Создание фреймворков качества данных
Командам данных нужны надежные проверки до того, как данные попадут в отчеты и продукты. Этот навык помогает Claude, Codex и Claude Code проектировать наборы валидаций, тесты dbt и контракты данных.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "data-quality-frameworks" from https://skillstore.io/skills/sickn33-data-quality-frameworks.md and its manifest at https://skillstore.io/api/skills/sickn33-data-quality-frameworks/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-quality-frameworks». Пользователь предоставляет схему таблицы заказов и просит предложить начальные проверки.
Ожидаемый результат:
Навык возвращает приоритизированный план валидации с обязательными полями, проверками уникальности, допустимыми статусами, ограничениями свежести и заметками для проверки владельцем.
Использование «data-quality-frameworks». Пользователь спрашивает, как улучшить тесты dbt для моделей клиентов и заказов.
Ожидаемый результат:
Навык предлагает тесты связей, проверки актуальности, допустимые значения, пользовательские бизнес-правила и план поэтапного внедрения.
Использование «data-quality-frameworks». Руководитель платформы данных просит набросок контракта данных.
Ожидаемый результат:
Навык описывает разделы контракта для схемы, ожиданий качества, классификации PII, владения, уровней сервиса и управления изменениями.
All 16 static alerts are false positives caused by Markdown references, schema fields, SQL identifiers, and ordinary safety guidance. One medium-risk semantic issue remains because an example report includes raw observed values and can print them to pipeline logs.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
https://skillstore.io/skills/sickn33-data-quality-frameworks/audits/5?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/sickn33-data-quality-frameworks?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/sickn33-data-quality-frameworks?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/sickn33-data-quality-frameworks/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/sickn33-data-quality-frameworks.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>sickn33. (2026). data-quality-frameworks security audit report (audit version 5) [Author version unspecified]. Skillstore. https://skillstore.io/skills/sickn33-data-quality-frameworks/audits/5@techreport{sickn33-sickn33-data-quality-frameworks-2026,
author = {sickn33},
title = {data-quality-frameworks security audit report (audit version 5)},
institution = {Skillstore},
year = {2026},
number = {5},
url = {https://skillstore.io/skills/sickn33-data-quality-frameworks/audits/5},
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-quality-frameworks security audit report (audit version 5)"
version: "unspecified"
type: report
authors:
- name: "sickn33"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/sickn33-data-quality-frameworks/audits/5"
identifiers:
- type: other
value: "skillstore:sickn33-data-quality-frameworks:audit:5"
description: "Skillstore immutable audit report identifier"
Навык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.
Почему этот вариант первый
wshobson-data-quality-frameworks
2026-09-09
sickn33-data-quality-frameworks
2026-09-09
Создайте начальные expectations для ключевых таблиц хранилища данных до того, как от них начнут зависеть дашборды.
Расширьте тесты моделей dbt для уникальности, связей, свежести, допустимых значений и бизнес-правил.
Задокументируйте схему, правила качества, ответственность владельцев и уровни сервиса для общих продуктов данных.
Создайте план качества данных для [dataset]. Включите критически важные столбцы, измерения качества, первые проверки, владельцев и шаги проверки.
На основе этой схемы таблицы и примеров значений предложите проверки Great Expectations и тесты dbt с четкими порогами отказа.
Спроектируйте контракт данных для [data product]. Включите схему, правила качества, заметки о PII, владельцев, свежесть, задержку и ожидания совместимости.
Проверьте этот фреймворк качества данных. Определите отсутствующие проверки, слабые пороги, пробелы в оповещениях, проблемы владения и риски развертывания.
Автор
sickn33Лицензия
MIT
Ревизия Skillstore
r2
Примечание о версии
Автор не указал версию.
Репозиторий
https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/data-quality-frameworksСсылка
f9e2c34b4f19c7f3e6b0a1e93227b5f77cc12526
Актуальность поддержки
26.07.2026
Использование
7 загрузок · 108 просмотров
Структура файлов
Создание маркетингового контента в едином стиле бренда
Маркетинговым командам нужен контент, который остается согласованным во всех каналах. Этот навык помогает планировать, писать, анализировать и оптимизировать контент с учетом голоса бренда и SEO.
Улучшайте LLM-промпты с помощью проверенных паттернов
Непоследовательные промпты тратят время и снижают доверие к результатам AI. Этот навык помогает проектировать промпты с использованием переиспользуемых паттернов, примеров, этапов оценки и рабочих процессов оптимизации.
Проектируйте масштабируемые архитектуры ПО
Архитектурные решения сложно сравнивать для веб-, мобильных, backend- и облачных систем. Этот навык предоставляет структурированные руководства и локальные скрипты-заготовки для отчетов, анализа зависимостей и документирования компромиссов.
Создавайте fullstack-приложения с senior-паттернами
Командам нужны единые рекомендации по настройке, архитектуре и ревью для современных веб-приложений. Этот skill предоставляет scaffolders, справочные материалы по рабочим процессам и quality prompts для проектов на React, Next.js, Node.js, GraphQL и PostgreSQL.
Оптимизируйте AI-промпты с Prompt Engineer
Писать понятные промпты сложно, когда цели расплывчаты или комплексны. Этот навык превращает черновые запросы в структурированные промпты с использованием проверенных фреймворков для промптинга.
Приоритизируйте продуктовую работу с помощью исследовательских инсайтов
Продуктовым командам нужны более быстрые способы ранжировать функции, обобщать интервью и документировать решения. Этот навык предоставляет RICE-оценку, анализ интервью и шаблоны PRD для структурированного планирования.
Создавайте надежные пайплайны данных
от davila7
Командам данных нужны надежные пайплайны, понятные модели данных и повторяемые операции. Этот навык помогает с архитектурой, проверками качества, оркестрацией, настройкой производительности и практиками DataOps.
Координация конвейеров данных и проверок качества
от Brownbull
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.
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.
Inspect Collections for Safe Deduplication
от srinitude
Duplicate cleanup can remove unique information when identity rules are unclear. This skill creates evidence-rich reports and gates every mutation behind explicit review.
Исследование структуры базы данных с DBX Studio
от Dbxstudio
Исследование незнакомой базы данных может быть медленным и непоследовательным. Этот навык дает DBX Studio воспроизводимый рабочий процесс для обзора схемы, профилирования, связей и проверок качества.
Анализ шаблонов Logseq EDN
от C0ntr0lledCha0s
Крупные шаблоны баз данных Logseq трудно проверять вручную. Этот навык обобщает структуру EDN, проблемы качества и различия между вариантами.