nw-der-review-criteria

仓库创建 2026年2月13日最近提交 1 个月前SkillHot 收录 21 天前
▸ 精选理由

规范化审查维度,便于自动化评审与一致性判断。

这个 Skill 做什么

定义数据工程产物审查的评分维度与核查要点。

为数据工程产物的审查提供一套可量化的评分维度和核查要点,明确每项审查该看什么、怎么评分,避免凭主观印象给结果打分。例如会检查研究引用是否有据可查、结论是否可追溯等,方便复审时保持一致性并指出具体改进项。适合在代码评审或交付验收时加载使用。

▸ 展开 SKILL.md 英文原文

Evaluation criteria and scoring for data engineering artifact reviews

Skill 开发管理评审标准数据工程打分矩阵通用
586
Stars
59
Forks
40
仓库内 Skill
+15
7 日增星
安装 / 使用
给你的 Agent 一句话(通用)
帮我安装这个 skill:https://raw.githubusercontent.com/nWave-ai/nWave/main/nWave/skills/nw-der-review-criteria/SKILL.md
或 curl 直取 SKILL.md
curl -fsSL "https://raw.githubusercontent.com/nWave-ai/nWave/main/nWave/skills/nw-der-review-criteria/SKILL.md"
SKILL.MD 节选查看完整文件 ↗
# Data Engineer Review Criteria

Evaluation criteria for each review dimension. Load when performing reviews.

## Dimension 1: Research Citation Quality

Evaluate whether recommendations trace to specific evidence.

**Checks**: Each major recommendation cites a specific research finding | Citations are accurate (finding number matches content) | Vendor-specific claims have multiple independent sources | General best practices distinguished from research-validated guidance

**Scoring**: 10: All cited, verified | 7: Most cited, 1-2 missing on non-critical points | 4: Major recommendations lack citations | 0: No citations

## Dimension 2: Security Coverage

Evaluate defense-in-depth for data la
via SKILL·HOT · 数据来自 GitHub 公开信息 · 原文版权归作者所有