Agent Skills
返回列表
📊

dbt模型转换架构师

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_3c6cb52e/dbt-model-transformation-architect 技能。

技能介绍

要解决的问题

在 Snowflake、BigQuery、Redshift 等仓库上使用 dbt 做数据转换时，团队常常面临几类实际问题：模型命名与分层风格不统一，测试覆盖参差不齐，文档与代码逐渐脱节，数据血缘（DAG）靠人工梳理，循环依赖直到构建失败才被发现。这个技能正是针对这些工程化痛点设计的。

核心能力与关键步骤

  • 多仓库模型生成与验证：针对 Snowflake、BigQuery、Redshift 三种数据仓库生成 dbt 模型，并校验模型与测试是否可用。
  • 文档生成：为模型产出配套文档，减少文档与代码不一致的问题。
  • 血缘解析：解析 dbt 项目运行后生成的 manifest.json，提取模型间的依赖关系，构建 DAG 血缘图。
  • 循环依赖检测：在血缘图上检测环路，提前发现会让 dbt 构建失败的循环依赖。

关键步骤大致是：先定位项目内的 manifest.json，解析其中的节点与依赖边，构建 DAG 并做环检测，然后基于分析结果生成模型、测试与文档。

适用边界与注意点

  • manifest.json 是 dbt 在编译或运行后生成的产物，项目需要先完成一次有效的 dbt compile 或 dbt run，技能才能拿到最新血缘。
  • 生成与验证覆盖三种主流仓库方言，但自定义 macro、扩展插件或特殊 SQL 场景仍需人工复核。
  • 文档质量取决于项目中的 dbt 配置（如 description 字段），配置缺失时文档会比较单薄。
  • 它解决的是模型与血缘层面的工程问题，不替代完整的 CI/CD 流程。

使用场景

  • 在 Snowflake 数仓中已有多层 dbt 模型，构建前需要确认依赖是否成环，避免 CI 构建失败时才发现问题。
  • 刚接手一个 dbt 项目，需要快速理清各模型之间的血缘关系，找出上游变更会影响哪些下游表。
  • 在 BigQuery 上为多个业务表生成 dbt 模型，同时补齐测试和文档，让新模型上线时测试与说明不缺位。
  • 更新 Redshift 数仓中的业务逻辑后，需要根据 manifest 中记录的 DAG 血缘梳理改动影响范围，并同步更新模型文档。

适合人员

  • 数据工程师：负责维护 Snowflake 数仓中的 dbt 模型，希望保持测试覆盖并尽早发现循环依赖。
  • 数据分析师：在 BigQuery 上开发转换逻辑，需要快速生成模型、测试和配套文档。
  • 数据平台工程师：在 Redshift 上维护数仓，需要定期梳理 DAG 血缘并确保模型文档不落后于代码。
  • 数据质量负责人：关注模型血缘与测试结果，希望在构建前通过 manifest 快速定位潜在问题。