本模块产出物：
· 讲义式 PPT：
· 精选电子书书单：
· 原始素材留痕：
· 讲义式 PPT：
Data-Engineering-讲义.pptx（主力成品，70 页，✅ 已完成）· 精选电子书书单：
电子书书单.md（8 项）· 原始素材留痕：
raw-data/（含 2026-07-11 联网核实笔记）
章节列表与状态
| # | 章节 | 要点 | 状态 |
|---|---|---|---|
| 1 | 数据就绪度是第一风险 | 全库五处证据、四问评估（在哪/格式/权限/变更频率）、管线总图与报价项 | ✅ 已完成 |
| 2 | 文档解析管线 | 四强格局（LlamaParse/Docling/MinerU/Unstructured）+ 云文档智能、基准口径、表格保真分水岭、用客户最难 20 份自测 | ✅ 已完成 |
| 3 | 连接器与增量同步 | 连接器五件事、增量三模式（轮询/webhook/CDC）、去重与失效两件脏活 | ✅ 已完成 |
| 4 | 向量库选型深潜 | 五锚点（pgvector 50–100M 上限/Qdrant/Milvus/ES 混合/托管）、按规模演进、迁移纪律 | ✅ 已完成 |
| 5 | 数据质量与覆盖率 | 质量四指标仪表盘、坏答案回流（修数据不改提示词）、覆盖率清单 = 治理入口 | ✅ 已完成 |
| 6 | 标注与合成数据运营 | 预算三去向（种子/扩量/抽检）、评估集与训练集双线、坏例分流口诀 | ✅ 已完成 |
| 7 | 治理与权限衔接 | 三执行点（ACL 映射/采集点脱敏/联动删除）、越权测试门禁、向量化≠匿名化 | ✅ 已完成 |
| 8 | 售前速查 | 管线总图、工具速查卡、八坑清单、串联地图 | ✅ 已完成 |
串联：本模块是全库多条线的上游：
- Solution-Patterns：SP 说「数据坑是第一风险」「连接器是报价大头」，本模块给工程清单与报价明细（双向）。
- RAG：解析产物交给切分（第 3 章）、向量库承载检索（第 2 章）——上游供给关系（双向）。
- AI-Ops：坏答案回流归因到数据层；质量运营与运维包同节奏合并交付。
- Fine-tuning / Evaluation：合成数据配方与评估集方法在那边，本模块管预算与双线运营。
- Security：规则在那边，数据管线三执行点在这边。
可增补方向：数据治理/合规专章（地图占位中，与未来中国合规章联动）、多模态数据管线（图纸/音视频入库）、数据集市与特征store 视角。将来任意加一章，沿用本模块每章结构即可。