (P2)
- Add comprehensive Workflow type definitions:
  - WorkflowStepType: hand, skill, agent, condition, parallel, delay
  - WorkflowStep: individual step configuration
  - Workflow: complete workflow definition
  - WorkflowRunStatus: pending, running, completed, failed, cancelled, paused
  - WorkflowRun: execution instance tracking
  - Request/Response types for API operations
  - Control types for pause/resume/cancel
- Update types/index.ts with workflow exports

Phase 5: Skills Ecosystem Expansion (P2)
- Add 5 new Skills with SKILL.md definitions:
  - git: Git version control operations
  - file-operations: File system operations
  - web-search: Web search capabilities
  - data-analysis: Data analysis and visualization
  - shell-command: Shell command execution
- Skills coverage now at 9/60+ (15%)

Documentation:
- Update SYSTEM_ANALYSIS.md Phase 4 & 5 status
- Mark Phase 4 as completed
- Update Phase 5 progress tracking

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

skills/data-analysis/SKILL.md

@@ -0,0 +1,135 @@
+---
+name: data-analysis
+description: 数据分析和可视化 - 分析数据、生成统计、创建图表
+triggers:
+  - "分析数据"
+  - "数据分析"
+  - "统计"
+  - "图表"
+  - "可视化"
+  - "数据报告"
+  - "数据统计"
+tools:
+  - bash
+  - read
+  - write
+---
+
+# 数据分析和可视化
+
+分析数据、生成统计信息、创建数据可视化图表。
+
+## 能力
+
+- 数据统计：计算均值、中位数、标准差等
+- 数据清洗：处理缺失值、异常值
+- 数据转换：格式转换、数据聚合
+- 趋势分析：识别数据趋势和模式
+- 可视化建议：推荐合适的图表类型
+- 报告生成：生成数据分析报告
+
+## 工具依赖
+
+- bash: 执行数据处理脚本（Python/Node.js）
+- read: 读取数据文件
+- write: 输出分析结果
+
+## 支持的数据格式
+
+| 格式 | 扩展名 | 说明 |
+|------|--------|------|
+| CSV | .csv | 逗号分隔值 |
+| JSON | .json | JSON 数据 |
+| Excel | .xlsx | Excel 表格 |
+| TSV | .tsv | 制表符分隔 |
+| YAML | .yaml/.yml | YAML 格式 |
+
+## 常用分析方法
+
+### 描述性统计
+
+```python
+# 使用 pandas
+import pandas as pd
+
+df = pd.read_csv('data.csv')
+
+# 基本统计
+print(df.describe())
+
+# 缺失值检查
+print(df.isnull().sum())
+```
+
+### 数据聚合
+
+```python
+# 分组统计
+df.groupby('category').agg({
+    'value': ['mean', 'sum', 'count']
+})
+```
+
+### 时间序列分析
+
+```python
+# 日期转换
+df['date'] = pd.to_datetime(df['date'])
+
+# 按时间聚合
+df.set_index('date').resample('M').mean()
+```
+
+## 图表类型选择
+
+| 数据类型 | 推荐图表 | 用途 |
+|----------|----------|------|
+| 对比 | 柱状图、条形图 | 比较不同类别 |
+| 趋势 | 折线图、面积图 | 展示变化趋势 |
+| 占比 | 饼图、环形图 | 显示部分与整体 |
+| 分布 | 直方图、箱线图 | 展示数据分布 |
+| 关系 | 散点图、气泡图 | 显示变量关系 |
+
+## 示例用法
+
+```
+用户: 分析 data/sales.csv 文件，生成销售报告
+助手: 读取并分析数据...
+
+[使用 read 工具读取文件]
+[使用 bash 执行 Python 分析脚本]
+
+## 销售数据分析报告
+
+### 数据概览
+- 总记录数: 1,234 条
+- 时间范围: 2024-01 至 2024-12
+- 产品类别: 5 个
+
+### 关键指标
+| 指标 | 值 |
+|------|-----|
+| 总销售额 | ¥1,234,567 |
+| 平均订单额 | ¥1,000 |
+| 最高单笔 | ¥15,000 |
+| 月均增长 | 12.5% |
+
+### 趋势分析
+- Q1: 缓慢增长
+- Q2: 快速增长期
+- Q3: 稳定期
+- Q4: 年末冲刺
+
+### 建议
+1. 加强 Q2 营销投入
+2. 优化低利润产品线
+3. 关注客户复购率
+```
+
+## 输出规范
+
+- 使用中文输出分析结果
+- 表格使用 Markdown 格式
+- 关键数据加粗标注
+- 提供数据解读和建议
+- 标注数据来源和时间范围