技能介绍

要解决的问题

当 Claude Code、Codex 这类编码代理直接写 SQL 时，输出往往取决于模型当下的临场判断：同一个业务口径，这次可能写成 sum(revenue)，下次换成 coalesce(sum(revenue), 0)。模型对仓库里已有的 dbt 模型、字段含义和血缘关系一无所知，生成的 SQL 很容易与现有指标体系冲突。更麻烦的是测试——模型通常不会顺手补上 dbt test，脏数据就这样悄悄流进下游报表。

技能如何工作

这个技能把确定性分析层压到代理会话之下：

确定性 SQL 分析：不依赖模型自由发挥，而是固定可复现的解析与校验逻辑；
dbt 感知工具链：识别项目结构，读取 manifest 等元数据，让生成逻辑挂载到现有模型之上；
仓库元数据与血缘：按真实的表、字段和依赖关系约束查询范围，而不是凭训练记忆猜列名；
测试生成工作流：在模型产出后补上数据质量测试，让异常在 CI 阶段暴露而不是流进生产。

使用前需要准备好 altimate-code CLI，以及 LLM 服务商密钥或本地模型；要跑完整的数据工程流程，还需提供 dbt 项目或仓库凭证。技能本身会接管编码代理在终端会话中的执行过程。

适用边界与注意点

需要留意的是，资料中并未提取到受源仓库支持的安装与使用说明，上游项目（github.com/1991513ccie-png/skills）的实际行为需自行审阅后再落地。在生产数据、财务口径这类敏感流程中运行前，建议先在测试仓库里验证解析结果与血缘输出是否与预期一致。官方文档见 altimate.sh。