| name | review-chapter |
| description | 对书籍章节进行内容质量审查,按 Part → Chapter → Section 粒度逐节评分。 检测内容过于简单、图表表格罗列无深入分析、叙事逻辑薄弱、前后衔接不足等问题。 Use when user asks to "审查章节", "review chapters", "内容质量检查", "检查写得怎样".
|
/review-chapter
对《从数据到智能:企业级数据平台的构建、演进与 Agentic BI 实践》全书进行结构化内容质量审查。
运行时:兼容 Claude Code 与 Cursor。产物目录与工具对照见 COMPAT.md。
:material-target: 全书核心主旨(审查前必读)
本书不是一本工具手册,而是一本首席解决方案架构师的第一人称手记。审查每一节时,必须对照以下核心主旨判断内容是否符合本书定位:
四个写作理念(来自前言)
| 理念 | 含义 | 审查时的检查点 |
|---|
| 讲设计,不讲实现 | 代码会过时,架构思想历久弥新。聚焦"为什么这么设计"而非"代码怎么写" | 该节是否停留在"怎么配置/怎么写代码"?是否上升到了设计思想层面? |
| 讲 trade-off,不讲银弹 | 每个设计决策都是在特定约束下的取舍。诚实呈现取舍,包括不够好的决策 | 该节是否有取舍分析?是否只讲了好处没讲代价? |
| 讲演进,不讲终点 | 好的架构不是一次定型的完美设计,而是能持续演进的有机体。平台一直在生长 | 该节是否体现了"生长"的时间感?是否交代了"当时为什么这么做、后来怎么演变"? |
| 讲叙事,不讲干货罗列 | 每一章都有故事——某个业务诉求如何催生某个设计、某次事故如何暴露某个缺陷 | 该节是否有故事线?还是纯概念/步骤/表格的罗列? |
贯穿全书的叙事主线
全书按照一座企业级医药数据平台的真实生命周期组织:
第 0 年 · 架构设计期(Part I-II)
→ 第 1 年 · 核心建设期(Part III-IV)
→ 第 2 年 · 扩展与迁移期(Part V-VI)
→ 第 3 年 · 成熟与治理期(Part VIII 前半)
→ 第 4 年 · Data+AI 转型期(Part VII)
→ 持续演进(Part VIII 后半,Ch 54 复盘)
核心叙事弧:从"医药数据困局"出发 → 建平台骨架 → 工程实践落地 → 基础设施自动化 → 平台扩展迁移 → 衍生系统外延 → 转折点——纯数据平台不够了,BI 自助化瓶颈浮现 → 升华——Data+AI 转型,从数据平台走向 Agentic BI → 最终以"架构师复盘"收束:做对的事保持,遗憾的修正,十个设计原则。
关键叙事特征:
- 第一人称视角:全书以"我"(NorthPeak 驻场 Aurora 的首席解决方案架构师)的视角展开,"我在 Aurora 遇到…""我当时选了 X 而非 Y 因为…"
- 虚构保护隐私:Aurora Pharma(甲方)、NorthPeak Consulting(乙方)、所有人物/系统/药品名均为虚构,但工程经验真实等价
- 跨行业经验迁移:作者三段经历——专利数据(文本处理+图建模)→ 企业征信(多源融合+实体解析)→ 医药 CDP(集大成)——前后呼应的经验迁移是本书独特的叙事资产
全书反复出现的十二个核心母题(设计思想)
审查时,应检查该节是否与以下母题之一呼应——如果一节完全没有触达任何母题,它很可能是孤立的"知识碎片":
| # | 母题 | 含义 | 主要出现章节 |
|---|
| M1 | 配置驱动架构 | 开闭原则在数据工程的落地——加数据源=加配置,零代码 | Ch 11/12/13/19 |
| M2 | 分层架构 | 关注点分离——五层 IaC、数据湖三层、语义/数据双平面 | Ch 4/7/39 |
| M3 | 事件驱动编排 | Serverless 事件驱动——数据到达即触发,无需轮询 | Ch 10/26 |
| M4 | 同构仓库模式 | 规模化复用——一套 CI 服务所有业务域,模板复制 | Ch 23/27 |
| M5 | 工程诚实 | 文档化已知边界、诚实面对 trade-off、不粉饰太平 | Ch 34/52 |
| M6 | 治理与执行分离 | 描述与执行解耦——runtime config vs deploy config、语义平面 vs 数据平面 | Ch 11/39/40 |
| M7 | 平台工程 | 为业务团队提供自助式内部平台,让他们专注业务逻辑 | Ch 4/21/30 |
| M8 | 从数据到智能 | 平台生长线:纯数据平台 → AI-Ready 供应 → Agentic BI | Ch 38–49 |
| M9 | 第一人称实践 | "我在 Aurora 遇到…""我当时选 X 而非 Y 因为…""如果重来…" | 全书 |
| M10 | 合规从第一天嵌入 | GxP ALCOA+/PIPL/数据驻留不是事后补丁,是架构第一性原理 | Ch 1/18/48 |
| M11 | 规模决定架构 | 10TB→100TB+,20000+ 张表——规模解释了"为什么只能配置驱动+自动化" | Ch 1/17/31 |
| M12 | 跨行业经验迁移 | 专利数据→企业征信→医药 CDP,好的架构思想是行业无关的 | Ch 0/1/39/41 |
全书叙事密度地图
不同 Part 的叙事定位不同,审查标准应有微妙差异:
| Part | 叙事定位 | 对"深度"的要求 | 对"第一人称"的要求 |
|---|
| Part I | 序章——建立问题意识、设定叙事舞台 | 中等——重在"建立共鸣"而非技术深度 | 高——必须有鲜活的具体场景(如 Ch 1 "月底通宵") |
| Part II | 架构设计——全书最核心的"为什么" | 极高——每个设计决策必须有推导链 | 高——设计争论、选型拍板的场景 |
| Part III | 数据工程实践——"怎么做"的落地 | 高——不只是 HOW,还要有 WHY | 中——实践细节中穿插经验 |
| Part IV | 基础设施——工程效能 | 中高——IaC 治理的深度 | 中——工程流程的标准化 |
| Part V | 平台演进——迁移与协同 | 高——迁移不是"搬数据",是架构思维 | 高——真实的踩坑经历 |
| Part VI | 衍生系统——能力外延 | 中——衍生系统相对轻量 | 中 |
| Part VII | Data+AI 转型——全书最高价值的创新点 | 极高——Agentic BI 是全书最创新的部分,必须深度分析 | 极高——AI 转型的决策逻辑、build vs buy、架构争论 |
| Part VIII | 治理与复盘——全书思想收束 | 极高——复盘必须有反思深度,"如果重来"必须具体 | 极高——"我最纠结的一章""诚实需要勇气" |
审查时的重点检查:
- Part VII–VIII 的章节如果缺失第一人称反思和 trade-off 分析,是最致命的缺陷——因为这是全书价值最高的部分
- Part II 的章节如果只是"列出了五层是什么"而没有推导过程,也是严重缺陷
- Part I 的章节如果缺少具体的、鲜活的场景描写(如"销售总监想要一张表,数据团队花了三天"),会失去"把读者拉进故事"的能力
审查维度
对每一节(### 级标题)进行以下五个维度的评分(每项 0–20 分,满分 100):
| 维度 | 说明 | 低分特征 | 高分特征 |
|---|
| D1 内容深度 | 是否深入分析而非泛泛概述 | 只有概念列出,无"为什么这么做""怎么权衡" | 有设计决策推导、约束分析、取舍对比 |
| D2 图文平衡 | 图表/表格是否有配套文字分析 | 图表后无解读段落,表格罗列无总结 | 图表有"图/表说明→关键洞察→决策启示"三段论 |
| D3 叙事逻辑 | 是否有"引入→展开→深化→收束"的叙事弧 | 标题层级堆叠,段落之间无承接 | 每节有"问题→方案→验证"闭环、过渡句 |
| D4 上下文衔接 | 是否与前后节/前后章自然衔接 | 独立成块,无引用上文、无铺垫下文 | 有"回顾上节"呼应与"下一节挑战"预告 |
| D5 实践视角 | 是否有第一人称经验/案例/"架构师视角" | 教科书式叙述,无个人经验注入 | 有"我在 Aurora 遇到的实际问题""当时为什么选了 X 而非 Y" |
阈值:总分 ≥ 70 分 且 单项均 ≥ 10 分为通过;否则标记为"需重写"。
使用方式
/review-chapter [范围]
[范围] 可选值:
all:审查全书所有章节
Part I–Part VIII:只审查指定 Part
Ch N:只审查指定章节(如 Ch 27)
Ch N §X.Y:只审查指定小节
不指定范围时默认为 all。
执行流程
Step 1 — 确定审查范围
根据用户指定的范围,从 docs/index.md 解析 Part→Chapter 映射,确定目标文件列表。
Part 与章节映射(硬编码,避免解析误差):
| Part | 章节范围 | 文件数 |
|---|
| Part I 起点 | Ch 1–3 | 3 |
| Part II 架构设计 | Ch 4–11 | 8 |
| Part III 数据工程 | Ch 12–20 | 9 |
| Part IV 基础设施 | Ch 21–30 | 10 |
| Part V 平台演进 | Ch 31–34 | 4 |
| Part VI 衍生系统 | Ch 35–37 | 3 |
| Part VII Data+AI | Ch 38–49 | 12 |
| Part VIII 治理复盘 | Ch 50–55 | 6 |
前言(Ch 0)和 Ch 55 致谢、附录不参与审查。
Step 2 — 逐章逐节阅读分析
对范围内的每个文件:
- 解析结构:提取所有
##(H2 节)和 ###(H3 子节)标题,跳过 ## :material-school: 和 ## :material-check-circle: 等元数据节。
- 阅读内容:通读每个 H3 子节下的正文。
- 量化特征:
- 该节中文正文字数(去除 Mermaid 代码块、表格、代码块、Admonition 框)
- 该节内的图表数量(Mermaid + 表格 + 代码块)
- 图表/正文比:如果图表+表格占节面积 > 60%,触发"图表罗列"预警
- 评分:按五个维度逐一评分,给出总分和具体扣分原因。
Step 3 — 汇总输出
输出格式(Markdown 表格):
## 审查结果:Part X · [Part 名称]
| 章节 | 节 | D1 深度 | D2 平衡 | D3 叙事 | D4 衔接 | D5 实践 | 总分 | 判定 | 核心问题 |
|---|---|---|---|---|---|---|---|---|---|
| Ch 27 | 27.1 | 8/20 | 10/20 | 6/20 | 9/20 | 12/20 | 45 | ❌ 重写 | 图+表罗列,无深入分析 |
| Ch 27 | 27.2 | 10/20 | 11/20 | 8/20 | 7/20 | 14/20 | 50 | ❌ 重写 | 叙事薄弱,缺少上下文衔接 |
| Ch 27 | 27.3 | 12/20 | 12/20 | 11/20 | 14/20 | 16/20 | 65 | ❌ 重写 | 接近阈值,需补充叙事逻辑 |
统计汇总:
- 审查总节数 / 通过数 / 需重写数 / 通过率
- 各维度平均分
- 最需要重写的 Top 5 节
Step 4 — 生成重写清单
为未达阈值的节生成 JSON 格式的重写优先级清单,保存到 .claude/review-results/,供 rewrite-section 技能使用:
{
"review_date": "2026-06-22",
"threshold": 70,
"total_sections": 150,
"passed": 95,
"failed": 55,
"failures": [
{
"chapter": 27,
"section": "27.1",
"file": "docs/27-CI-CD可复用工作流平台.md",
"score": 45,
"d1": 8, "d2": 10, "d3": 6, "d4": 9, "d5": 12,
"main_issues": ["图+表罗列,无深入分析", "缺少上下文衔接"],
"priority": 1
}
]
}
priority 按总分升序排列(分数最低的优先重写)。
评分细则
D1 内容深度(0–20)
- 0–5:仅为标题+一两句话;或纯为其他章节内容的重复总结
- 6–10:列出了概念/步骤/要点,但没有解释"为什么""怎么选"
- 11–15:有适度的解释和设计理由,但缺乏深度对比
- 16–20:深入分析设计决策、约束条件、替代方案,有架构师视角的独立思考
D2 图文平衡(0–20)
- 0–5:图表后无任何文字分析段落
- 6–10:图表后有简短一句话说明,但无洞察提炼
- 11–15:图表后有分析段落,但"图说→洞察"环节薄弱
- 16–20:图表后有三段论(说明→洞察→决策启示),文字与图表互补
D3 叙事逻辑(0–20)
- 0–5:节内段落无逻辑顺序,可任意重排
- 6–10:有基本顺序但靠标题层级驱动,无过渡承接
- 11–15:有"问题→方案"结构,但过渡较生硬
- 16–20:有完整的叙事弧——开头回顾/引出问题→中间展开分析→末尾总结并过渡到下一节
D4 上下文衔接(0–20)
- 0–5:无任何跨节引用,视为独立碎片
- 6–10:仅通过面包屑导航关联,正文无前后呼应
- 11–15:有少量上文引用("如 X 节所述"),但缺少下文铺垫
- 16–20:节首有"回顾上节"呼应 + 节尾有"下一节挑战"预告,形成连续叙事
D5 实践视角(0–20)
- 0–5:教科书式语言,无第一人称、无具体案例
- 6–10:有少量"实践中"的泛泛提及,但无具体场景
- 11–15:有具体的 Aurora 场景/约束描述,但缺少个人决策反思
- 16–20:有"我当时遇到 X 问题,在 Y 约束下选了 Z 方案,因为…"的第一人称深度反思
注意事项
- 不修改任何文件:此技能只读分析,不写入任何书籍文件。结果输出到
.claude/review-results/。
- 节省 token:长篇章节不需要完整读取,可以分段阅读——先解析结构,再逐节深入。
- 公正评分:不要因为图表多就自动扣分——重点看图表后是否有配套分析。
- 前言/致谢/附录不参与审查:这些不是技术章节。
- 保留审查历史:每次审查结果带时间戳保存,便于对比改进前后。