Data Quality

quality-nonconformance 是一款面向受监管制造场景的技能，覆盖 NCR 受理、根因分析、CAPA、SPC 解释和最终处置。适用于合规审查、供应商质量问题，以及需要可追溯性、风险判断和审计可用结论的证据驱动决策。

data-quality-frameworks 技能可帮助团队使用 dbt tests、Great Expectations 和 data contracts 规划生产环境数据校验。你可以借助它选择合适的检查项、映射到测试金字塔，并为 Data Cleaning 与数据管道可靠性设计适合 CI/CD 的数据质量工作流。

dbt-transformation-patterns 可帮助智能体按 staging、intermediate 和 marts 分层来组织 dbt 项目，并提供测试、文档和增量模型实践指导。适合用于安装前评估、搭建新 repo，或将 SQL 重构为更清晰的 analytics engineering 模式，尤其适合 Database Engineering 团队参考。

lamindb 技能可帮助你使用 LaminDB —— 一个开源的生物学数据框架，让数据可查询、可追溯、可复现并符合 FAIR 原则。它适用于 lamindb 的数据分析、元数据整理、基于本体的注释、schema 验证，以及贯穿 notebooks 和 pipelines 的可追踪工作流。