如何归一化 Twitter post record，避免每个下游分析层都在重复清洗同一份数据

大多数下游任务真正需要的字段，通常比 raw payload 少得多。常见会包括 post identifier、source account reference、timestamp、一个 canonical text field，以及少量 workflow labels。

先把这一层定下来，再考虑更多派生字段。

一条 post record 如果能同时说明它为什么被采集到，比如命中了哪条 query、来自哪个 watchlist、触发了哪条 alert rule，会明显更有用。

这些上下文能减少很多后续排障和分析师困惑。

耐用的 record 设计，最好能同时服务 alert、analyst review、clustering 和 AI summary，而不是让每一层都重新解释 raw payload。

这通常意味着简单、可移植的字段名，以及一字段一含义。

schema drift 最痛苦的地方，通常不是改字段本身，而是下游消费者根本不知道它变了。

一个小小的 version marker 或 migration note，往往就能省下很多排障时间。