Координация конвейеров данных и проверок качества
Работа над конвейерами данных может становиться несогласованной, когда прием данных, признаки, качество и отчетность планируются отдельно. Этот навык организует задачи с данными вокруг контекста конвейера, контрольных точек качества, происхождения данных и передач между командами.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "data-orchestrator" from https://skillstore.io/skills/brownbull-data-orchestrator.md and its manifest at https://skillstore.io/api/skills/brownbull-data-orchestrator/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.
Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.
Использование «data-orchestrator». Спланируй ежедневный конвейер агрегации для транзакций и записей клиентов.
Ожидаемый результат:
План определяет зависимости источников, правила валидации, контрольные точки восстановления, контрольные точки качества данных, обновления происхождения данных и изменения документации.
Использование «data-orchestrator». Проверь признак риска оттока перед релизом.
Ожидаемый результат:
Использование «data-orchestrator». Скоординируй событие завершения конвейера с командами аналитики и backend.
Ожидаемый результат:
Вывод объясняет ожидаемые передачи между командами, обновления отчетности, проверки контрактов API, аспекты кеширования и проверку оценки качества.
All 20 static findings are false positives from Markdown code fences, inline skill names, and ordinary data-quality wording in SKILL.md. No prompt injection, exfiltration intent, credential access, or executable command guidance was found, so no semantic findings were added.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
https://skillstore.io/skills/brownbull-data-orchestrator/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/brownbull-data-orchestrator?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/brownbull-data-orchestrator?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/brownbull-data-orchestrator/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/brownbull-data-orchestrator.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>Brownbull. (2026). data-orchestrator security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/brownbull-data-orchestrator/audits/9@techreport{brownbull-brownbull-data-orchestrator-2026,
author = {Brownbull},
title = {data-orchestrator security audit report (audit version 9)},
institution = {Skillstore},
year = {2026},
number = {9},
url = {https://skillstore.io/skills/brownbull-data-orchestrator/audits/9},
note = {Author version unspecified}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "data-orchestrator security audit report (audit version 9)"
version: "unspecified"
type: report
authors:
- name: "Brownbull"
date-released: "2026-07-06"
url: "https://skillstore.io/skills/brownbull-data-orchestrator/audits/9"
identifiers:
- type: other
value: "skillstore:brownbull-data-orchestrator:audit:9"
description: "Skillstore immutable audit report identifier"
Определите источники, зависимости, валидацию, восстановление и мониторинг перед созданием конвейера данных.
Согласуйте метрики, определения признаков, актуальность дашбордов и документацию перед выпуском обновлений аналитики.
Спланируйте зависимости, версионирование, пограничные случаи, мониторинг и проверки качества для входных данных модели.
Спланируй ETL-задачу для [source] в [destination]. Включи источники, зависимости, проверки валидации, контрольные точки качества и обновления документации.
Проверь этот предложенный рабочий процесс для признаков: [details]. Определи зависимости, потребности в происхождении данных, тесты качества, мониторинг и передачи между командами.
Создай план оркестрации для пакетного и потокового рабочего процесса с [SLA]. Включи контекст, назначения, тесты и метрики успеха.
Проведи аудит нашей программы данных, используя эти рекомендации. Сравни конвейеры, признаки, управление, проверки качества, события и анти-паттерны. Верни приоритизированные исправления.
Автор
BrownbullЛицензия
MIT
Ревизия Skillstore
r1
Примечание о версии
Автор не указал версию.
Ссылка
dd4a3ef9f20ddf38830950b4bb713df96b431fd6
Актуальность поддержки
20.07.2026
Использование
5 загрузок · 212 просмотров
Структура файлов
📄 SKILL.md
Создавайте AI-документацию, удобную для людей
Подробные файлы контекста для AI часто слишком длинные для быстрого просмотра человеком. Этот навык превращает их в резюме, руководства по быстрому старту и визуальные руководства Mermaid.
Координация DevOps-поставки
DevOps-работа часто охватывает пайплайны, инфраструктуру, мониторинг и решения по развертыванию. Этот навык организует такие задачи в чеклисты, передачи между участниками и планы rollout.
Генерация ролевой документации для людей
Технические изменения трудно быстро понять разным командам. Этот skill превращает контекст проекта в краткие ролевые руководства с примерами, диаграммами и проверками.
Координируйте тестирование во всем проекте
Планирование тестирования может расходиться, когда команды управляют типами тестов по отдельности. Этот навык упорядочивает цели покрытия, quality gates, поток выполнения и отчетность.
Координация инженерной работы по нескольким доменам
Сложные запросы на функции часто останавливаются, когда команды упускают зависимости между фронтендом, бэкендом, данными, тестированием и DevOps. Этот навык преобразует требования в скоординированные эпики, назначения задач, критерии успеха и отслеживание прогресса.
Координация поставки фронтенда
Фронтенд-задачи часто охватывают компоненты, состояние, маршруты, тесты и документацию. Этот навык организует такую работу в понятные пакеты контекста и проверки качества.
Проектирование экспериментов и моделей в науке о данных
от alirezarezvani
Проекты в области науки о данных часто терпят неудачу, когда эксперименты, признаки и модели не имеют четкой статистической структуры. Этот навык дает Claude, Codex и Claude Code пошаговые рабочие процессы для экспериментов, инженерии признаков и анализа моделей.
Очистка неструктурированных данных с помощью пайплайна
от zhangchenlai-dev
Неаккуратные наборы данных замедляют анализ и приводят к ненадежным результатам. Этот навык помогает Claude, Codex и Claude Code планировать этапы очистки для дедупликации, пропущенных значений, форматирования и проверок на аномалии.
Аудит качества аналитического трекинга
от sickn33
Команды часто принимают решения на основе аналитических данных, которые не были проверены. Этот навык помогает Claude, Codex и Claude Code проектировать, аудировать и улучшать планы трекинга.
Проектирование надежных конвейеров данных
от sickn33
Проекты конвейеров данных часто терпят неудачу, потому что архитектура, качество, наблюдаемость и эксплуатация планируются отдельно. Этот навык помогает Claude, Codex и Claude Code создавать практичные проекты конвейеров, чеклисты и планы реализации.
Создание производственных конвейеров данных
от alirezarezvani
Командам данных в production нужны надежные шаблоны для конвейеров, проверок качества и оркестрации. Этот навык помогает с архитектурой, созданием каркасов и практиками DataOps для современных стеков данных.
Создавайте понятные истории на основе данных
от wshobson
Сырые метрики часто не убеждают заинтересованные стороны и не помогают принимать решения. Этот skill помогает Claude, Codex и Claude Code превращать анализ в понятные повествования, визуализации и рекомендации.