技能 data-orchestrator
📦
data-orchestrator
内容修订 r1 安全 ⚙️ 外部命令
协调数据管道和质量检查
当摄取、特征、质量和报告分别规划时，数据管道工作可能变得不一致。此技能围绕管道上下文、质量关卡、数据血缘和交接来组织数据任务。
支持: Claude Codex Code(CC)
使用我的智能体安装
将此请求复制给你的智能体，其中包含权威 Skill 页面和清单。
智能体请求
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.你的智能体仍应展示其计划，并按安全策略请求必要确认。
Agent 可读资源
当 AI Agent、爬虫或脚本需要干净上下文，而不是读取完整页面时，请使用这些链接。
测试它
正在使用“data-orchestrator”。 为交易和客户记录规划一个每日聚合管道。
预期结果:
该计划识别源依赖项、验证规则、恢复检查点、数据质量关卡、数据血缘更新和文档变更。
正在使用“data-orchestrator”。 在发布前审查一个流失风险特征。
预期结果:
- 确认源依赖项和业务逻辑所有权。
- 添加完整性、准确性、一致性、及时性、唯一性和有效性检查。
- 为特征漂移、新鲜度和下游模型影响定义监控。
正在使用“data-orchestrator”。 与分析和后端团队协调管道完成事件。
预期结果:
输出说明预期交接、报告更新、API 契约检查、缓存注意事项和质量评分审查。
安全审计
安全v9 • 2026/7/6 打开版本化报告
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.
1
已扫描文件
236
分析行数
0
复核项
0
已忽略误报
风险因素
最新一次完成的静态与语义审计未检测到已确认的安全发现。这并不能证明该 Skill 没有副作用。
审计者: codex 查看审计历史 →
分享与引用此报告
分享版本化评估报告、中性徽章、嵌入卡片和引用。Skillstore 只报告证据，不判断该 Skill 是否安全。
复制报告链接
https://skillstore.io/skills/brownbull-data-orchestrator/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdown 徽章
[](https://skillstore.io/skills/brownbull-data-orchestrator?utm_source=security_passport_badge)HTML 徽章
<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>嵌入卡片
<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>学术引用 (APA · BibTeX · CFF)
APA 引用
Brownbull. (2026). data-orchestrator security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/brownbull-data-orchestrator/audits/9BibTeX 引用
@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}
}CITATION.cff
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"
Skillstore 评分
评分依据 证据置信度: 高 55
架构
85
可维护性
87
内容
70
社区
91
规范符合性
你能构建什么
规划可靠的 ETL 工作
在构建数据管道之前定义来源、依赖项、验证、恢复和监控。
协调报告变更
在发布分析更新之前对齐指标、特征定义、仪表板新鲜度和文档。
准备特征工作流
为模型输入规划依赖项、版本控制、边界情况、监控和质量检查。
试试这些提示
规划数据管道
为 [source] 到 [destination] 规划一个 ETL 任务。包括来源、依赖项、验证检查、质量关卡和文档更新。
审查特征工作流
审查这个拟议的特征工作流：[details]。识别依赖项、数据血缘需求、质量测试、监控和团队交接。
设计编排计划
为具有 [SLA] 的批处理和流式工作流创建编排计划。包括上下文、分工、测试和成功指标。
审计数据项目缺口
使用此指导审计我们的数据项目。比较管道、特征、治理、质量检查、事件和反模式。返回按优先级排序的修复项。
最佳实践
- 在将数据任务标记为完成之前，验证输入、转换和输出。
- 为每一次管道和特征变更跟踪数据血缘、所有权和文档。
- 在下游团队使用数据之前设置可衡量的质量关卡。
避免
- 因为管道成功完成就跳过验证。
- 创建特征逻辑却不记录依赖项和业务规则。
- 将监控和恢复视为可选的后续工作。
常见问题
此技能会运行管道代码吗？
不会。它提供编排指导和示例，不包含可运行脚本或集成。
我可以将它与 Claude、Codex 和 Claude Code 一起使用吗？
可以。报告列出了对 Claude、Codex 和 Claude Code 工作流的支持。
它涵盖哪些数据工作？
它涵盖 ETL、分析协调、特征工程、质量检查、数据血缘、监控和文档交接。
它能替代数据质量测试吗？
不会。它帮助规划所需测试，但真实的质量检查必须针对你的数据集运行。
它对治理审查有用吗？
可以。它包括架构管理、数据血缘跟踪、隐私合规和访问控制规划的指导。
我应该提供哪些输入？
请提供源系统、目标目的地、数据契约、质量标准、SLAs 和下游消费者。