findscripter 何时使用
适用：
- 在数据管道中加入质量校验、阻断脏数据进入下游。
- 用 Great Expectations 搭建期望套件（Expectation Suite）与 Checkpoint。
- 用 dbt 测试（通用测试、自定义测试、单值测试）覆盖模型。
- 在团队/系统间建立数据契约（Data Contract）约束 schema、SLA 与质量。
- 监控数据质量指标，并在 CI/CD 中自动校验、告警。
不该用（负边界）：
- 数据源尚未定义或无法访问。
- 你无权修改校验规则或 schema。
- 任务与数据质量、数据契约无关。
步骤 / 指令
- 锁定关键数据集与质量维度：按六维度选检查项——完整性
expect_column_values_to_not_be_null、唯一性expect_column_values_to_be_unique、有效性expect_column_values_to_be_in_set、准确性（交叉引用）、一致性expect_column_pair_values_A_to_be_greater_than_B、时效性expect_column_max_to_be_between。 - 定义期望/测试与契约规则：遵循「数据测试金字塔」——底层 Schema 测试（结构）、中层单列单元测试、顶层跨表集成测试。
- 接入 CI/CD 并定时调度：用 Checkpoint 或 dbt run/test 在流水线中跑校验，失败即阻断。
- 设置告警、归属与修复：配置 Slack 等通知、明确 owner 与 remediation 步骤。
- 需要更细模板时参考源仓库的
resources/implementation-playbook.md。
原则：尽早测、增量加测、为每条期望写清描述、对失败告警、为契约做版本管理；不要全量测（聚焦关键列）、不要忽略告警、不要漏掉新鲜度、不要硬编码阈值、不要孤立测试（要测关系）。
示例
Great Expectations 初始化与最小套件：
pip install great_expectations
great_expectations init
great_expectations datasource new
import great_expectations as gx
context = gx.get_context()
suite = context.add_expectation_suite("orders_suite")
suite.add_expectation(gx.expectations.ExpectColumnValuesToNotBeNull(column="order_id"))
suite.add_expectation(gx.expectations.ExpectColumnValuesToBeUnique(column="order_id"))
results = context.run_checkpoint(checkpoint_name="orders_checkpoint")
if not results.success:
raise ValueError("数据质量校验失败")
dbt 测试（schema.yml 片段）：
models:
- name: fct_orders
columns:
- name: order_id
tests: [unique, not_null]
- name: customer_id
tests:
- not_null
- relationships:
to: ref('dim_customers')
field: customer_id
- name: order_status
tests:
- accepted_values:
values: ['pending','processing','shipped','delivered','cancelled']
数据契约（含 SodaCL 质量校验 + SLA）：
apiVersion: datacontract.com/v1.0.0
kind: DataContract
metadata: { name: orders, version: 1.0.0, owner: data-platform-team }
quality:
type: SodaCL
specification:
checks for orders:
- row_count > 0
- missing_count(order_id) = 0
- duplicate_count(order_id) = 0
- freshness(created_at) < 24h
sla: { availability: 99.9%, freshness: 1 hour, latency: 5 minutes }
注意事项
- 不要在没有降级/回退方案时直接阻断关键管道。
- 校验输出中的敏感数据（PII）需安全处理，下游 mart 不得暴露 PII；契约中用
pii/piiClassification标注。 - 阈值优先用动态基线，避免硬编码；告警关注 warning，它常先于 failure 出现。
- 本技能不替代针对具体环境的验证、测试与专家评审；缺少必要输入、权限、安全边界或成功标准时先停下来澄清。
互见
- csv-data-cleaner：数据清洗与去重，校验前的预处理。
- sql-query-builder：编写跨表关系/单值断言所需的 SQL。
- rag-pipeline-builder：为 RAG 数据管道接入质量校验。
- code-reviewer：评审校验规则与管道代码。
本条采编自 sickn33/antigravity-awesome-skills（MIT）。