数据管道运维工具集产品系统Vibe Coding

做数据采集和定时任务的人基本都遇到过这几种情况：数据拉下来了但值是冻结的，
时间戳还在往前走；某个源悄悄断了几天才被发现；同一个事件被记了两次，统计凭空翻倍。
这些问题的共同点是——不会报错。等下游出了结论才发现，已经晚了。
这套工具就是专门针对这类「静默失败」做的检查。

三个模块：
一、数据质量校验。对每个数据源做四项检查：数值是否长时间不变（冻结）、
是否比同批其他源落后（停更）、是否存在长时间冻结后突然跳变（拼接）、时间戳是否连续。
输出一份问题清单，按严重程度排序。
二、日志审计。把系统状态文件和事件流水对一遍，找出重复记账、事件丢失、状态与流水不一致。
重复的判据是「字段全同 且 时间间隔在窗口内」，指纹里带事后余额，
避免把金额相同的两笔真实交易误判为重复。
三、服务健康监控。判断每个定时任务是真在跑、还是卡住了、还是压根没被触发。
输出分级结论（正常 / 迟到 / 漏跑 / 进程不在 / 心跳有空档），不是一个简单的通过或失败。

我一个人做的，从设计到实现。
技术栈：Python 3（纯标准库，无第三方依赖）、SQLite 存状态、Linux cron 做定时调度。
几个实现上的取舍：
1. 阈值不拍脑袋。每个判定阈值后面都标了实测依据——比如「连续 N 期数值完全相同」
这个 N 定 10，是因为正常数据实测最长只连续 1 期不变，取 10 留了 10 倍余量。
阈值被质疑时能立刻拿出依据，而不是「我觉得差不多」。

2. 判据用相对值不用绝对值。「落后 3 天算停更」这种绝对阈值，放在一个整体都慢的
数据源上会误杀全池。所以滞后判断用池内中位数做基准。
3. 宁可少查一类，也不制造假警报。有些模块没有完整事件流，硬做比对会天天报错，
所以显式排除。假警报比不报警更糟，因为人会开始忽略所有警报。
三个仓库都在 GitHub 上，能直接 clone 下来跑，自带演示数据。