BD data-governance
Автоматизированное управление метаданными хранилища данных на основе LLM. Решает наиболее распространенные проблемы корпоративных хранилищ данных: отсутствие комментариев к полям, отсутствие описаний таблиц, путаница в именовании, низкая точность NL2SQL. Автоматическое обнаружение схемы подключения: чтение и запись в Hive при доступности pyhive; в противном случае только чтение через инструмент MCP, результаты сохраняются в SQLite. Время срабатывания (срабатывает при любом из следующих условий): - Пользователь упоминает: управление данными, метаданные, комментарии к полям, описания таблиц, отсутствие описаний полей, управление хранилищем данных, data governance - Пользователь упоминает: низкая точность NL2SQL, неясная семантика полей, новички не понимают структуру таблиц - Пользователь выполняет команду /data-governance - Пользователь хочет массово сгенерировать или дополнить описания полей хранилища данных
машинный переводПоказать оригиналСкрыть оригинал«LLM 驱动的数仓元数据自动治理。解决企业数仓最普遍的痛点：字段无注释、表无描述、命名混乱、NL2SQL 准确率低。 自动探测连接模式：py…»
LLM 驱动的数仓元数据自动治理。解决企业数仓最普遍的痛点：字段无注释、表无描述、命名混乱、NL2SQL 准确率低。 自动探测连接模式：pyhive 可用时读写 Hive；否则通过 MCP 工具只读，结果持久化到 SQLite。 触发时机（以下任一即触发）： - 用户提到：数据治理、元数据、字段注释、表备注、字段没有描述、数仓治理、data governance - 用户提到：NL2SQL 准确率低、字段语义不清、新人看不懂表结构 - 用户运行 /data-governance 命令 - 用户想批量生成或补全数仓字段说明
Автоматизированное управление метаданными хранилища данных на основе LLM.
Как процесс D 39/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 1
✓ Критических и высоких находок нет
Средние и низкие: 1
-
низкая Секреты в коде
secret-high-entropy-tokenreferences/config_template.yaml:30Строка, похожая на токен (может быть id, хеш или секрет)model: para…-v2 # 本地运行，无需 API
Просканировано файлов: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 39/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (data-governance) не совпадает с папкой (warehouse-meta)
- 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
- 100Шаги. Шагов: 7
- 100Стоимость исполнения. Тело инструкции 1239 токенов
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 264 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 7 пунктов
- +4Есть примеры (12 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.