可进化的分析准则库 (Evolving Tenets Library)

数据分析不仅是一门技术，更是一项涉及业务理解、数据纪律、安全隐私的严谨工作。传统的 Text-to-SQL 助手往往因为缺乏具体的业务指导与合规底线，容易犯下数据编造、指标张冠李戴、PII 泄漏等严重事故。

为此，LakeMind 首创了“可进化的分析准则库”体系。它是一套遵循谷歌开源 OKF (Open Knowledge Format) v0.1 规范 的本地 Markdown 知识包，以“宪法式”分层结构治理，随软件分发，且支持随着您的真实业务教训不断补充与自主演化。

---

1. 宪法式分层治理架构

准则库物理存储在本地主目录的 ~/.lakemind/tenets/ 目录下（所有工作区共享，属于软件资产）。它采用自上而下的层级治理关系，防止准则之间产生逻辑冲突：

总则 (general-principles) ── 根本原则，最高“宪法”
  ├─ 数据纪律红线 (data-discipline)   ┐ 纪律管真实，安全管合规，
  ├─ 数据安全准则 (data-security)     ┘ 构成跨阶段的不可触碰底线
  ├─ 阶段分则 (data-profiling / data-metrics / data-cleaning / data-analysis / data-presentation)
  └─ 行业与主题准则 (industry/ / topic/) ── 针对具体业务垂直特化

1.1 总则 (General Principles)

位于 core/general-principles.md。定义了跨行业普适的六个根本原则：

• 第一条：实事求是 —— 分析的唯一目的是还原事实，而非证明假设或美化指标。
• 第二条：数据为证 —— 结论中的每一个数字都必须有可追溯的查询来源。
• 第三条：归属正确 —— 拒绝“张冠李戴”，数字永远仅对其查询对应的筛选条件与维度生效。
• 第四条：最小假设 —— 不做超出数据范围的盲目因果推断。
• 第五条：先理解后分析 —— 杜绝拿来数据就盲目写 SQL，必须先进行数据画像。
• 第六条：分析可复现 —— 业务口径、清洗步骤必须文档化写入 OKF 知识库以供他人复现。

1.2 横切底线 (Cross-cutting Baselines)

• 数据纪律红线 (core/data-discipline.md)：定义了“绝对禁止编造数字”、“张冠李戴”、“整数截断”等五条不可逾越的红线。
• 数据安全准则 (core/data-security.md)：定义了个人敏感信息 (PII) 识别标准、默认脱敏策略、数据安全分级与未成年人数据高敏特化处理。

1.3 阶段分则 (Phase Playbooks)

将分析流程拆解为五个具体的执行步骤：

1. 数据画像 (core/data-profiling.md)：时间范围摸底、空值率与主外键一致性评估、字段类型错配识别。
2. 指标体系与口径 (core/data-metrics.md)：定义指标五要素（分子、分母、窗口、单位、去重），防止口径缺失。
3. 数据清洗 (core/data-cleaning.md)：脏数据过滤策略、防范多表 JOIN 导致的行数“爆炸”机制。
4. 数据分析 (core/data-analysis.md)：假设驱动、多维验证，规避辛普森悖论、幸存者偏差与时间序列滞后效应。
5. 数据呈现 (core/data-presentation.md)：图表与表格的抉择心智、数字精度表示、免于双 Y 轴或截断 Y 轴误导。

1.4 垂直业务准则 (Industry & Topic Playbooks)

• 行业准则 (industry/)：例如教育行业大纲 (industry/education/index.md) 与 K12 课外辅导垂直细分准则 (industry/education/k12.md)，具体记录了诸如“体验课订单归因错误（3546单99元体验课的归因乌龙）”等真实行业惨痛教训。
• 主题准则 (topic/)：跨行业适用的专项主题，如漏斗与归因转换分析 (topic/conversion.md) 等。

---

2. 准则的初始化与增量播种 (Seeding)

为了让用户在首次安装软件时就能够“冷启动”获得前人积累的经验，LakeMind 设计了安全的播种机制：

• 首次启动初始化：应用在第一次运行或新建工作区时，会将编译在二进制中的“种子准则库”解压播种到用户的 ~/.lakemind/tenets/。
• 尊重用户编辑（从不覆盖）：种子写入前会执行 exists 检测。如果您对准则内容进行过修改或订正，软件升级时绝不会覆盖您的本地修改，充分保护用户资产。
• 增量播种：当 LakeMind 软件升级并引入了新的行业或阶段准则文件时，系统会仅将新增的 Markdown 种子增量补充到您的目录中。

---

3. 动态检索与渐进式注入

在对话过程中，Agent 绝对不会傻傻地把成百上千行的全部准则一股脑塞进大模型，这会造成极高的 Token 浪费并干扰模型的注意力。Agent 会采用渐进式披露与动态检索机制：

1. 大纲常驻：系统提示词（PREAMBLE）中只内联了最根本的“数据纪律五条红线”以及整体准则大纲。
2. 主动检索：当用户提出的任务涉及特定场景时，Agent 会通过专属工具进行按需检索：
   • search_tenets：当 Agent 遇到不确定或可能存在潜在陷阱的指标/概念时，调用该工具根据关键词对准则库的标签、描述、正文进行检索。
   • load_tenets：支持渐进式披露。不带参数调用可获得整个准则库的树状目录大纲；带标签可批量筛选相关准则；带具体 concept_id（如 industry/education/k12）可直接精读该条准则并注入上下文。

---

4. 准则的自主演化 (Evolution)

准则不是一成不变的，它是活的知识。 LakeMind 建立了准则本身的元规则 (core/meta-governance.md)，要求所有的准则变更必须遵循规范：

• 基于真实教训，禁止凭空捏造：新增或修改一条准则时，正文末尾必须保留 # Citations 块，指明该规则源自哪一次真实的对话纠正或分析 Bug，用真实的 Citadel 案例给 Agent 提供极具说服力的“反面教材”。
• 直接编辑 Markdown 演化：由于准则全部为本地纯 Markdown 文本，您可以直接用自己喜欢的编辑器编辑 ~/.lakemind/tenets/ 下的任何文件（例如，根据你们公司的安全规范直接修改 core/data-security.md 中的脱敏格式）。Agent 会实时读取并遵照新的准则执行。
• Git 版本保护：准则库目录支持进行 Git 初始化与版本控制，您对准则的每一次修改、定制都可追踪、可回退，甚至可以通过 Git 与团队其他成员协同共享同一套最新的“数据宪法”。