agentleFS
JohnnyQ-commitsJohnnyQ-commits/aqueduct-data-agent/.claude/skills/aqueduct/SKILL.md

aqueduct

Skill2 starsChanged 32 days agoMITView on GitHub

Aqueduct 数据开发自动化框架调用入口。 DO trigger when 用户提到"数据开发"、"SQL开发"、"数仓开发"、"数据管道"、 "表结构设计"、"数据质量测试"、"DA设计"、"aqueduct"、"需求转SQL"、"ETL开发"。 默认路由到 /data-developer(插件直接生成模式),除非用户明确要求 CLI 管道模式。 Do NOT trigger for 仅查询数据血缘/上下游依赖、仅查询现有API/数据源/离线任务详情、 讨论非数仓相关的通用编程问题。

The file

Files
SKILL.md

Aqueduct 框架调用技能

用于调用 aqueduct Python 框架,执行数据仓库开发全流程。

本 Skill 是 Claude Code 与 aqueduct 框架的桥接层。 所有实际工作(线性管道编排、校验引擎、模板生成、数据模型)由 aqueduct Python 代码完成。 Claude Code 提供:LLM 智能、MCP 工具(查表结构)、文件读写能力。

参考文档

  • 架构参考 — 分层架构、模块说明、CLI 命令

工作模式

模式触发方式流程
开发模式aqueduct dev 需求文档Phase 1→6 全流程
审查模式aqueduct review 线上.sql 变更.sqlPhase 4.5→6
单步校验aqueduct validate SQL文件仅校验 SQL 规范

工作流概览

详细工作流请参考 /data-developer 技能,或直接执行:

# 开发模式 — 从需求文档到完整交付
aqueduct dev <requirement.md>

# 审查模式 — 校验 SQL 变更
aqueduct review <online.sql> <changed.sql>

# 单步校验 — 检查 SQL 规范
aqueduct validate <sql_file> [--strict]

# 项目状态
aqueduct status

框架架构

组件职责文件
LLM 层多模型路由(Haiku/Sonnet/Opus 三档分工)src/aqueduct/llm/
Tools 层9 个原子工具(校验、血缘、成本、DQC 等)src/aqueduct/tools/
Skills 层7 大业务 Skill + Prompt 模板解耦src/aqueduct/skills/
Engine 层线性管道编排(开发/审查双模式 + 审查修复循环)src/aqueduct/engine/
Memory 层本体模型知识库 + 自动召回src/aqueduct/memory/
MCP 层标准 MCP 接口(可对接任何数据平台)src/aqueduct/mcp/

交付物清单

文件用途阶段
Phase1-需求理解摘要.md需求解析与问题清单Phase 1
Phase2-设计方案.md取数逻辑与字段映射Phase 2
Phase3-表结构.sql目标表 DDL 定义Phase 3
Phase4-{需求名}.sql核心 ETL 逻辑Phase 4
Phase4-SQL校验报告.mdSQL 语法/逻辑/场景覆盖校验Phase 4
Phase4-成本预警.md数据量预估与优化建议Phase 4
Phase4-字段级血缘图.mdMermaid 血缘拓扑图Phase 4
Phase5-{需求名}_审查报告.md代码审查结果Phase 4.5
Phase5-数据质量测试.sqlDQC 测试用例Phase 5
Phase5-质量仪表盘.md数据质量测试结果看板Phase 5
Phase5-DQC执行报告.mdDQC 测试执行结果报告Phase 5
Phase6-Design.md完整设计文档Phase 6
Phase6-交付总报告.md项目交付总报告Phase 6
Phase6-知识沉淀.md业务规则与编码约定沉淀Phase 6
knowledge/domains/{domain_id}.json语义模型(新业务域时创建)Phase 6

用户通过 .mcp.json 配置自己的数据平台,无需修改代码。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.