data-validation

本 Skill 是一套全面的数据验证参考文档，专注于解决现代软件系统中多语言、多格式的数据契约与边界验证问题。它系统性地整理了 JSON Schema、TypeScript Zod 以及 Python Pydantic 三大主流验证方案的最佳实践，为开发者提供从基础类型定义到复杂业务规则校验的完整知识图谱。

在核心用法层面，该 Skill 提供了丰富的即用型代码模板。对于 JSON Schema，它覆盖了从基础对象结构定义、条件验证、模式属性到可复用引用的完整语法；对于 TypeScript 生态，详细展示了 Zod 的类型推断、转换管道、联合类型判别以及递归类型定义等高级模式；针对 Python 开发者，则提供了 Pydantic v2 的字段验证器、模型校验器、严格模式配置以及与 FastAPI 的集成方案。此外，Skill 还包含大量实用的数据完整性检查脚本，涵盖 CSV 列一致性验证、JSON 结构检查以及数据迁移前后的对比校验。

显著优点体现在其跨语言的普适性和实用性。首先，它实现了"文档即代码"的理念，所有 Schema 定义均可直接生成 TypeScript 类型或 Python 模型，消除文档与实现之间的同步成本。其次，内容编排遵循"防御性编程"原则，强调在系统边界（API 端点、文件导入处）进行严格验证，而非深入业务逻辑，这种架构建议能显著降低系统耦合度。再者，提供的 Bash 和 Python 脚本示例具备生产级质量，包含输入验证、错误处理和详细报告功能，可直接用于数据迁移验证等关键场景。

潜在缺点与局限性亦需正视。作为纯文档型 Skill，它不提供可直接调用的封装函数或自动化流水线，开发者需要手动复制和适配代码示例。此外，由于来源属于 T3 级社区项目，虽然内容经过安全审计，但长期维护和更新频率存在不确定性。技术层面，部分高级特性（如 Zod 的递归类型或 Pydantic 的严格模式）在不同版本间存在语法差异，使用者需注意版本兼容性。

该 Skill 特别适合以下群体：设计 RESTful/GraphQL API 的后端工程师、构建数据管道和 ETL 流程的数据工程师、需要前后端类型共享的全栈开发者，以及制定团队数据契约标准的技术负责人。对于正在从 JavaScript 迁移到 TypeScript 或从动态类型语言迁移到 Python 的团队，其中的渐进式验证策略尤为宝贵。

使用风险主要集中在示例代码的适用性上。虽然安全审计确认无恶意代码，但部分 Bash 脚本涉及文件系统操作（如 wc、awk 处理 CSV），在生产环境使用前应根据实际文件路径和权限进行审查。另外，Skill 依赖本地安装的 Node.js、Python3 和 jq 工具，跨平台使用时需确保这些依赖的可用性和版本一致性。建议将此处提供的 Schema 定义作为起点，结合项目具体的业务规则进行定制，而非直接复制到生产环境。