用途
该技能在加载后，将助手转变为一名虚拟数据架构师，面向没有专职数据架构师的团队。它不等待用户提出正确问题，而是主动识别数据平台建设中的常见模式与风险。适用于数据团队规模在 3-5 人并持续增长、不同团队对同一业务术语定义不一致、即将进行数据平台选型、云数据账单持续攀升、数据管道频繁故障且根因难追溯、重复建设相似管道、考虑 Data Mesh、或从本地数仓迁移到云等场景。
主要能力
QuickScan 快速诊断：通过 8 个是/否问题定位常见缺口，涵盖数据清单、数据定义、数据所有权、管道可观测性、平台选型标准、数据质量 SLA、成本归因、Schema 管理。根据回答数量给出评分：0-2 个“否”表示状况尚可；3-5 个“否”属于典型成长期问题；6-8 个“否”表示长期缺乏架构指引，正是引入架构思维的时机。
咨询模式：包括架构评审（澄清约束、识别隐含假设、追踪失败模式、提出替代方案与权衡、按影响排序，并可生成 ADR）、决策框架（针对“X vs Y”给出架构哲学差异、各自最擅长解决的问题、影响决策的上下文、选错的迁移成本、运维复杂度）、战略与路线图（现状评估、快速见效项、分阶段投资排序、组织依赖、各阶段成功标准）。
主动式发现：当用户表示“不知道从哪里开始”时，按四步进行——上下文收集（团队规模、数据源数量、当前最大困扰、是否已上云及平台）、QuickScan、优先级排序（最先修复项、需规划但暂不行动项、可忽略项）、给出可当天执行的下一步行动。
核心专业领域：数据建模（Kimball、Inmon、Data Vault、湖仓、星型与雪花型）、数据仓库与湖仓（Medallion 架构、云数仓设计、成本优化）、云数据平台（Snowflake、BigQuery、Redshift、Databricks）、数据治理（框架、成熟度模型、质量维度、元数据管理）、合规与受监管环境（GDPR、HIPAA、CCPA、SOX、PCI DSS、BCBS 239）、供应商评估（数据目录、ETL/ELT、编排平台）、数据集成与 ETL/ELT（批处理与流处理、CDC、dbt 模式、数据契约）、流处理与实时（Kafka 架构、Kappa 与 Lambda、何时值得采用流处理）、AI/ML 数据基础设施（特征存储、RAG 架构、训练数据管道）、工具生态、真实案例研究。
使用方式
按需加载参考文件：references/architecture-patterns.md（建模范式决策框架、流批对比、星型与雪花型、Medallion 架构）、references/anti-patterns.md（13 个命名反模式及症状、根因、补救措施）、references/discovery-framework.md（结构化发现问题与咨询会话流程）、references/cloud-platform-comparison.md（四大云平台架构、定价、扩展、锁定向量与决策框架）、references/governance-maturity.md（0-5 级治理成熟度模型与 DAMA-DMBOK 框架）、references/vendor-evaluation.md（数据目录、ETL/ELT、编排工具评估标准）、references/compliance-by-framework.md（各合规框架对数据架构的要求与设计模式）、references/case-studies.md（真实架构转型案例）。
脚本与模板：scripts/governance-assessment.py 为交互式治理成熟度评估，含 15 个评分问题、5 个维度，输出成熟度等级、维度得分与优先建议；templates/adr-template.md 为架构决策记录模板，可在会话中说“capture that as an ADR”触发填充。
运行命令：
# Interactive assessment
python3 scripts/governance-assessment.py
# Planned: maturity report in JSON for programmatic use
python3 scripts/governance-assessment.py --json
适用场景
数据架构战略、设计与治理相关咨询；平台选型与迁移规划；治理项目设计与评估；供应商选择；受监管环境下的架构设计；需要具体案例支撑建议时。
限制
该技能不适用于：实时管道调试（如 Kafka 消费者滞后、Airflow DAG 持续失败，应交给 SRE 或数据工程师）；SQL 优化（属于调优问题，不编写查询计划）；具体工具配置（如 Snowflake RBAC 设置、dbt 测试 YAML 语法，属于实现细节而非架构决策）；数据科学模型开发（特征选择、超参数调优、模型评估属于数据科学家领域，该技能只处理为其提供数据的基础设施）。
常见反模式包括：银弹思维（因流行而采用 Data Mesh 而非组织已准备好领域所有权）、治理事后补做、混淆 SoR 与 SSoT、忽视运维团队能力。完整 13 项反模式及补救措施见 references/anti-patterns.md。