Data Engineering

clickhouse-io 是一個以 ClickHouse 為核心的技能，涵蓋 schema 設計、分析型 SQL、資料匯入模式與效能調校。可用來引導 MergeTree 的選擇、分區、materialized views，以及依工作負載進行查詢最佳化。

Snowflake Automation 協助 agents 使用 Composio MCP 來探索 Snowflake databases、瀏覽 schemas 與 tables、執行 SQL，並在包含 role、warehouse、filter、timeout 與安全脈絡的條件下管理資料庫工程工作流程。

big-data-cloud-automation 可協助代理程式透過 Composio Rube MCP 自動化 Big Data Cloud 任務，先探索目前的工具 schema、檢查連線狀態，並規劃更安全的執行流程。

airflow-dag-patterns 可協助設計可用於正式環境的 Apache Airflow DAG，提供更完善的任務模式、相依關係、operators、sensors、測試與排程工作部署指引。

data-quality-frameworks 技能可協助團隊規劃正式環境的資料驗證，涵蓋 dbt tests、Great Expectations 與 data contracts。可用來選擇合適的檢查項目、對應到 testing pyramid，並規劃適合 Data Cleaning 與資料管線穩定性的 CI/CD 資料品質工作流程。

dbt-transformation-patterns 可協助代理將 dbt 專案整理為 staging、intermediate 與 marts 分層，並涵蓋 testing、documentation 與 incremental model 的實務指引。適合用來評估是否安裝、建立新 repo 骨架，或將既有 SQL 重構為更清晰的 analytics engineering 模式，特別適用於 Database Engineering 團隊。

spark-optimization 是一份實用指南，協助診斷執行緩慢的 Apache Spark 工作，重點涵蓋 partitioning、shuffle、skew、caching 與記憶體調校。你可以用它從 wshobson/agents 安裝此技能、閱讀 SKILL.md，並根據 Spark UI 徵兆、叢集設定與查詢模式，採取有憑有據的最佳化修正。

chief-data-officer-advisor 是面向新創資料決策的策略型 CDO skill，涵蓋 AI training data rights、warehouse vs lakehouse vs mesh strategy、customer-data asset valuation、M&A readiness，以及 data team hiring。它提供決策支援用的參考資料與 Python tools，重點不在戰術型 data engineering。

cdo-review 是一項 Chief Data Officer 審查 skill，用來在正式承諾前，對資料策略計畫、AI training data rights、架構選擇、資料產品化、M&A diligence，以及資料團隊招募進行壓力測試。

data-analytics skill 會為資料分析工作流程產生 PlantUML 圖表，涵蓋 ETL、ELT、data lake、warehouse、streaming pipeline、log analytics 與 BI dashboard。它特別針對清楚的來源到目的地流程、AWS analytics/database stencil，以及實用的 data-analytics 指南式輸出而最佳化，不是用來畫一般軟體或雲端架構圖。

tinybird-python-sdk-guidelines 可協助你安裝並使用適用於 Python Tinybird 專案的 tinybird-sdk。內容涵蓋 datasources、endpoints、clients、connections、從舊版檔案遷移，以及 backend 開發工作流程，並提供 build 與 deploy 指引。

lamindb 技能可協助你使用 LaminDB——一個開源的生物資料框架，讓資料具備可查詢、可追蹤、可重現與 FAIR 特性。適合用於 lamindb 的資料分析、metadata 整理、基於 ontology 的標註、schema 驗證，以及跨 notebooks 與 pipelines 的 lineage-aware 工作流程。