得物以Spec双路径和Skills固化数据研发经验

三处场景共用「规范化输入/输出」契约：①智能周报生成，鉴于 LLM 为概率模型不擅长精确运算，直接读原始 CSV 易出现「1+1=3」式幻觉，系统以同一份规范文档充当单一可信源（研发期由 LLM 把字段口径、聚合顺序与格式规则编译为 Python 确定性计算模块，运行期同一份规范作为约束契约驱动语义叙事），形成路径一 Python 计算层做 WoW/YoY、渠道贡献度排序与万/亿分档，路径二 LLM 只做趋势判断与业务归因的双路径架构，把不确定性限制在语义层、数值精度责任锁定在代码层。 ②智能测试，面向含严格勾稽关系的财务指标（实收、补贴、平台服务费等），把测试契约前置，注入 DDL 与口径文档和上游数据分布特征后由 LLM 自动生成覆盖主键唯一性、非空校验、枚举值分布与业务边界的用例，执行后经 MCP 读执行日志做闭环诊断并区分底层逻辑错误与可接受浮点精度误差，某财务项目自动生成 20 余个复杂校验 SQL，数据质量卡点前置到开发阶段。 ③Spark UI Skill，通过 MCP 或监控脚本把 Stage 耗时、Task 倾斜度、GC 时间与 Explain 执行计划转成结构化 JSON/文本注入，LLM 结合历史调优专家经验库做诊断推演并强制输出含根因定位、调优建议（如调整 spark.sql.shuffle.partitions 或引入 Broadcast Join）与代码草案的诊断报告，把单次复杂任务排查时间从数小时缩减至分钟级。