data-architecture

Solid

数据架构专家 Owner — 当任务涉及数据模型、Schema、迁移、索引、查询、生命周期、数据质量、派生指标、分析消费者、跨环境数据或持久化状态时使用;要求把数据结构、演进和消费链设计清楚。

AI & Automation 263 stars 34 forks Updated 2 days ago AGPL-3.0

Install

View on GitHub

Quality Score: 83/100

Stars 20%
81
Recency 20%
100
Frontmatter 20%
70
Documentation 15%
81
Issue Health 10%
80
License 10%
100
Description 5%
100

Skill Content

# Data Architecture Skill ## 定位 本 Skill 负责数据架构 Owner 视角。它关注数据如何建模、迁移、查询、维护质量、被谁消费,以及生命周期如何闭环。 ## 触发条件 | 场景 | 是否触发 | |------|:--------:| | 数据模型、Schema、migration、索引、查询、缓存、持久化状态、派生指标 | 必须 | | 涉及跨环境数据补齐、导入导出、数据质量、保留策略或分析消费者 | 必须 | | 修改 Profile、台账、报告字段或运行态状态结构 | 必须 | | 纯静态文案或无状态计算 | N/A + skipReason | ## 核心门禁 | Gate | 要求 | 证据 | |------|------|------| | `DataArchitectureGate` | 数据模型、迁移、索引、生命周期、质量和消费者必须成矩阵 | dataModel、schemaMigration | | `DataModelBoundaryGate` | 业务实体、关系、字段、约束和稳定键必须明确 | dataModel | | `MigrationSafetyGate` | 迁移、回滚、dry-run、重复/缺失处理必须可验证 | schemaMigration | | `QueryIndexGate` | 查询路径、索引、分页和性能边界必须说明 | queryIndexPlan | | `DataQualityLifecycleGate` | 数据质量、保留、清理、派生消费者必须明确 | dataQuality、lifecycleRetention | ## 执行步骤 1. 建立数据模型和消费者清单。 2. 确定稳定业务键、唯一性、关系、生命周期和保留策略。 3. 设计迁移路线、dry-run、回滚和缺失/重复清单。 4. 评估查询、索引、分页、缓存和性能。 5. 绑定数据质量、派生指标、分析消费者和验证证据。 ## 输出字段 ```markdown ## DataArchitectureGate | 字段 | 内容 | |------|------| | dataModel | 实体、关系、字段、约束、稳定键 | | schemaMigration | 迁移、dry-run、回滚、缺失/重复处理 | | queryIndexPlan | 查询路径、索引、分页、性能边界 | | lifecycleRetention | 生命周期、保留、清理、归档 | | dataQuality | 完整性、一致性、重复、异常数据策略 | | analyticsConsumer | 派生指标、报表、日志、消费者影响 | | evidenceMatrix | 判断 -> schema / migration / query / tests / samples / docs | ``` ## 反模式 | 反模式 | 修正 | |--------|------| | 直接使用源环境 `_id` 写目标环境 | 用稳定业务键或显式映射清单 | | 只改字段不评估消费者 | 列 analyticsConsumer 和 derived consumer | | 无 dry-run 的数据迁移 | 补范围、预览、缺失/重复、回滚 | | 查询无索引和分页判断 | 补 queryIndexPlan | ## 与其他 Skill 的关系 - `dev-database`:数据库 schema 变...

Details

Author
devcodex-labs
Repository
devcodex-labs/devcodex
Created
5 months ago
Last Updated
2 days ago
Language
JavaScript
License
AGPL-3.0

Similar Skills

Semantically similar based on skill content — not just same category