Agent Skills
返回列表
简诗数据管道工坊

简诗数据管道工坊

AI Agent 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_fccf428b/data-pipeline-template-kit。

技能介绍

它要解决的问题

把 Shopify、Stripe 这类 SaaS 的数据搬进 BigQuery 或 Google Sheets，说起来就是"抽—转—载"三步，实际做起来却常被拖进细节：每个源的字段名不一样，过滤条件要手写表达式，多源 join 时还要处理时间格式和空值。n8n 的 JSON 工作流动辄几百行，改一个字段要在嵌套结构里翻半天。这个技能把常见的 ETL 模式整理成模板，让构建管道时不必每次从零拼 JSON。

技能如何工作

核心能力覆盖一条完整管道的五个环节：

  • Extraction：从多个数据源抽取，给出常见 extractor 的字段映射
  • Transformation：清洗与字段改写，附代码级转换示例
  • Loading：写入目标端，列出常用 loader
  • Scheduling：管道定时与触发
  • Monitoring：监控告警与数据质量检查

使用时的典型流程是：

  1. 声明数据源与过滤条件，如 source: shopify，filter: created_at >= yesterday，并列出所需字段
  2. 写转换逻辑，用 JavaScript 把订单和支付记录 join 成统一行：取 created_at 的日期部分、解析金额、关联支付状态
  3. 指定目标端，如 BigQuery 与 Sheets

这更像一个结构化的参考手册，输出的 YAML 和代码片段可以直接作为 n8n 节点配置的起点，而不是凭空生成。

适用边界

  • 默认只给出参考性命令和代码，不会自动安装依赖或修改系统权限
  • 涉及发送、发布、删除、付款、部署等外部写入操作，必须先展示目标与影响并取得确认
  • 凭据仅用于你指定的官方服务，不回显、不记录、不转发
  • 需要明确说明要连哪些数据源和目标端，技能才好给出对齐的配置

使用场景

  • 将 Shopify 与 Stripe 的订单支付数据整合，清洗后写入 BigQuery 以生成每日销售报表。
  • 从 CRM 提取客服对话记录，过滤敏感信息并将结构化结果定期同步到团队在线表格。
  • 配置定时触发器监控外部 API，拉取最新业务数据，按条件过滤异常订单并写入监控表。
  • 把多张分散的电子表格数据统一格式，编写转换逻辑后加载到 Google Sheets 供团队共享。

适合人员

  • 需要编写 n8n 脚本将多种 SaaS 业务数据接入数据仓库的数据工程师。
  • 为个人项目搭建轻量级数据管道，将业务数据同步至云端表格的独立开发者。
  • 定期处理多源原始数据，需要快速构建 ETL 任务以清洗数据的分析人员。