wind_power_cal/.agents/skills/edge-data-quality-analyzer/SKILL.md

name, description

name	description
edge-data-quality-analyzer	edge_collector 采集与上传数据质量分析规范。用于分析历史趋势、AI 分析输入、网关/设备/点位数据缺失、断点、不连续、重复值、时间戳异常、上传策略影响、离线缓存重传和云端展示差异，并输出可验证的数据质量结论。

edge_collector 数据质量分析

适用问题

• 云平台历史趋势看起来断续。
• AI 分析使用点数明显少于原始点数。
• 设备在线但云端显示离线。
• 点位长时间不变化、重复上传或缺失。
• 离线缓存重传后数据仍不完整。
• 用户质疑采集频率、上传策略或降采样结果。

分析维度

1. 数据完整性：应有点数、实际点数、缺口时间段。
2. 时间连续性：相邻时间间隔、断点、乱序、重复时间戳。
3. 值质量：重复值、常量段、异常突变、空值、类型异常。
4. 上传策略影响：相同数据不上传、5 分钟强制上传导致的短时不连续。
5. 降采样影响：原始点数、展示点数、AI 分析点数、是否保留极值。
6. 云边一致性：边缘本地数据、上传队列、云端历史数据是否一致。

排查流程

1. 确认对象

明确：

• 网关名称和 ID。
• 设备名称和 ID。
• 点位名称和 ID。
• 时间范围。
• 页面或接口来源。

2. 查询链路

按真实链路分析：

设备采集
  -> collector 点位值
  -> 边缘本地缓存/上传队列
  -> 云端入库
  -> 历史趋势接口
  -> 图表降采样 / AI 分析输入

3. 统计指标

输出至少包含：

• 原始记录数。
• 有效记录数。
• 展示/分析使用记录数。
• 最大采样间隔。
• P50/P95 采样间隔。
• 重复值比例。
• 缺口时间段 Top N。

4. 解释结论

结论必须区分：

• 正常策略导致：例如相同数据不上传、5 分钟强制上传。
• 展示降采样导致：图表为了性能减少点数。
• 采集异常导致：设备离线、驱动读失败、点位配置错误。
• 上传异常导致：网络断开、离线缓存未重传、云端接口失败。

AI 分析专项

当分析 AI 输入数据时：

• 必须带上网关名称、设备名称、点位名称。
• 必须说明原始点数和用于 AI 分析点数的区别。
• 深度分析应提高采样点数、异常片段数量和上下文摘要，不只改变提示词。
• 给 AI 的提示词要说明上传策略：相同数据不上传，5 分钟强制上传，因此短时间不连续可能是正常现象。

报告格式

## 数据范围

## 关键统计

## 异常片段

## 原因判断

## 建议动作