数据清洗整理Pro
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @kunlungrowth/kunlun-data-clean-pro。
技能介绍
要解决什么问题
做数据清洗与整理相关的工程改动时,常见问题不是「不会写代码」,而是缺少可复用的结构化交付:PR 没有统一评审维度、方案文档只堆功能不讲取舍、线上异常靠猜、接口契约前后端各写各的。资料中的技能定位为面向开发者的工程提效工作台,在「数据清洗整理 Pro」主题下,用触发词路由到六类能力,产出检查清单、方案模板、定位树、选型表等可直接改写的文档。
技能如何工作
听到对应触发词即进入能力,可多能力组合:
- 代码评审:输入
diff/PR,输出检查清单与问题分级(阻断 / 建议 / 可选) - 技术方案设计:输入需求与约束,输出背景 / 目标 / 选型 / 风险模板
- 调试排错:输入报错与上下文,输出定位树、复现步骤与修复验证
- 架构权衡:输入场景与规模,输出利弊、适用与成本对照
- API 设计:输入资源与操作,输出 RESTful 规范、字段契约与错误码
- 工程规范:输入语言或框架,输出清单与反模式
内置两条主工作流可对照使用:代码评审先意图与正确性再安全与可维护性;线上排错强调稳定复现、隔离变量、用日志链路与指标取证,再二分验证假设。另有五维代码质量量表与意图路由表,便于把「帮我看看这段代码」「又报错了」等原话映射到具体动作。
边界与注意点
技能不替代负责人最终合并或上线决策,也不处理真实密钥与凭证(仅脱敏示例)。交付物是方法论与模板,不接付费或外部 API。若输出不够贴合,应在对应能力的输入里补充人群、场景与约束,而非指望泛化话术自动对齐业务细节。
使用场景
- 清洗管道的一次 PR 需要按阻断/建议/可选分级列出正确性与边界问题
- 为新的去重与标准化流程写背景、目标、选型与回滚风险的技术方案
- 清洗任务线上报错,要用复现步骤和日志证据收窄到具体模块再验修复
- 前后端对清洗结果查询接口定字段命名、错误码与幂等鉴权契约
适合人员
- 负责数据清洗脚本与定时任务的 backend,希望 PR 有统一评审清单而非口头挑刺
- 数据平台工程师要在发版前把清洗方案的风险与选型写进可评审的文档
- on-call 工程师处理清洗链路告警,需要复现—取证—验证的标准排错路径
- 全栈维护清洗结果 API,要对齐 REST 字段契约并避免联调阶段才发现分歧