نوشتن فرهنگ داده با هوش مصنوعی
معنای فیلدها، منبع معتبر و قواعد داده رو برای تیم روشن کنید
نوشتن فرهنگ داده با هوش مصنوعی یعنی روشن کنید هر فیلد در کار واقعی چه معنایی داره، نه اینکه فقط نام ستونها رو فهرست کنید. اسکیل data-dictionary از محدوده سیستم، موجودیتها و رابطهها شروع میکنه؛ سپس برای هر فیلد، توضیح کاربردی، نوع، قالب، مقدارهای پذیرفتهشده و قواعدش رو در جدول مینویسه. این سند میتونه مرجع مشترک تیم فنی و کسبوکار باشه.
ایجنت مشخص میکنه کدام بخش داده رو ایجاد، میخونه، تغییر میده یا حذف میکنه و مقدارهای محاسبهشده از کجا میآیند. قواعد کیفیت هم به صورت جداگانه ثبت میشن. خروجی، مستندات قابل بررسیه؛ نه تغییر پایگاه داده، اجرای آزمون روی همه رکوردها یا گواهی صحت اطلاعات. تعریفهای متناقض بین سیستمها همچنان به تصمیم صاحب داده نیاز دارند.
کاربردها
- نوشتن تعریف فیلدها به زبان قابل فهم
- مشخص کردن منبع معتبر برای هر موجودیت
- ثبت قواعد داده مانند یکتایی و مقدار خالی
- ترسیم مسیر داده برای مقدارهای محاسبهشده
- توضیح رابطه یکبهچند بین موجودیتها
- ثبت نقش بخشها در ایجاد و تغییر اطلاعات
نصب و استفاده
- بسته اسکیل و الگوی همراهش رو از مسیر پشتیبانیشده Claude Code بارگذاری کنید. شرح سیستم و ساختار جدولها یا مستندات رو بدید؛ برای شروع نیازی به ارسال ردیفهای واقعی مشتریان نیست و مدل میزبان ورودی رو میخونه.
- مثلاً بخواید: «برای موجودیت سفارش در این ساختار، فرهنگ داده بنویسید؛ معنای مبلغ نهایی، منبعش و قواعد مقدار خالی رو مشخص کنید و ابهامها رو بپرسید.»
- فهرست موجودیتها، رابطهها و تعریف هر فیلد رو مرور کنید. تفاوت بین نام فنی و معنای کاری رو روشن کنید؛ نمونه مقدارها رو ساختگی انتخاب کنید و درباره مالک یا منبع نامعلوم تصمیم بگیرید.
- جدول دسترسی بخشها، مسیر محاسبهها و قواعد کیفیت رو کنترل کنید. پس از تایید، سند رو همراه تغییر تعریفها بهروز نگه دارید؛ این کار خودش دادهها رو اصلاح یا مجوز دسترسی سیستمها رو عوض نمیکنه.
سوالات متداول
منبع
ساخته qa-aman. نام اصلی: data-dictionary، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub