1. 项目概述

datoon 是一个面向 LLM 数据工作负载的命令行工具，主要解决将多源异构数据快速转换为大模型可用训练/推理格式的问题。仓库以 Python 包形式发布，源码位于 src/datoon/，并通过 pyproject.toml 进行构建与依赖管理 资料来源：pyproject.toml:1-40。

工具的核心职责可以概括为三点：

• 多格式读取：内置 CSV、JSONL、YAML、XML、Excel、Parquet、Avro、ORC 与 Apple Numbers 等多种格式读取器，统一暴露为 readers 子包入口 资料来源：src/datoon/readers/__init__.py:1-40。
• 格式转换与 Token 估算：通过 converter 模块将读取到的数据规整为 LLM 友好格式，并使用 tiktoken 进行 token 数量估算 资料来源：src/datoon/converter.py:1-60。
• MCP 集成：自 v1.7.0 起，datoon 可作为 MCP（Model Context Protocol）服务器对外暴露，并已在 Registry、Smithery、Glama 等市场登记 资料来源：README.md:1-80。

数据模型与对外暴露的公共符号集中在 src/datoon/__init__.py 与 src/datoon/models.py 中，方便被其它 Python 项目以库的形式直接调用 资料来源：src/datoon/__init__.py:1-30。

2. 安装

datoon 通过 pyproject.toml 声明项目元数据与依赖，使用标准的 pip 或兼容工具即可完成安装 资料来源：pyproject.toml:1-80。

# 从 GitHub 直接安装最新发布版本
pip install datoon

# 或安装指定版本（当前最新为 v1.9.1）
pip install datoon==1.9.1

# 从源码安装（推荐用于开发）
git clone https://github.com/andrii-su/datoon.git
cd datoon
pip install -e .

由于工具依赖 tiktoken、pyyaml、pandas、openpyxl、pyarrow、fastavro、pyorc 等可选库，部分格式（如 Avro、ORC、Numbers）需要相应的系统级依赖；具体可选依赖组在 pyproject.toml 中按 extras 提供 资料来源：pyproject.toml:40-120。安装完成后可通过 datoon --version 验证版本，datoon --help 查看可用子命令 资料来源：src/datoon/cli.py:1-40。

3. 快速入门

CLI 由 src/datoon/cli.py 中的入口函数组织，遵循子命令 + 选项的常见模式 资料来源：src/datoon/cli.py:1-60。

3.1 读取与转换

下面给出几个常见用法，假设当前目录存在 data.jsonl、data.csv 等文件：

# 将 JSONL 数据转为统一的 LLM 格式并输出到 stdout
datoon convert data.jsonl --format jsonl

# 指定输出文件
datoon convert data.jsonl -o output.jsonl

# 多格式输入：读取 Excel 工作表
datoon convert report.xlsx --sheet Sheet1 -o output.jsonl

# 读取 Apple Numbers 表格
datoon convert report.numbers --table Sheet1 -o output.jsonl

--sheet 与 --table 参数在 v1.8.0 中加入，用于在处理 Excel 与 Numbers 输入时选择具体工作表/表格 资料来源：README.md:40-120。

3.2 Token 数量估算

自 v1.9.0 起，token 编码默认改为 o200k_base，并可通过参数自定义，更贴合 GPT-4o/Claude 等当代模型的分词方式 资料来源：src/datoon/converter.py:60-120。

# 使用默认编码估算 token 数
datoon tokens data.jsonl

# 指定编码
datoon tokens data.jsonl --encoding o200k_base

4. 核心能力概览

下表汇总了 datoon 当前主要能力及其首次引入的版本，便于读者快速定位能力边界。

读者在使用过程中如需进一步排错，可参考已有的社区讨论，例如读取器错误类型不一致（#41）、YAML 列表项校验（#43）、cli.py 中 Sequence 导入位置（#44）等，这些讨论反映了当前边界与待改进点 资料来源：src/datoon/readers/yaml.py:1-40。

至此，读者已了解 datoon 的定位、安装方式以及最常用的命令。后续可按需深入到各读取器、转换器或 MCP 集成的具体实现细节。

1. 管线总览与模块协作

datoon 的核心目标是把来自多种结构化来源（CSV、JSONL、YAML、XML、Excel、Parquet、Avro、ORC、Numbers）的数据，规范化为可直接送入 LLM 工作流的统一表示，并在此过程中提供可控、可审计的决策门控（gating）。整体管线由读取层、转换层、分析层与外部接口层构成，CLI 与 MCP 服务器分别承载命令行与模型上下文协议两种调用入口。

flowchart LR
    A[输入文件] --> B[readers/* 读取与规范化]
    B --> C[converter.py 转换]
    C --> D[analyzer.py 分析]
    D --> E{出口}
    E -->|CLI| F[cli.py]
    E -->|MCP| G[mcp_server.py]

读取层通过派发器按扩展名选择具体 reader；转换层负责统一结构与 token 估算；分析层提供指标；CLI 与 MCP 服务器负责把结果暴露给最终用户。资料来源：src/datoon/readers/__init__.py:1-120 src/datoon/cli.py:1-200 src/datoon/mcp_server.py:1-200

2. 多格式读取与规范化门控

读取层在 v1.6.0 起支持九种格式，由 readers/__init__.py 中的派发器按文件类型分发。各类 reader 暴露统一的 read 契约，但内部各自维护解析与规范化策略，因此读层构成了第一道"决策门控"。

安全性门控：readers/xml.py 显式拒绝 DTD/DOCTYPE 声明以阻断 XML 实体扩展（XXE/Billion Laughs）类 DoS。资料来源：src/datoon/readers/xml.py:1-80

语义保留门控：v1.7.2 修复了标量与行强制转换过程中破坏语义值的问题，转换器须在类型推断时保留字符串/数字/布尔/日期等语义，而不是一律转字符串。资料来源：src/datoon/converter.py:1-150 src/datoon/models.py:1-100

结构归一门控：readers/yaml.py::_normalize 将 YAML 的 dict/list 形态归一为记录列表，但当前实现对 list 元素是否全部为对象不做校验，存在把标量混入而触发下游错误的隐患（参见社区议题 #43）。同时该函数对非预期形态直接抛出 ValueError。资料来源：src/datoon/readers/yaml.py:1-60 src/datoon/errors.py:1-50

3. Token 估算与编码决策门控

转换层的关键决策之一是为 token 估算选择 tiktoken 编码。自 v1.9.0 起，加载逻辑由 _load_token_encoder 实现，编码可由配置指定，默认值已切换到 o200k_base（GPT-4o / o-series 风格），以贴合目标模型的真实分词方式；早期默认 cl100k_base（GPT-3.5/4 时代）已被替代，社区议题 #42 仍在讨论为 Claude 等非 tiktoken 模型提供更精确的估算通道。资料来源：src/datoon/converter.py:1-200 src/datoon/analyzer.py:1-120

4. 错误分类与传播门控

转换过程中错误的分类是调用方决定是否重试、跳过还是中止的关键依据。当前 reader 的错误类型并不统一：

CLI 顶层目前以 (OSError, ValueError, DatoonError) 元组方式宽口径捕获，正是上述不统一分类的折中；社区议题 #41 提议收敛到统一的 DatoonError 体系，使上层可以基于异常类型做更精细的策略路由。资料来源：src/datoon/readers/__init__.py:1-120 src/datoon/errors.py:1-60 src/datoon/cli.py:1-200

另一道隐式门控在 converter 内部：v1.7.3 修复了 NaN / Infinity 等非有限 JSON 常量被原样透传的问题，转换器在写回前必须拒绝这些值，防止下游 JSON 解析器（标准 JSON 不支持这些常量）出现非确定性失败。资料来源：src/datoon/converter.py:1-200

5. 入口与协议层

CLI 通过 --sheet / --table（v1.8.0）显式选择 Excel/Numbers 文件中的具体工作表，扩展了读取层的二维结构门控；MCP 服务器则在 initialize 握手阶段上报当前 datoon 版本（v1.7.1），并自 v1.7.0 起在 Registry、Smithery、Glama 等市场上可被发现，使模型客户端可以按版本与能力协商调用入口。资料来源：src/datoon/cli.py:1-200 src/datoon/mcp_server.py:1-200

综上，datoon 的"核心转换流程与决策门控机制"是一组围绕读取安全、语义保真、编码一致、错误可路由展开的多层闸门，每一层都对应一条可被配置或代码审查独立验证的契约。

概述

datoon 的 readers 子包为 LLM 数据准备场景提供了一套统一的多格式输入适配层。它在 v1.6.0 中以「add multi-format readers」特性引入，覆盖 CSV、JSONL、YAML、XML、Excel、Parquet、Avro、ORC 与 Numbers 等格式 资料来源：releases/v1.6.0。所有读取器对外暴露同一接口契约，内部各自完成「解析 → 类型推断 → 行级归一化」的流水线，最终向调用方返回 list[dict] 形式的记录集合，供 converter / metrics 等下游组件消费。

整套子系统的设计目标是：

• 接口一致：以 read(path, **opts) 形式分派，便于上层 CLI 与 MCP 工具复用。
• 数据归一：将不同结构（list、dict-of-list、单标量）的源文件归一为可被下游 TokenEstimator 处理的行式记录。
• 防御式解析：对 XML 等高风险格式阻断 DTD / DOCTYPE，防止实体扩展型 DoS 资料来源：releases/v1.7.4。

读取器分派与公共契约

readers/__init__.py 是入口分派层，它集中维护「扩展名 → 读取器模块」的映射关系并暴露统一的 read()。CLI 层只依赖这一个入口，因此新增格式只需在此处注册。CLI 端针对 I/O 类故障通常会捕获一个较宽的异常元组，例如 (OSError, ValueError, DatoonError) 资料来源：src/datoon/cli.py，这意味着读取器抛出的异常类型需要在该元组覆盖范围内。

各格式读取器的职责可概括为：

资料来源：src/datoon/readers/__init__.py src/datoon/readers/csv.py src/datoon/readers/excel.py。

归一化策略与已知缺陷

归一化是把「源文件中形态各异的结构」折叠成统一行记录的关键步骤，不同格式的实现差异较大。

JSONL：行级强校验

JSONL 读取器逐行解析并对空行、类型不符的情况报错，错误已统一到项目级异常 DatoonError，便于调用方精确捕获 资料来源：src/datoon/readers/jsonl.py。

YAML：列表项未校验

yaml.py::_normalize 在 isinstance(data, list) 分支直接返回，对列表项是否为对象 (dict) 没有进行检查；当顶层 list 中混入标量时，下游 schema 推断会出现偏差。这是社区提出的待修缺陷 资料来源：issue #43。建议在 _normalize 中追加 all(isinstance(item, dict) for item in data) 的守卫，并在失败时抛出 DatoonError 以与 JSONL 行为对齐。

CSV / Excel：标量值语义保留

数值、空串与日期类标量在 coercion 阶段会被特别保留其语义类型，避免被统一转成字符串丢失精度 资料来源：releases/v1.7.2。Excel 读取器需要 --sheet / --table 显式选择工作表或具名表，避免在含多表的工作簿上默认选取首张表造成误读 资料来源：releases/v1.8.0。

XML：结构性防御

XML 读取器在解析前置拒绝含有 <!DOCTYPE> 或 <!ENTITY> 声明的输入，阻断 billion-laughs / XXE 类攻击；该行为随 v1.7.4 一并发布 资料来源：src/datoon/readers/xml.py releases/v1.7.4。

错误处理与一致性

当前错误类型在各读取器之间并不统一：

资料来源：issue #41 src/datoon/errors.py。

这种不一致导致 CLI 不得不通过元组异常宽匹配进行兜底。社区建议的统一方向是：让所有读取器在「输入语义不正确」时统一抛出 DatoonError，而把底层解析库自身抛出的 ValueError、json.JSONDecodeError 等作为 __cause__ 链保留，便于调试与日志聚合。

flowchart LR
    A[CLI / MCP 调用] --> B[readers/__init__.py<br/>分派]
    B --> C1[csv.py]
    B --> C2[jsonl.py]
    B --> C3[yaml.py]
    B --> C4[xml.py]
    B --> C5[excel.py]
    C1 & C2 & C3 & C4 & C5 --> D[_normalize<br/>归一化]
    D --> E[list[dict]<br/>统一记录]
    C3 -.未校验 list 项.-> F[issue #43]
    C2 -.DatoonError.-> G[issue #41<br/>错误统一]
    C4 -.拒 DTD.-> H[v1.7.4]

资料来源：src/datoon/readers/__init__.py src/datoon/readers/csv.py src/datoon/readers/jsonl.py src/datoon/readers/yaml.py src/datoon/readers/xml.py src/datoon/readers/excel.py。

相关社区讨论与延伸阅读

• #41：错误类型统一提案，建议将 ValueError 收敛到 DatoonError 以减小异常匹配面 资料来源：issue #41。
• #43：YAML 列表项类型校验缺失，提议增加 _normalize 的对象守卫 资料来源：issue #43。
• #44：cli.py 中 from typing import Sequence 属于已弃用别名，应迁回 collections.abc 资料来源：issue #44 src/datoon/cli.py。
• v1.7.4 / v1.8.0：分别带来 XML DTD 防护与 Excel 工作表/具名表选择能力，是当前读取器安全与可用性的关键里程碑 资料来源：releases/v1.7.4 releases/v1.8.0。

概述与生态定位

datoon 在仓库内构建了一套面向 AI 助手客户端的插件与技能生态,服务于"将结构化数据(CSV/JSONL/YAML/XML/Excel/Parquet/Avro/ORC/Numbers 等)转为 LLM 可消费格式"这一核心目标。生态层覆盖三类分发场景:Claude 客户端读取 .claude-plugin/ 清单,Codex 客户端读取 plugins/datoon/.codex-plugin/,通用 Agent 客户端读取 .agents/plugins/marketplace.json。技能(Skills)层则通过 plugins/datoon/skills/datoon/SKILL.md 与顶层 skills/datoon/SKILL.md 两份等价副本,在不同客户端之间复用同一套提示词范式,使任意数据源输入都能被自动路由到 datoon 的转换管线。

资料来源:plugins/datoon/skills/datoon/SKILL.md:1-30

插件清单与多渠道分发

仓库采用"一份插件逻辑、多份清单暴露"的布局,通过三套独立清单将 datoon 推送给对应生态:

资料来源:.claude-plugin/marketplace.json:1-25、资料来源:plugins/datoon/.codex-plugin/plugin.json:1-20

v1.5.0 提交 (176b900) 针对该分发链路做了加固,确保发布到 PyPI 与同步到各清单之间的版本号、入口命令、能力声明保持一致;v1.6.0 (提交 ca8de4e) 引入多格式读取器之后,任何订阅了 datoon 技能的客户端都能在不升级客户端的前提下立即支持新格式。

资料来源:.claude-plugin/plugin.json:1-40、资料来源:.agents/plugins/marketplace.json:1-30

技能复用与调用契约

技能文件遵循统一范式:首段声明触发条件(任意结构化数据需要送入 LLM 时调用 datoon CLI 或 MCP 服务器),随后给出参数化示例(读取路径、目标格式、分隔符、token 预算)与输出排版规范。两份 SKILL.md 属于有意冗余——分别面向"按顶层 skills 目录发现"的客户端与"按插件内 skills 目录发现"的客户端,因此使用 Codex 插件路径或顶层 skills 路径的客户都能命中同一份提示词契约。

资料来源:skills/datoon/SKILL.md:1-50

社区在 #44 中指出 cli.py 仍从 typing 引入 Sequence(属于 ruff UP035),虽然不影响技能对外契约,但任何对 CLI 行为或参数的微调都必须同步回到技能文件,否则下游客户端会按旧示例调用,产生静默偏离。该问题在技能层表现为"参数示例必须与当前 CLI 字面对齐",因此维护节奏应与 CLI 改动保持同步。

资料来源:plugins/datoon/skills/datoon/SKILL.md:30-60

社区运维要点与发布节奏

v1.7.0 起 datoon 进入 MCP 生态市场分发阶段,已登记的市场包括 Registry、Smithery 与 Glama,使任意启用 MCP 的助手都能在握手阶段发现 datoon 服务器。v1.7.1 进一步要求 initialize 握手显式回传版本号,客户端据此做能力协商。

资料来源:.claude-plugin/marketplace.json:10-30

运维侧的核心责任集中在三点:

1. 版本同步:每次 release 之后,三份清单(.claude-plugin/、plugins/datoon/.codex-plugin/、.agents/plugins/marketplace.json)中的版本字段必须随之回写,否则下游市场会出现"插件已升级但入口仍是旧版本"的错位。
2. 错误分类收敛:#41 指出 reader 之间异常类型不一致(jsonl 抛 DatoonError,xml/yaml 抛 ValueError,分发器抛 ValueError),上层(包括 MCP 服务器与技能调用方)只能靠捕获宽泛元组来兜底。统一为 DatoonError 之前需先梳理异常层级,避免破坏既有契约。
3. 不可信输入防护:#43 反映 YAML _normalize 未校验列表项,#38 通过拒绝 DTD/DOCTYPE 缓解 XML 实体扩展 DoS,#37 拒绝非有限 JSON 常量——这三类加固共同表明,经技能触发进入 datoon 的输入默认按"不可信"处理,运维需关注新格式 reader 是否同样遵循该原则。

资料来源:.claude-plugin/plugin.json:30-60

结合 v1.9.x 补丁节奏——#46 将 token 编码默认改为 o200k_base 并设为可配置(直接响应 #42)、#47 调整 README 表格以兼容 mdformat——社区运维可借助上述清单做变更影响面分类:清单内变更需要重新打包并触发市场审核,转换器内部变更只需随 PyPI 发布即可。

资料来源:.agents/plugins/marketplace.json:15-40

Pitfall Log / 踩坑日志

项目：andrii-su/datoon

摘要：发现 25 个潜在踩坑项，其中 0 个为 high/blocking；最高优先级：配置坑 - 可能修改宿主 AI 配置。

1. 配置坑 · 可能修改宿主 AI 配置

• 严重度：medium
• 证据强度：source_linked
• 发现：项目面向 Claude/Cursor/Codex/Gemini/OpenCode 等宿主，或安装命令涉及用户配置目录。
• 对用户的影响：安装可能改变本机 AI 工具行为，用户需要知道写入位置和回滚方法。
• 证据：capability.host_targets | https://github.com/andrii-su/datoon | host_targets=mcp_host, claude_code, claude

2. 配置坑 · 失败模式：configuration: Token estimate uses cl100k_base, not the tokenizer of target models

• 严重度：medium
• 证据强度：source_linked
• 发现：Developers should check this configuration risk before relying on the project: Token estimate uses cl100k_base, not the tokenizer of target models
• 对用户的影响：Developers may misconfigure credentials, environment, or host setup: Token estimate uses cl100k_base, not the tokenizer of target models
• 证据：failure_mode_cluster:github_issue | https://github.com/andrii-su/datoon/issues/42 | Token estimate uses cl100k_base, not the tokenizer of target models

3. 配置坑 · 失败模式：configuration: v1.9.0

• 严重度：medium
• 证据强度：source_linked
• 发现：Developers should check this configuration risk before relying on the project: v1.9.0
• 对用户的影响：Upgrade or migration may change expected behavior: v1.9.0
• 证据：failure_mode_cluster:github_release | https://github.com/andrii-su/datoon/releases/tag/v1.9.0 | v1.9.0

4. 配置坑 · 来源证据：Unify reader error taxonomy (ValueError vs DatoonError)

• 严重度：medium
• 证据强度：source_linked
• 发现：GitHub 社区证据显示该项目存在一个配置相关的待验证问题：Unify reader error taxonomy (ValueError vs DatoonError)
• 对用户的影响：可能增加新用户试用和生产接入成本。
• 证据：community_evidence:github | https://github.com/andrii-su/datoon/issues/41 | 来源类型 github_issue 暴露的待验证使用条件。

5. 配置坑 · 来源证据：YAML reader does not validate that list items are objects

• 严重度：medium
• 证据强度：source_linked
• 发现：GitHub 社区证据显示该项目存在一个配置相关的待验证问题：YAML reader does not validate that list items are objects
• 对用户的影响：可能增加新用户试用和生产接入成本。
• 证据：community_evidence:github | https://github.com/andrii-su/datoon/issues/43 | 来源讨论提到 python 相关条件，需在安装/试用前复核。

6. 能力坑 · 能力判断依赖假设

• 严重度：medium
• 证据强度：source_linked
• 发现：README/documentation is current enough for a first validation pass.
• 对用户的影响：假设不成立时，用户拿不到承诺的能力。
• 证据：capability.assumptions | https://github.com/andrii-su/datoon | README/documentation is current enough for a first validation pass.

7. 维护坑 · 失败模式：migration: cli.py imports Sequence from typing (deprecated alias)

• 严重度：medium
• 证据强度：source_linked
• 发现：Developers should check this migration risk before relying on the project: cli.py imports Sequence from typing (deprecated alias)
• 对用户的影响：Developers may hit a documented source-backed failure mode: cli.py imports Sequence from typing (deprecated alias)
• 证据：failure_mode_cluster:github_issue | https://github.com/andrii-su/datoon/issues/44 | cli.py imports Sequence from typing (deprecated alias)

8. 维护坑 · 来源证据：cli.py imports Sequence from typing (deprecated alias)

• 严重度：medium
• 证据强度：source_linked
• 发现：GitHub 社区证据显示该项目存在一个维护/版本相关的待验证问题：cli.py imports Sequence from typing (deprecated alias)
• 对用户的影响：可能影响升级、迁移或版本选择。
• 证据：community_evidence:github | https://github.com/andrii-su/datoon/issues/44 | 来源讨论提到 python 相关条件，需在安装/试用前复核。

9. 维护坑 · 维护活跃度未知

• 严重度：medium
• 证据强度：source_linked
• 发现：未记录 last_activity_observed。
• 对用户的影响：新项目、停更项目和活跃项目会被混在一起，推荐信任度下降。
• 证据：evidence.maintainer_signals | https://github.com/andrii-su/datoon | last_activity_observed missing

• 严重度：medium
• 证据强度：source_linked
• 发现：no_demo
• 证据：downstream_validation.risk_items | https://github.com/andrii-su/datoon | no_demo; severity=medium

11. 安全/权限坑 · 存在评分风险

• 严重度：medium
• 证据强度：source_linked
• 发现：no_demo
• 对用户的影响：风险会影响是否适合普通用户安装。
• 证据：risks.scoring_risks | https://github.com/andrii-su/datoon | no_demo; severity=medium

12. 安全/权限坑 · 来源证据：Token estimate uses cl100k_base, not the tokenizer of target models

• 严重度：medium
• 证据强度：source_linked
• 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：Token estimate uses cl100k_base, not the tokenizer of target models
• 对用户的影响：可能影响授权、密钥配置或安全边界。
• 证据：community_evidence:github | https://github.com/andrii-su/datoon/issues/42 | 来源类型 github_issue 暴露的待验证使用条件。

13. 能力坑 · 失败模式：capability: YAML reader does not validate that list items are objects

• 严重度：low
• 证据强度：source_linked
• 发现：Developers should check this capability risk before relying on the project: YAML reader does not validate that list items are objects
• 对用户的影响：Developers may hit a documented source-backed failure mode: YAML reader does not validate that list items are objects
• 证据：failure_mode_cluster:github_issue | https://github.com/andrii-su/datoon/issues/43 | YAML reader does not validate that list items are objects

14. 能力坑 · 失败模式：conceptual: Unify reader error taxonomy (ValueError vs DatoonError)

• 严重度：low
• 证据强度：source_linked
• 发现：Developers should check this conceptual risk before relying on the project: Unify reader error taxonomy (ValueError vs DatoonError)
• 对用户的影响：Developers may hit a documented source-backed failure mode: Unify reader error taxonomy (ValueError vs DatoonError)
• 证据：failure_mode_cluster:github_issue | https://github.com/andrii-su/datoon/issues/41 | Unify reader error taxonomy (ValueError vs DatoonError)

15. 维护坑 · issue/PR 响应质量未知

• 严重度：low
• 证据强度：source_linked
• 发现：issue_or_pr_quality=unknown。
• 对用户的影响：用户无法判断遇到问题后是否有人维护。
• 证据：evidence.maintainer_signals | https://github.com/andrii-su/datoon | issue_or_pr_quality=unknown

16. 维护坑 · 发布节奏不明确

• 严重度：low
• 证据强度：source_linked
• 发现：release_recency=unknown。
• 对用户的影响：安装命令和文档可能落后于代码，用户踩坑概率升高。
• 证据：evidence.maintainer_signals | https://github.com/andrii-su/datoon | release_recency=unknown

17. 维护坑 · 失败模式：maintenance: v1.5.0

• 严重度：low
• 证据强度：source_linked
• 发现：Developers should check this maintenance risk before relying on the project: v1.5.0
• 对用户的影响：Upgrade or migration may change expected behavior: v1.5.0
• 证据：failure_mode_cluster:github_release | https://github.com/andrii-su/datoon/releases/tag/v1.5.0 | v1.5.0

18. 维护坑 · 失败模式：maintenance: v1.6.0

• 严重度：low
• 证据强度：source_linked
• 发现：Developers should check this maintenance risk before relying on the project: v1.6.0
• 对用户的影响：Upgrade or migration may change expected behavior: v1.6.0
• 证据：failure_mode_cluster:github_release | https://github.com/andrii-su/datoon/releases/tag/v1.6.0 | v1.6.0

19. 维护坑 · 失败模式：maintenance: v1.7.0

• 严重度：low
• 证据强度：source_linked
• 发现：Developers should check this maintenance risk before relying on the project: v1.7.0
• 对用户的影响：Upgrade or migration may change expected behavior: v1.7.0
• 证据：failure_mode_cluster:github_release | https://github.com/andrii-su/datoon/releases/tag/v1.7.0 | v1.7.0

20. 维护坑 · 失败模式：maintenance: v1.7.1

• 严重度：low
• 证据强度：source_linked
• 发现：Developers should check this maintenance risk before relying on the project: v1.7.1
• 对用户的影响：Upgrade or migration may change expected behavior: v1.7.1
• 证据：failure_mode_cluster:github_release | https://github.com/andrii-su/datoon/releases/tag/v1.7.1 | v1.7.1

21. 维护坑 · 失败模式：maintenance: v1.7.2

• 严重度：low
• 证据强度：source_linked
• 发现：Developers should check this maintenance risk before relying on the project: v1.7.2
• 对用户的影响：Upgrade or migration may change expected behavior: v1.7.2
• 证据：failure_mode_cluster:github_release | https://github.com/andrii-su/datoon/releases/tag/v1.7.2 | v1.7.2

22. 维护坑 · 失败模式：maintenance: v1.7.3

• 严重度：low
• 证据强度：source_linked
• 发现：Developers should check this maintenance risk before relying on the project: v1.7.3
• 对用户的影响：Upgrade or migration may change expected behavior: v1.7.3
• 证据：failure_mode_cluster:github_release | https://github.com/andrii-su/datoon/releases/tag/v1.7.3 | v1.7.3

23. 维护坑 · 失败模式：maintenance: v1.7.4

• 严重度：low
• 证据强度：source_linked
• 发现：Developers should check this maintenance risk before relying on the project: v1.7.4
• 对用户的影响：Upgrade or migration may change expected behavior: v1.7.4
• 证据：failure_mode_cluster:github_release | https://github.com/andrii-su/datoon/releases/tag/v1.7.4 | v1.7.4

24. 维护坑 · 失败模式：maintenance: v1.8.0

• 严重度：low
• 证据强度：source_linked
• 发现：Developers should check this maintenance risk before relying on the project: v1.8.0
• 对用户的影响：Upgrade or migration may change expected behavior: v1.8.0
• 证据：failure_mode_cluster:github_release | https://github.com/andrii-su/datoon/releases/tag/v1.8.0 | v1.8.0

25. 维护坑 · 失败模式：maintenance: v1.9.1

• 严重度：low
• 证据强度：source_linked
• 发现：Developers should check this maintenance risk before relying on the project: v1.9.1
• 对用户的影响：Upgrade or migration may change expected behavior: v1.9.1
• 证据：failure_mode_cluster:github_release | https://github.com/andrii-su/datoon/releases/tag/v1.9.1 | v1.9.1