Add source table hotness after match

skills/smart-data-developer/SKILL.md

@@ -87,7 +87,7 @@ conda run -n py13 ov read viking://resources/sql_snippets/{目录}/{文件}.sql
 
 | 时机 | 触发点 | 搜索内容 | 强制性 | 检索数量 |
 |-----|--------|---------|--------|---------|
-| 步骤1 - 数据源匹配后 | data-structure-fetcher 返回源表列表后 | **每个推荐表执行 4 类检索**：表结构、成功SQL、字段处理经验、业务语义 | ✅ MUST | 每表 4 次 |
+| 步骤1 - 数据源匹配后 | data-structure-fetcher 返回源表列表后 | **③ 常用数据源判断（最优先）** + 每个推荐表执行 5 类检索：表结构、成功SQL、常用判断、字段处理经验、业务语义 | ✅ MUST | 每表 5 次 |
 | 步骤1 - 核心字段确认后 | 用户确认核心字段时 | 对核心字段进行专项检索 | ✅ MUST | 每字段 3 次 |
 | 步骤2 - 模型设计前 | 用户确认需求后，开始模型设计 | OV 检索分层规范、参考案例 | ✅ MUST | 2-3 次 |
 | 步骤3 - SQL 编写前 | 用户确认模型设计后，开始编写 SQL | OV 检索语法、成功案例 | ✅ MUST | 3-5 次 |
@@ -96,12 +96,13 @@ conda run -n py13 ov read viking://resources/sql_snippets/{目录}/{文件}.sql
 
 **数据源匹配后的具体检索内容**
 
-| 检索类型 | 目的 | 命令（py13 环境） |
-|---------|------|-----------------|
-| ① 表结构检索 | 确认字段定义 | `conda run -n py13 ov grep "{表名}" --uri "viking://resources/table-metadata" --node-limit 10` |
-| ② 成功SQL检索 | 找历史代码案例 | `conda run -n py13 ov grep "{表名}" --uri "viking://resources/sql_snippets" --node-limit 15` |
-| ③ 字段处理经验 | 了解处理方式 | `conda run -n py13 ov grep "{表名}" --uri "viking://resources/field-process-memory" --node-limit 10` |
-| ④ 业务语义检索 | 业务使用经验 | `conda run -n py13 ov find "{表名} {业务}" --uri "viking://resources/field-process-memory" --threshold 0.2` |
+| 检索类型 | 目的 | 命令（py13 环境） | 优先级 |
+|---------|------|-----------------|--------|
+| ③ 常用数据源判断 | **判断是否为常用数据源**（历史使用频率、稳定性） | `conda run -n py13 ov grep "{表名}" --uri "viking://resources/field-process-memory" --node-limit 10` | **最高（立即执行）** |
+| ① 表结构检索 | 确认字段定义 | `conda run -n py13 ov grep "{表名}" --uri "viking://resources/table-metadata" --node-limit 10` | 高 |
+| ② 成功SQL检索 | 找历史代码案例 | `conda run -n py13 ov grep "{表名}" --uri "viking://resources/sql_snippets" --node-limit 15` | 高 |
+| ④ 字段处理经验 | 了解处理方式 | `conda run -n py13 ov grep "{表名}.*{字段}" --uri "viking://resources/field-process-memory" --node-limit 10` | 中 |
+| ⑤ 业务语义检索 | 业务使用经验 | `conda run -n py13 ov find "{表名} {业务}" --uri "viking://resources/field-process-memory" --threshold 0.2` | 中 |
 
 ---
 
@@ -188,14 +189,59 @@ conda run -n py13 ov read viking://resources/field-process-memory/{文件}.md
 
 ---
 
-**检索策略：每个推荐表必须执行以下 4 类检索**
+**检索策略：每个推荐表必须执行以下 5 类检索**
 
 | 检索类型 | 目的 | 命令模板 | node-limit |
 |---------|------|---------|------------|
 | ① 表结构检索 | 确认表字段定义、数据类型 | `conda run -n py13 ov grep "{表名}" --uri "viking://resources/table-metadata"` | 5-10 |
 | ② 成功SQL案例检索 | 查找该表的历史成功 SQL 代码 | `conda run -n py13 ov grep "{表名}" --uri "viking://resources/sql_snippets"` | 10-15 |
-| ③ 字段处理经验检索 | 了解该表字段的常见处理方式、注意事项 | `conda run -n py13 ov grep "{表名}" --uri "viking://resources/field-process-memory"` | 5-10 |
-| ④ 业务语义检索 | 了解该表在业务场景中的使用经验 | `conda run -n py13 ov find "{表名} {业务场景}" --uri "viking://resources/field-process-memory" --threshold 0.2` | 5-10 |
+| ③ 常用数据源判断 | **判断该表是否为常用数据源**（历史使用频率、稳定性、推荐度） | `conda run -n py13 ov grep "{表名}" --uri "viking://resources/field-process-memory"` | 5-10 |
+| ④ 字段处理经验检索 | 了解该表字段的常见处理方式、注意事项 | `conda run -n py13 ov grep "{表名}.*{字段名}" --uri "viking://resources/field-process-memory"` | 5-10 |
+| ⑤ 业务语义检索 | 了解该表在业务场景中的使用经验 | `conda run -n py13 ov find "{表名} {业务场景}" --uri "viking://resources/field-process-memory" --threshold 0.2` | 5-10 |
+
+---
+
+**③ 常用数据源判断 - 详细说明**
+
+这是数据源匹配后**必须立即执行**的关键检索，用于判断推荐表是否值得采用：
+
+**执行时机**：data-structure-fetcher 返回推荐表后，**立即执行此检索**
+
+**检索命令**：
+```bash
+conda run -n py13 ov grep "{表名}" --uri "viking://resources/field-process-memory" --node-limit 10
+```
+
+**判断标准**：
+
+| 检索结果 | 判断 | 建议操作 |
+|---------|------|---------|
+| 有多条历史使用记录（≥3条） | ✅ **常用数据源** | 推荐优先采用，可参考历史处理经验 |
+| 有少量记录（1-2条） | ⚠️ **偶尔使用** | 可采用，需谨慎验证字段逻辑 |
+| 无检索结果 | ❓ **新/陌生数据源** | 需进一步验证表结构，或寻找替代表 |
+| 有警告/问题记录 | ⚠️ **有风险** | 需评估问题严重性，考虑替代方案 |
+
+**结果展示格式**：
+```
+📋 常用数据源判断结果：
+
+【dwd_crm_srv_complaint_rt】
+- 检索结果：找到 5 条历史使用记录
+- 判断：✅ 常用数据源（推荐采用）
+- 历史使用场景：投诉量统计、投诉处理时效、部门投诉排名
+- 注意事项：create_org_id 需关联组织表获取部门名称
+
+【dim_intnl_org_new】
+- 检索结果：找到 8 条历史使用记录
+- 判断：✅ 常用数据源（高频使用）
+- 历史使用场景：组织维度统计、部门层级分析、归属地统计
+- 注意事项：org_name 有多级命名，需按业务口径标准化
+```
+
+**决策建议**：
+- 多个推荐表中，优先选择"常用数据源"
+- 对"陌生数据源"需额外验证，或向用户确认是否采用
+- 对"有风险"数据源，建议告知用户并提供替代方案
 
 ---
 
@@ -210,13 +256,20 @@ conda run -n py13 ov grep "dwd_crm_srv_complaint_rt" --uri "viking://resources/t
 # ② 成功SQL案例检索（找历史代码）
 conda run -n py13 ov grep "dwd_crm_srv_complaint_rt" --uri "viking://resources/sql_snippets" --node-limit 15
 
-# ③ 字段处理经验检索（找处理笔记）
+# ③ 常用数据源判断（判断是否常用 - 数据源匹配后立即执行）
 conda run -n py13 ov grep "dwd_crm_srv_complaint_rt" --uri "viking://resources/field-process-memory" --node-limit 10
 
-# ④ 业务语义检索（结合业务场景）
+# ④ 字段处理经验检索（找处理笔记 - 对核心字段）
+conda run -n py13 ov grep "dwd_crm_srv_complaint_rt.complaint_id" --uri "viking://resources/field-process-memory" --node-limit 10
+
+# ⑤ 业务语义检索（结合业务场景）
 conda run -n py13 ov find "dwd_crm_srv_complaint_rt 投诉统计" --uri "viking://resources/field-process-memory" --threshold 0.2 --node-limit 10
 ```
 
+**执行顺序建议**：
+- ③ 常用数据源判断是**最优先执行**的检索，应在数据源匹配后立即执行
+- 其他检索可根据常用数据源判断结果调整执行优先级
+
 ---
 
 **检索结果利用**
@@ -228,19 +281,28 @@ conda run -n py13 ov find "dwd_crm_srv_complaint_rt 投诉统计" --uri "viking:
    📊 OV 检索结果摘要：
    
    【dwd_crm_srv_complaint_rt】
+   - 常用数据源：✅ 常用（找到 5 条历史使用记录）
    - 表结构：包含 complaint_id、create_org_id、assist_dept_org_id 等字段
    - 成功案例：找到 3 个历史 SQL（投诉量统计、投诉处理时效分析）
    - 处理经验：create_org_id 字段需关联组织架构表获取部门名称
    
    【dim_intnl_org_new】
+   - 常用数据源：✅ 常用（找到 8 条历史使用记录）
    - 表结构：包含 org_id、org_name、accnt_bureau 等字段
    - 成功案例：找到 5 个历史 SQL（部门维度统计）
    - 处理经验：org_name 有多级命名规范，需按业务口径标准化
+   
+   【dwd_new_table_2024】
+   - 常用数据源：❓ 陌生数据源（无历史使用记录）
+   - 建议：需进一步验证表结构，或寻找更成熟的替代表
    ```
 
-2. **辅助源表选择**：基于成功案例数量和质量，建议用户优先选择哪些表
+2. **辅助源表选择**：基于常用数据源判断和成功案例数量，建议用户优先选择哪些表
    ```
-   建议：dwd_crm_srv_complaint_rt 有 3 个成功案例，历史使用稳定，推荐优先选择
+   建议：
+   - ✅ 优先采用：dwd_crm_srv_complaint_rt（常用数据源，有 3 个成功案例，历史使用稳定）
+   - ✅ 优先采用：dim_intnl_org_new（常用数据源，高频使用，组织表标准参考）
+   - ⚠️ 需验证：dwd_new_table_2024（陌生数据源，建议先验证或寻找替代表）
    ```
 
 3. **预加载到上下文**：检索到的成功案例和字段处理经验，需在后续模型设计和 SQL 编写时引用
@@ -251,10 +313,11 @@ conda run -n py13 ov find "dwd_crm_srv_complaint_rt 投诉统计" --uri "viking:
 
 | 时间点 | 触发条件 | 检索内容 | 强制性 |
 |-------|---------|---------|--------|
-| data-structure-fetcher 返回后 | 推荐表列表返回 | 每个表的 4 类检索 | ✅ MUST |
-| 用户补充新表名时 | 用户提及陌生表名 | 立刻 OV 检索该表 | ✅ MUST |
+| data-structure-fetcher 返回后 | 推荐表列表返回 | **③ 常用数据源判断（最优先）** + 每个表的 5 类检索 | ✅ MUST |
+| 用户补充新表名时 | 用户提及陌生表名 | 立刻 OV 检索该表（优先执行常用数据源判断） | ✅ MUST |
 | 用户询问字段含义时 | 用户对字段有疑问 | OV grep 该表.字段 | ✅ MUST |
 | 发现字段歧义时 | 同一字段有多来源 | OV find 语义检索 | ✅ MUST |
+| 陌生数据源判断后 | 无历史使用记录 | 额外验证表结构，或建议替代表 | ✅ MUST |
 
 ---