Data Engineering

clickhouse-io 是一款面向 ClickHouse 的技能，覆盖 schema 设计、分析型 SQL、数据摄取模式和性能调优。可用于指导 MergeTree 选型、分区设计、materialized views 以及面向具体工作负载的查询优化。

Snowflake Automation 帮助 agent 使用 Composio MCP 发现 Snowflake 数据库、浏览 schema 和 table、运行 SQL，并在 role、warehouse、filter、timeout 与安全上下文约束下管理数据库工程工作流。

big-data-cloud-automation 可帮助 agent 通过 Composio Rube MCP 自动化 Big Data Cloud 任务：先发现当前 tool schemas，检查连接状态，并规划更安全的执行流程。

airflow-dag-patterns 可帮助你设计可用于生产环境的 Apache Airflow DAG，提供更完善的任务模式、依赖关系、operators、sensors、测试与定时作业部署指导。

data-quality-frameworks 技能可帮助团队使用 dbt tests、Great Expectations 和 data contracts 规划生产环境数据校验。你可以借助它选择合适的检查项、映射到测试金字塔，并为 Data Cleaning 与数据管道可靠性设计适合 CI/CD 的数据质量工作流。

dbt-transformation-patterns 可帮助智能体按 staging、intermediate 和 marts 分层来组织 dbt 项目，并提供测试、文档和增量模型实践指导。适合用于安装前评估、搭建新 repo，或将 SQL 重构为更清晰的 analytics engineering 模式，尤其适合 Database Engineering 团队参考。

spark-optimization 是一份实用指南，帮助诊断运行缓慢的 Apache Spark 作业，重点覆盖 partitioning、shuffle、skew、caching 和 memory tuning。你可以用它从 wshobson/agents 安装该 skill，阅读 SKILL.md，并结合 Spark UI 症状、集群配置与查询模式，采用有依据的优化方案。

chief-data-officer-advisor 是一款面向创业公司数据决策的战略型 CDO skill，覆盖 AI training data rights、warehouse vs lakehouse vs mesh strategy、customer-data asset valuation、M&A readiness，以及 data team hiring。它提供参考资料和 Python tools 用于决策支持，而不是战术层面的 data engineering。

cdo-review 是一项 Chief Data Officer 审查 skill，用于在做出承诺前，对数据战略计划、AI training data 权利、架构选择、数据产品化、M&A 尽调以及数据团队招聘进行压力测试。

data-analytics 技能可生成用于数据分析工作流的 PlantUML 图，包括 ETL、ELT、数据湖、数据仓库、流式管道、日志分析和 BI 仪表盘。它针对清晰的源到目标流向、AWS 分析/数据库图形符号，以及实用的数据分析指南式输出进行了优化，而不是通用的软件图或云架构图。

tinybird-python-sdk-guidelines 帮助你为基于 Python 的 Tinybird 项目安装并使用 tinybird-sdk。它涵盖 datasources、endpoints、clients、connections、从旧版文件迁移，以及带有 build 和 deploy 指引的后端开发工作流。

lamindb 技能可帮助你使用 LaminDB —— 一个开源的生物学数据框架，让数据可查询、可追溯、可复现并符合 FAIR 原则。它适用于 lamindb 的数据分析、元数据整理、基于本体的注释、schema 验证，以及贯穿 notebooks 和 pipelines 的可追踪工作流。