dbt 数据转换工程模式
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 @org-eyw2ohcx/rmyndharis-antigravity-skills-dbt-transformation-patterns。
技能介绍
典型痛点
用 dbt 搭仓库侧转换时,模型堆在少数目录里、命名随意,跑全量越来越慢,测试和文档也跟不上 schema 变更。adhoc SQL 能出数,但难在 CI 里复现、也难以让下游分清「哪层能直接给人看」。
技能会引导你做什么
本技能围绕 生产可用的 dbt 模式:先约定 staging / intermediate / marts 分层、命名与归属,再落地 数据质量测试、schema.yml 文档与 freshness 检查。物化与增量方面,会帮你选型 materialization(如 table、incremental)及增量策略,并用 selectors、CI 工作流缩短日常与合并前的运行范围。需要细粒度套路时,按说明打开 resources/implementation-playbook.md 对照实现。
不适用的情况
项目未采用 dbt 或仓库工作流、只做一次性 ad-hoc 查询、或无法接触源库 schema 时,不必启用本技能。
使用场景
- 新项目要按 staging、intermediate、marts 划分 dbt 目录,并统一模型命名与 owner 归属
- 大表日更需要 incremental 模型与物化策略选型,避免每次全量跑穿仓库配额
- 要在合并前用 schema 测试、freshness 与文档块挡住坏数据进 mart
- CI 里只想跑受影响子图,需要用 selectors 收窄 dbt run/test 范围
适合人员
- 维护 Snowflake/BigQuery 上 dbt 项目、要为 mart 层建测试与文档的数据工程师
- 分析工程团队里负责搭仓库分层规范、却要避免「一层 SQL 打天下」的技术负责人
- 数据平台工程师要把 dbt run 接进 GitHub Actions 并缩短每次 PR 验证时间
- 从 BI SQL 迁移到 dbt、需要 incremental 与项目结构模板的分析开发