数据质量规则 Skill 介绍：让智能体按固定流程完成任务
如果你在数据库客户端与查询工具里反复做数据质量规则，可以考虑把经验沉淀为一个 Skill：写清触发条件、步骤、输出格式和边界，让智能体代劳重复部分，人只负责把关。
一句话说明
「数据质量规则」技能让智能体为关键表制定完整性、唯一性、取值范围检查。你提供表结构与业务规则，它按固定步骤处理，交付质量检查 SQL。
| 项目 | 说明 |
|---|---|
| 技能 | 数据质量规则（data-quality-rules） |
| 作用 | 为关键表制定完整性、唯一性、取值范围检查 |
| 输入 | 表结构与业务规则 |
| 输出 | 质量检查 SQL |
| 形态 | 纯提示词 |
| 风险 | 低 |
| 适用人群 | 后端与数据工程师 |
它解决什么问题
没有技能时，后端与数据工程师每次都要重新描述要求，智能体的输出时详时略、格式不一，关键的检查步骤也经常被跳过。把流程写成技能后：
- 每次都按同样的顺序执行：列出关键字段→定义规则→编写检查 SQL→设置告警阈值
- 输出结构固定，便于复核和归档
- 领域规矩（如「默认使用只读连接，任何写操作都要人工确认」）写在技能里，不靠临时提醒
适合与不适合
适合：经常处理表结构与业务规则、希望结果格式统一、愿意花十分钟把流程写清楚的后端与数据工程师。
不适合：一次性的临时任务；需要大量现场判断、无法写成步骤的工作；以及没有人复核就要直接对外使用的场景。
可以在哪些平台实现
同一个技能的思路可以落在不同平台上，常见选择有：
- GPTs：GPTs 是在 ChatGPT 中创建的定制版助手
- Cursor Rules：Cursor 用项目规则（Project Rules）给智能体注入长期指令
- GitHub Copilot 指令与提示文件：GitHub Copilot 支持仓库级自定义指令文件
.github/copilot-instructions.md - MCP 服务：MCP（模型上下文协议）是一个开放协议
怎么开始
建议先用纯提示词版本在日常对话助手里试几次，确认步骤合理；再按SKILL.md 写法封装成技能；最后用测试用例验收。
这个技能纯指令型，不需要额外脚本或外部连接，复制到大多数平台都能用；风险较低，但输出仍需快速过目再使用。
智能体与人的分工
技能不是把工作全部交出去，而是把重复、机械的部分交给智能体，人把住判断和责任：
| 步骤 | 智能体负责 | 人负责 |
|---|---|---|
| 列出关键字段 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 定义规则 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 编写检查 SQL | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 设置告警阈值 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 最终交付 | 整理质量检查 SQL | 决定是否采用、是否对外 |
风险较低，但输出仍需快速过目再使用。
准备一份好范例
在技能的参考资料里放一份你认可的质量检查 SQL范例，往往比多写十条规则更有效。好范例应当：
- 来自真实工作，但已去除个人信息和敏感数据
- 体现团队习惯的结构、措辞和详略程度
- 包含一处“需人工确认”的标注示范，让智能体学会如何表达不确定
- 篇幅适中，不要比平时的产出长太多
范例不必多，一到两份即可；太多范例反而会让智能体机械模仿某一份的细节。
延伸阅读
- 数据质量规则 · 故障排查
- 数据质量规则 · Claude 应用中的 Skills 版
- 数据质量规则 · Cline Rules 版
- 查询转看板 · 介绍
- 指标口径定义 · 介绍
- 智能体Skills 分类：625 个技能 × 32 个角度
说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。