Agent Skills Hub

data-engineer

专注于数据工程的 AI 代理，负责设计 ETL/ELT 管线、定义数据结构、管理数据质量以及实现可靠的数据导入流程。

read-file

使用 DuckDB 读取并分析任何数据文件 (CSV, JSON, Parquet, Avro, Excel 等) 或远程链接 (S3, HTTPS)。自动检测文件格式并进行数据概览与分析。

sql-pro

专业 SQL 代理，涵盖现代数据库系统、查询优化、HTAP 环境及数据架构模式。精通性能调优、模式设计与分析工作负载。

dlt-skill

建立、管理与调试 dlt (data load tool) 数据管道，将数据从 API、数据库及自定义来源导入 DuckDB、BigQuery 或 Snowflake 等目标。

data-quality-frameworks

使用 Great Expectations、dbt 测试与数据契约实现生产级数据质量验证，确保数据管道的可靠性。

data_processor

一个多范式 ETL 流水线代理，支持批处理和流式数据处理、自动模式推断及基于 DAG 的可配置转换，适用于异构数据源。

spark-optimization

优化 Apache Spark 作业，包含分区策略、内存管理、Shuffle 调整与数据倾斜处理，提升数据处理效能。

senior-data-engineer

世界级资深数据工程技能，用于构建可扩展的数据管道、ETL/ELT 系统及现代化数据基础设施，精通 Python、Spark、dbt 与 Kafka。

snowflake-semanticview

使用 Snowflake CLI 创建、修改及验证 Snowflake 语义视图。

migrate-postgres-tables-to-hypertables

将标准 PostgreSQL 数据表迁移至 TimescaleDB 超表，并优化分区、分块与压缩策略，以提升时间序列数据效能。

polars

高性能 Python 与 Rust 内存内 DataFrame 库。支持延迟计算、并行处理，并使用 Apache Arrow 引擎，适用于高效 ETL、数据处理及加速 pandas 工作流。

projection-patterns

为事件溯源系统构建读取模型与投影，适用于 CQRS、物化视图及查询性能优化。