数据与 ML Pipeline 演示剧本
本文是一份可直接照着讲的演示脚本，面向数据口径、任务编排、质量校验、回填边界和下游影响场景。
1. 演示目标
- 说明 pipeline 任务为什么不能只看“任务跑完了”
- 说明
/tdd如何前置锁定数据口径、回填和质量标准 - 说明
/verify如何把任务结果、异常样本和下游影响收敛成正式结论
2. 适用对象
- 需要介绍数据 / pipeline 交付方式的 Tech Lead
- 需要解释数据口径与回填风险的后端 / 数据负责人
- 需要向团队说明 verify 为什么要看异常样本与窗口约束的讲解人
3. 演示时长建议
- 5 分钟：讲数据口径、窗口、回填三类风险
- 10 分钟：再讲
/tdd与/verify - 15 分钟：完整走一遍 intake -> plan -> tdd -> execute -> verify -> review/release
4. 演示脚本
Step 1. 先用 1 分钟讲清 pipeline 任务在治理什么
建议讲法：
text
数据 / pipeline 仓库最容易被低估的，不是任务代码，而是数据口径、异常样本、回填窗口和下游影响。
如果这些不前置，任务即使跑完，也不代表可以安全上线。Step 2. 用 /team-intake 讲清任务边界
建议输入：
text
/team-intake
目标：为数据流水线新增特征计算任务并补齐质量与回填验证
范围：任务编排、转换逻辑、质量校验、结果汇总、测试计划
不做：分析台 UI 改造
约束：必须说明数据口径、批处理窗口、失败重试、回填范围和下游影响Step 3. 用 /team-plan 说明如何拆分数据任务
建议输入：
text
/team-plan
基于当前 intake 结果，拆任务编排、数据质量、异常样本、回填影响和 release 收口动作。
输出必须指出哪些完成标准应先进入 /tdd，哪些证据最终应由 /verify 汇总。Step 4. 用 /tdd 讲“先锁口径、质量和回填标准”
建议输入：
text
/tdd
基于当前 /team-plan 结果，先定义数据口径、成功阈值、异常样本、失败重试、回填边界和下游影响的完成标准。Step 5. 用 /team-execute 讲实际收敛动作
建议讲法：
text
执行阶段通常会先调任务编排和转换逻辑，再补质量校验与结果汇总，最后补回填和下游影响说明。Step 6. 用 /verify 收口
建议输入：
text
/verify
请基于当前 pipeline 改动，输出任务结果、数据质量、异常样本、回填影响和成本窗口，并整理成可直接进入 /team-review 或 /team-release 的结论。5. 建议演示顺序
- 先讲数据口径、窗口、回填三类风险
- 再展示
/team-intake与/team-plan - 然后讲
/tdd - 再讲
/team-execute - 最后讲
/verify、/team-review和/team-release