Airflow DAG：每日企业AI落地 ETL与数据质量检查 AI

#tools-stack #discuss #落地

AI 摘要：用Airflow编排：拉取→解析→聚合→质检→发布。 from airflow import DAG from airflow.operators.python import PythonOperator from datetime imp

用Airflow编排：拉取→解析→聚合→质检→发布。

code

from airflow import DAG
from airflow.operators.python import PythonOperator
from datetime import datetime, timedelta

with DAG(
    dag_id="企业AI落地_daily",
    start_date=datetime(2026, 1, 1),
    schedule_interval="0 3 * * *",
    catchup=False,

) as dag:

code

    extract = PythonOperator(task_id="extract", python_callable=lambda: None)
    transform = PythonOperator(task_id="transform", python_callable=lambda: None)
    qa = PythonOperator(task_id="qa", python_callable=lambda: None)
    publish = PythonOperator(task_id="publish", python_callable=lambda: None)

extract >> transform >> qa >> publish

QA任务会检查：行数、空值率、与昨日差异。失败就阻断发布，避免脏数据进报表。

Airflow升级很痛苦，你们用MWAA还是自托管？

（场景参考：珠三角本地企业试点）

延伸阅读

票据识别试点：财务岗人机怎么分工？杭州企业知识库对接业务系统的坑内容已经进系统但不调用，可能卡在权限新人提问：第一岗该选催发货还是对账？内容已经进系统但不调用，可能卡在权限