Architecture Review Checklist
by MatrixFounder
Детальный чек-лист для проверки Архитектуры Системы и Моделей Данных.
Skill Details
Repository Files
1 file in this skill directory
name: architecture-review-checklist description: Детальный чек-лист для проверки Архитектуры Системы и Моделей Данных. version: 1.0
Чек-лист Проверки Архитектуры (Architecture Review Checklist)
1. Соответствие ТЗ
- Покрытие: Все ли Use Case'ы сопоставлены с компонентами?
- Ограничения: Соблюдены ли нефункциональные требования?
2. Модель Данных (КРИТИЧНО)
- Полнота: Все ли сущности, атрибуты, связи определены?
- Типы: Правильно ли выбраны типы данных? (например, TIMESTAMP vs VARCHAR)
- Индексы: Определены ли для частых запросов?
- Миграции: Есть ли план для существующих данных?
- Бизнес-правила: Constraint'ы (UNIQUE, NOT NULL) enforced?
3. Дизайн Системы
- Простота: Минимальное количество движущихся частей? (Нет overengineering).
- Стиль: Паттерн соответствует проблеме (Монолит vs Микросервисы).
- Границы: Четкое разделение обязанностей (SRP).
4. Безопасность
- Auth: Аутентификация и Авторизация определены?
- Защита: Учтен ли OWASP Top 10?
- Секреты: Нет ли зашитых ключей (hardcoded keys)?
5. Масштабируемость и Надежность
- Масштабирование: Стратегия горизонтального/вертикального масштабирования?
- Сбои: Обработка ошибок, повторные попытки (retries), бэкапы?
Протокол Критичности
- 🔴 BLOCKING: Ошибка в Модели Данных, Дыра в безопасности, Невыполненное требование ТЗ.
- 🟡 MAJOR: Пропущенный индекс, Сомнительный выбор технологии, Неясный интерфейс.
- 🟢 MINOR: Ясность описания, опечатки.
Related Skills
Attack Tree Construction
Build comprehensive attack trees to visualize threat paths. Use when mapping attack scenarios, identifying defense gaps, or communicating security risks to stakeholders.
Grafana Dashboards
Create and manage production Grafana dashboards for real-time visualization of system and application metrics. Use when building monitoring dashboards, visualizing metrics, or creating operational observability interfaces.
Matplotlib
Foundational plotting library. Create line plots, scatter, bar, histograms, heatmaps, 3D, subplots, export PNG/PDF/SVG, for scientific visualization and publication figures.
Scientific Visualization
Create publication figures with matplotlib/seaborn/plotly. Multi-panel layouts, error bars, significance markers, colorblind-safe, export PDF/EPS/TIFF, for journal-ready scientific plots.
Seaborn
Statistical visualization. Scatter, box, violin, heatmaps, pair plots, regression, correlation matrices, KDE, faceted plots, for exploratory analysis and publication figures.
Shap
Model interpretability and explainability using SHAP (SHapley Additive exPlanations). Use this skill when explaining machine learning model predictions, computing feature importance, generating SHAP plots (waterfall, beeswarm, bar, scatter, force, heatmap), debugging models, analyzing model bias or fairness, comparing models, or implementing explainable AI. Works with tree-based models (XGBoost, LightGBM, Random Forest), deep learning (TensorFlow, PyTorch), linear models, and any black-box model
Pydeseq2
Differential gene expression analysis (Python DESeq2). Identify DE genes from bulk RNA-seq counts, Wald tests, FDR correction, volcano/MA plots, for RNA-seq analysis.
Query Writing
For writing and executing SQL queries - from simple single-table queries to complex multi-table JOINs and aggregations
Pydeseq2
Differential gene expression analysis (Python DESeq2). Identify DE genes from bulk RNA-seq counts, Wald tests, FDR correction, volcano/MA plots, for RNA-seq analysis.
Scientific Visualization
Meta-skill for publication-ready figures. Use when creating journal submission figures requiring multi-panel layouts, significance annotations, error bars, colorblind-safe palettes, and specific journal formatting (Nature, Science, Cell). Orchestrates matplotlib/seaborn/plotly with publication styles. For quick exploration use seaborn or plotly directly.