用途：把数据质量、时效性、完整性、模式漂移、血缘、告警和指标可信度问题，转成有负责人、门禁、指标和恢复路径的具体产物。适用于分析事件、产品指标、数仓、导入、管道、看板、AI 数据集、账单数据等场景。
工作流：先识别关键数据集、其驱动的决策、负责人、数据生产者与消费者、SLA、时效需求和错误数据的影响范围；阅读 references/data-quality-observability-patterns.md；对质量检查分类，包括模式、时效、量级、唯一性、引用完整性、分布、对账、隐私和语义指标检查；定义监控、告警阈值、负责人路由、回填策略、看板可信状态、事件沟通和数据契约变更；产出质量地图、状态机、决策表、事件模式、告警策略和回填清单。
限制：不用于基础模型无需该技能特定产物契约就能处理的通用建议。看板若上游时效、模式和未对账无归属，则不应视为可信；异常告警须带严重度、负责人和面向用户决策的影响；回填客户、账单或 AI 训练数据须保证幂等并做前后对账；不得在质量日志、样本行或事件截图中暴露隐私数据。
输出格式：数据上下文（数据集/决策/SLA/影响范围）；质量可观测性计划表（领域、决策、证据、风险、负责人）；检查与负责人（条目 -> 策略、指标、边界情况、支持说明）；回填与事件响应（触发 -> 行动、沟通、负责人）。