Data quality & reconciliation with exception

核心用法

该技能专注于数据对账与质量监控，通过层级化的稳定标识符（Pay Number → 驾驶证 → 司机卡 → 资格证）实现多源数据匹配。核心流程包括：

1. 标识符优先级匹配：首选工资号精确连接，未匹配项依次降级至其他证件号码
2. 规范化预处理：统一大小写、去除空格与标点，消除格式差异导致的假性不匹配
3. 异常分类报告：强制输出五类状态——已匹配、A源缺失、B源缺失、字段冲突、重复键值、无效键值
4. 静默失败阻断：设置计数校验门控，异常率超阈值即中断流水线，杜绝"看起来成功实则丢数据"

显著优点

• 确定性优先：基于稳定ID的精确匹配，避免模糊算法带来的不可解释性
• 全量可追溯：零记录丢弃策略，每条数据都有明确的归属结论
• 工程友好：直接输出CSV格式的异常报告模板与匹配规则文档，可嵌入ETL流水线
• 风险前置：门控机制将数据质量问题暴露在生产阶段，而非下游分析时

潜在局限

• 依赖稳定标识符：若全量数据缺失关键ID（如临时工未录入工资号），技能效用大幅下降
• 非模糊匹配：姓名拼写差异、证件号录入错误等需人工介入或额外 fuzzy 流程
• 单一场景聚焦：专为周期性对账（周/月报）设计，非实时流处理场景
• 权限假设：默认只读源数据，若需自动修正需用户显式授权

适合人群

数据工程师、合规专员、HR系统管理员——尤其需要处理薪酬系统与合规系统交叉验证、或多系统员工主数据同步的组织。

常规风险

• 优先级误设：若工资号存在历史重复记录却设为最高优先级，可能导致错误匹配
• 阈值宽松：异常率容忍度设置过高，可能掩盖系统性数据质量问题
• 时序忽略：未考虑证件换发导致的号码变更，产生假性"B源缺失"
• 过度依赖自动化：门控阻断后若缺乏人工复核流程，可能造成业务停摆

核心用法

'data-reconciliation-exceptions' 是一个纯声明式的数据质量与对账技能，专为需要周期性匹配多数据源并生成结构化异常报告的场景设计。其核心机制围绕稳定标识符（按优先级依次为：薪资号 Pay Number → 驾驶员卡号 Driver Card → 驾驶证号 Driving Licence → 从业资格证号 DQC）进行确定性匹配，彻底拒绝开放式模糊匹配，从而保证对账结果的可解释性和可审计性。

该技能的工作流程高度结构化和自动化：首先确认数据源与主键优先级，然后对关键列进行标准化处理（如去除空格、统一大小写、清理标点符号），接着验证键的有效性并标记空白或格式错误的标识。在完成数据清洗后，执行严格的精确连接，并对未匹配的记录尝试次级键匹配。最终，所有记录都会被分入明确的异常类别（如 'MISSING_IN_A'、'MISMATCH'、'DUPLICATE_KEY'、'INVALID_KEY' 等），并附带具体的差异原因。其标志性功能是'no silent failure'（无静默失败）检查：通过预设的计数容差、未匹配率阈值和重复记录峰值检测，确保数据流水线在任何异常情况下都能发出明确警报，而不是悄无声息地丢弃问题数据。

显著优点

1. 确定性与可解释性：该技能强制采用确定性匹配规则，在未明确授权的情况下禁用模糊匹配。每条异常记录都有明确的 reason code，杜绝了传统脚本中数据被无声丢弃的风险。
2. 安全的内置机制：默认只读操作，不会自动修改源文件；遇到列映射冲突、主键优先级不明确或预期容差未指定时，会'停止并询问用户'，体现了人机协同的安全设计思想。
3. 零依赖与透明执行：作为纯 Markdown 指令集（T-LITE 分类），该技能无可执行代码、零外部依赖、零网络调用，其行为与文档声明 100% 一致，极难被用于恶意目的。
4. 标准化的异常报告：规范化的 CSV 输出格式（包含异常类型、原因、双方标识符、差异字段值）可直接对接商务智能（BI）工具或审计系统，实现流程闭环。

潜在缺点或局限性

1. 来源完全不可追溯（T3 信任等级）：维护者为匿名哈希值，既无公开 GitHub 仓库也无组织归属，这意味着无法验证代码来源的真实性，所有信任仅基于当前版本的静态审计快照，难以防范未来潜在有害的版本更新。
2. 缺乏隐私政策声明：技能明确设计用于处理薪资号、驾驶证号等高度敏感的个人身份信息，但全文未包含数据处理声明、最小化原则或使用建议（如脱敏），在企业合规性审查中可能存在不足。
3. 无开源许可证：未声明任何许可证（如 MIT、Apache 2.0），使用、修改和分发的法律权利完全处于灰色地带，给企业级部署带来法律风险。
4. 依赖用户输入的格式与结构：技能的效能高度依赖输入数据遵循特定列名与格式（如 Pay Number、CSV/XLSX），若用户提供的源数据字段名不规范，需额外前期映射工作。

适合的目标群体

• 人力资源与薪酬审计人员：需要定期交叉核对薪资系统导出数据与合规注册表，确保无