Token导航 LogoToken导航

Agent Skill · 运维和基础设施

data-engineer(数据工程师)

用于辅助数据整理、表格处理、CSV/Excel 分析、指标计算和图表准备。它适合让 Agent 清洗字段、汇总数据、发现异常、生成统计口径或把分析结果转成可读说明。使用时需要确认数据来源、字段含义和时间范围,避免把样本数据当全量事实;涉及敏感数据、导出文件或批量写回时,应先确认权限和脱敏边界。

data-engineer 是运维和基础设施类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为需要联网;许可证为 MIT,第三方扫描有未通过项,按安装量在运维和基础设施类的 2,449 个 Skill 里排第 583。

总安装 2,497周安装 102GitHub Stars 76下载 998核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:data-engineer(数据工程师)
来源仓库:https://github.com/404kidwiz/claude-supercode-skills
仓库路径:skills/data-engineer
安装命令:
npx skills add https://github.com/404kidwiz/claude-supercode-skills --skill data-engineer
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。不同来源提供的安装方式可能略有差异;本站展示可直接复制的安装命令,安装前请核对来源页面。

skills.shnpx skills
npx skills add https://github.com/404kidwiz/claude-supercode-skills --skill data-engineer

这个 Skill 是做什么的

运维和基础设施类 Skill 处理部署、监控、日志和云资源,多数需要较高的执行权限。

data-engineer 提供数据管道、ETL/ELT 工作流和现代数据栈技术专长。适用于构建可扩展数据管道、设置实时流处理和优化存储成本。在 Codex、Claude、Cursor、Gemini CLI 中调用,用于数据治理和合规迁移。

安装命令为 npx skills add https://github.com/404kidwiz/claude-supercode-skills --skill data-engineer。建议确认权限范围和维护状态,避免触发联网或文件读写等敏感操作。

来源仓库内路径:skills/data-engineer

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/404kidwiz/claude-supercode-skills --skill data…;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要需要联网,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

data-engineer 怎么安装?

在终端执行 npx skills add https://github.com/404kidwiz/claude-supercode-skills --skill data-engineer。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

data-engineer 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

data-engineer 需要什么权限?

权限级别是需要联网。该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

data-engineer 是免费的吗?

来源标注的许可证是 MIT。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

data-engineer 用的人多吗?

公开数据是累计安装 2,497 次,近一周安装 102 次,下载 998 次,GitHub 76 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

data-engineer 安全吗?

第三方扫描有未通过项,风险较高。除非你确认过源码,否则不建议直接安装到常用环境。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 3 个目录同时收录,说明这个 Skill 流传比较广。
  • 许可证明确为 MIT,商用和分发边界好判断。

先想清楚的地方

  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理运维和基础设施类任务、又不想每次都手写提示词的人。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

运维和基础设施类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
brainstorming

头脑风暴 · Codex、Claude

3,148,776173,131操作浏览器MIT通过
copywriting

文案写作 · Codex、Claude

1,996,72425,583需要联网MIT通过
openclaw-secure-linux-cloud

OpenClaw secure linux cloud 命令行 · Codex、Claude

1,853,08840接触敏感数据未明确未通过
xget

xget 命令行 · Codex、Claude

1,799,28040执行命令未明确未通过
requesting-code-review

代码审查请求 · Codex、Claude

1,590,144173,103权限未标注MIT通过
data-engineer

数据工程师 · 本页

2,49776需要联网MIT未通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

Data Engineer

Purpose

Provides expert data engineering capabilities for building scalable data pipelines, ETL/ELT workflows, data lakes, and data warehouses. Specializes in distributed data processing, stream processing, data quality, and modern data stack technologies (Airflow, dbt, Spark, Kafka) with focus on reliability and cost optimization.

When to Use

  • Designing end-to-end data pipelines from source to consumption layer
  • Implementing ETL/ELT workflows with error handling and data quality checks
  • Building data lakes or data warehouses with optimal storage and querying
  • Setting up real-time stream processing (Kafka, Flink, Kinesis)
  • Optimizing data infrastructure costs (storage tiering, compute efficiency)
  • Implementing data governance and compliance (GDPR, data lineage)
  • Migrating legacy data systems to modern data platforms

Quick Start

Invoke this skill when:

  • Designing end-to-end data pipelines from source to consumption layer
  • Implementing ETL/ELT workflows with error handling and data quality checks
  • Building data lakes or data warehouses with optimal storage and querying
  • Setting up real-time stream processing (Kafka, Flink, Kinesis)
  • Optimizing data infrastructure costs (storage tiering, compute efficiency)
  • Implementing data governance and compliance (GDPR, data lineage)

Do NOT invoke when:

  • Only SQL query optimization needed (use database-optimizer instead)
  • Machine learning model development (use ml-engineer or data-scientist)
  • Simple data analysis or visualization (use data-analyst)
  • Database administration tasks (use database-administrator)
  • API integration without data transformation (use backend-developer)

Decision Framework

Pipeline Architecture Selection

├─ Batch Processing?
│   ├─ Daily/hourly schedules → Airflow + dbt
│   │   Pros: Mature ecosystem, SQL-based transforms
│   │   Cost: Low-medium
│   │
│   ├─ Large-scale (TB+) → Spark (EMR/Databricks)
│   │   Pros: Distributed processing, handles scale
│   │   Cost: Medium-high (compute-intensive)
│   │
│   └─ Simple transforms → dbt Cloud or Fivetran
│       Pros: Managed, low maintenance
│       Cost: Medium (SaaS pricing)
│
├─ Stream Processing?
│   ├─ Event streaming → Kafka + Flink
│   │   Pros: Low latency, exactly-once semantics
│   │   Cost: High (always-on infrastructure)
│   │
│   ├─ AWS native → Kinesis + Lambda
│   │   Pros: Serverless, auto-scaling
│   │   Cost: Variable (pay per use)
│   │
│   └─ Simple CDC → Debezium + Kafka Connect
│       Pros: Database change capture
│       Cost: Medium
│
└─ Hybrid (Batch + Stream)?
    └─ Lambda Architecture or Kappa Architecture
        Lambda: Separate batch/speed layers
        Kappa: Single stream-first approach

Data Storage Selection

Use CaseTechnologyProsCons
Structured analyticsSnowflake/BigQuerySQL, fast queriesCost at scale
Semi-structuredDelta Lake/IcebergACID, schema evolutionComplexity
Raw storageS3/GCSCheap, durableNo query engine
Real-timeRedis/DynamoDBLow latencyLimited analytics
Time-seriesTimescaleDB/InfluxDBOptimized for time dataSpecific use case

ETL vs ELT Decision

FactorETL (Transform First)ELT (Load First)
Data volumeSmall-mediumLarge (TB+)
TransformationComplex, pre-loadSQL-based, in-warehouse
LatencyHigherLower
CostCompute before loadWarehouse compute
Best forLegacy systemsModern cloud DW

Core Patterns

Pattern 1: Idempotent Partition Overwrite

Use case: Safely re-run batch jobs without creating duplicates.

# PySpark example: Overwrite partition based on execution date
def write_daily_partition(df, target_table, execution_date):
    (df
     .write
     .mode("overwrite")
     .partitionBy("process_date")
     .option("partitionOverwriteMode", "dynamic")
     .format("parquet")
     .saveAsTable(target_table))

Pattern 2: Slowly Changing Dimension Type 2 (SCD2)

Use case: Track history of changes without losing past states.

-- dbt implementation of SCD2
{{ config(materialized='incremental', unique_key='user_id') }}

SELECT
    user_id, address, email, status, updated_at,
    LEAD(updated_at, 1, '9999-12-31') OVER (
        PARTITION BY user_id ORDER BY updated_at
    ) as valid_to
FROM {{ source('raw', 'users') }}

Pattern 3: Dead Letter Queue (DLQ) for Streaming

Use case: Handle malformed messages without stopping the pipeline.

Pattern 4: Data Quality Circuit Breaker

Use case: Stop pipeline execution if data quality drops below threshold.

Quality Checklist

Data Pipeline

  • Idempotent (safe to retry)
  • Schema validation enforced
  • Error handling with retries
  • Data quality checks automated
  • Monitoring and alerting configured
  • Lineage documented

Performance

  • Pipeline completes within SLA (e.g., <1 hour)
  • Incremental loading where applicable
  • Partitioning strategy optimized
  • Query performance <30 seconds (P95)

Cost Optimization

  • Storage tiering implemented (hot/warm/cold)
  • Compute auto-scaling configured
  • Query cost monitoring active
  • Compression enabled (Parquet/ORC)

Additional Resources

平台分布

Claude Code

28.92%
按下载量换算289

OpenCode

22.36%
按下载量换算223

Codex

16.36%
按下载量换算163

Cursor

11.4%
按下载量换算114

Gemini CLI

8.35%
按下载量换算83

windsurf

3.22%
按下载量换算32

安全审计

Gen Agent Trust Hub

未通过

Socket

通过

Snyk

可疑

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。

继续浏览同类 Skills