用途
该技能面向数据质量审计场景，对数据集进行系统化质量评估，依据业务规则、模式约束和新鲜度预期给出结论。典型触发场景包括：数据管道刚加载新数据、需要在下游报表消费前完成验证；利益相关方反馈数据质量问题（如总计错误、异常空值、数据陈旧）；需要为数据资产产出正式的数据质量评分卡，作为数据治理流程的一部分；接入新数据源时，需要先了解其质量画像再在其上构建。
主要能力
该技能按以下流程执行检查：
- 空值与完整性审计——运行 scripts/null_counter.py 生成逐列空值画像，标记超出业务上下文可接受阈值的列。
- 重复检测——运行 scripts/duplicate_finder.py 识别整行重复和键级重复，判断重复是有意为之（版本控制）还是错误（管道扇出）。
- 引用完整性检查——运行 scripts/referential_integrity.py 验证子表中的外键值是否存在于父表中，按关系报告孤儿记录率。
- 值域校验——结合 references/business_rule_patterns.md 中定义的业务规则，运行 scripts/value_range_validator.py，标记超出可接受范围的值。
- 新鲜度检查——运行 scripts/freshness_check.py 验证数据集是否最新，将最新记录时间戳与该管道预期的延迟进行比较。
- 评分与分类——使用 references/quality_dimensions.md 将每项发现映射到质量维度，并分配严重程度（CRITICAL / HIGH / MEDIUM / LOW）。
- 产出交付物——填写 assets/audit_report_template.html 生成可分享报告；填写 assets/quality_rubric.md 生成简明评分卡。
使用方式
该技能需要以下输入：
必需：数据集（CSV / Parquet / 数据库表引用）。
必需：模式关系——哪些列是主键，哪些列是指向哪些表的外键。
必需：业务规则——可接受的值范围、预期值集合、新鲜度 SLA。
可选：可接受的错误率——失败达到什么阈值时从 HIGH 升级为 CRITICAL。
可选：管道调度——用于结合预期更新频率评估新鲜度。
输出包括：填写后的 assets/audit_report_template.html（完整质量报告，可与利益相关方分享）；填写后的 assets/quality_rubric.md（一页式质量评分卡，含各维度得分）；各校验脚本的控制台输出（每项检查的通过/失败计数）。
适用场景
适用于数据管道加载后的验证、数据质量问题的排查与归因、数据治理中的正式评分卡制作，以及新数据源接入前的质量画像分析。
限制
该技能依赖用户提供数据集、模式关系、业务规则等输入；若缺少这些信息，相关检查无法执行。具体阈值、错误率标准、新鲜度 SLA 等需由用户按业务上下文提供，技能本身不预设。