@artale/pi-grounded
基于证据的零样本数据结构发现与文档生成工具
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：@artale/pi-grounded。 它的用途是：基于证据的零样本数据结构发现与文档生成工具 详细介绍见：https://321skill.com/skills/artale-pi-grounded/ 请根据该页面的说明完成安装。
使用示例
“分析一下这个API返回的JSON数据，帮我推断出它的数据模式。” 它会自动解析你提供的JSON对象，识别出所有字段、数据类型、嵌套对象和数组，并生成一份清晰的Schema文档。这份文档会明确指出，例如‘user.address.city字段被推断为字符串类型’，是基于样本中某个具体值‘New York’得出的结论。
介绍
在开发或数据探索过程中，我们常常需要理解未知或结构复杂的数据格式，例如API响应、JSON文件或数据库记录。手动分析这些结构不仅耗时，而且容易出错，尤其当数据来源多样、缺乏文档时。本工具旨在解决这一痛点，它能自动分析输入数据，推断出清晰、规范的数据模式（Schema），并生成附带证据的文档，让数据结构一目了然。
使用起来非常直接。你只需将任意结构的数据（如JSON对象）提供给该工具，它就会启动一个零样本（Zero-shot）的分析过程。这个过程无需你预先定义任何规则或提供示例，工具会自主探索数据中的字段、类型、嵌套关系和潜在约束，最终输出一份自解释的（Self-documenting）模式描述。更重要的是，它的每一个推断结论都附有来源“证据”，明确指出是基于哪个数据点得出的判断，极大提升了可信度和可追溯性。
这个工具非常适合后端开发者、数据工程师、全栈工程师以及任何需要频繁与未知数据接口打交道的技术人员。当你在集成第三方API、重构遗留系统数据层、或进行数据迁移和清洗时，它能帮助你快速理解数据全貌，节省大量手动梳理的时间。对于团队协作和知识传承，它生成的带证据的模式文档也是极佳的技术资产。
建议在初步探索阶段或代码审查前使用本工具，以建立对数据结构的基准理解。请注意，其分析深度依赖于输入数据的代表性和完整性，如果提供的数据样本过少或过于特殊，可能无法反映全部情况。因此，最好提供尽可能典型和多样的数据样本。对于高度动态或无固定结构的数据（如完全自由的文本字段），工具可能无法生成有意义的约束描述。
核心特点
核心区别在于其“证据落地”（Evidence-grounded）和“零样本”（Zero-shot）能力：它能自动为模式发现过程中的每一个决策（如字段类型、是否可选）提供具体的数据点作为引用证据，无需任何预先训练或示例，真正实现开箱即用的自文档化。
注意事项
不适合处理完全非结构化、高度动态或样本极度匮乏的数据，其推断质量严重依赖输入数据的代表性和一致性。
常见问题
pi-grounded 能处理 XML 或 YAML 数据吗？
主要针对JSON类结构化数据，需先转换为JS对象。
生成的Schema可以直接用于数据验证吗？
它主要提供描述性发现和文档，并非严格的验证器，但生成的模式可作为验证规则的基础。