能力域：
研发团队新员工 DeepSeek Harness 使用规范 一、背景与问题 近期发现，部分新入职研发人员在几乎未阅读中型复杂项目完整代码的情况下，直接使用 DeepSeek Harness 进行祈祷式编程，并在聊天过程中完成代码生成与修改。由此产生以下问题： 二、规范目的 开发人员应重新理解需求、思考实现方式，避免祈祷式编程——即不经过需求分析与实现设计，直接将需求抛给工具、寄希望于其自动产出可用代码的做法。通过本规范，引导新入职研发人员建立正确的需求理解与实现设计习惯，保障项目代码质量与仓库安全。 三、规范要求 …
一、安装wsl 在microsoft store搜索安装ubuntu启用wsl，或者用超级管理员权限下执行安装wsl： 二、进入wsl 找到新增的ubuntu图标，点击后进入终端版ubuntu。自己初始化用户名和密码。 三、更新源安装python 创建虚拟环境 四、安装dsh 五、挂载dsh的工作目录 1、注意修改用户名，把thsmart替换成你的用户名 2、win11本地磁盘【我的文档】下的新建dsh文件夹，在dsh目录下面放代码文件夹，任务文件夹即可。 创建快捷打开dsh命令 编辑时 vim ~/dshw.sh…
文件分为图片和其他。文件可以通过公网可访问的url或者base64传递。文件不允许通过公网url访问，只允许先上传到文件系统，先获取fileid，然后把fileid传给/v1/chat/completions 接口即可。 图片公网URL案例： 图片Base64案例： 普通文件案例： 多图多文件混合的请求结构：
出处：https://www.bilibili.com/video/BV1jbXKBGECC/ spark_agent_learn.py 结构图 · 纯文字版 这是 spark_agent_learn_guide.md 里 9 张 Mermaid 图的纯文字对照版：不依赖任何渲染器，任何编辑器里都能读。约定：缩进表示"属于/由谁产生"，-> 表示"然后/流向"，[?] 表示判断分支。全文只用函数名、类名、常量名定位，不用行号。 图 1 · 全局架构（10 个部件与数据流） 图 2 · 主循环（含 5 个 Ho…
在现代数据平台中，数据处理链路通常可以抽象成： 如果数据采集使用 SeaTunnel，调度使用 DolphinScheduler，数据仓库使用 ClickHouse、Doris、Snowflake、BigQuery 等，那么还有一个非常关键的问题： 谁负责把这些原始数据转换成真正可以被业务使用的数据模型？ 过去几年，这个问题几乎可以直接回答： dbt。 但现在，一个非常值得关注的竞争者出现了： SQLMesh。 两者表面上都可以写 SQL、建立模型、管理 DAG、执行测试，因此很多人会把 SQLMesh 简单理解为…
dbt中文教程文档见下： 文档目录 01 dbt 工程配置说明 工程：dbt_factory/（通用制造工厂数据中台）。数仓库 data/dwh.duckdb，源库 data/raw.duckdb（只读挂载）。实测：dbt build 全量 402/402 全部通过（详见 docs/run_report.md）。 1. 环境准备 1.1 软件版本（实测） 组件 版本 说明 Python 3.14.4 虚拟环境位于仓库根目录 venv/ dbt-core 1.12.3 数据转换框架 dbt-duckdb 1.11.0…
数字工厂决策系统，分析之前，根据业务流程，需要分析的维度，每种维度（组织维度：部门角色 要素维度：人机料法环 ）观测尺度：年月日周下去定义指标。形成指标体系 数据需要先治理开发，开发中记录target-source的关系，形成血缘。 数据治理流程： ODS贴源层：原始数据表DWD明细层：数据清洗、去重纠错，改善数据质量。数据字典标准：人、机、料等建立统一字典，并对相关数据重映射。包含原子指标。DWS汇总层：按天/组织/人机料法环进行group聚合ADS应用层：计算派生指标，直接面向决策分析BI