Habilidades data-engineering-data-pipeline

📦

data-engineering-data-pipeline

Name: data-engineering-data-pipeline
Author: sickn33

Revisión del contenido r2 Seguro ⚙️ Comandos externos

Diseña canalizaciones de datos fiables

Los proyectos de canalizaciones de datos suelen fallar porque la arquitectura, la calidad, la observabilidad y las operaciones se planifican por separado. Esta habilidad ayuda a Claude, Codex y Claude Code a producir diseños de canalizaciones, listas de verificación y planes de implementación prácticos.

Compatible con: Claude Codex Code(CC)

🥉 78 Bronce

Instalar con mi Agente

Copia esta solicitud en tu Agente. Incluye la página canónica del Skill y el manifiesto.

Solicitud de agente

Review the Skillstore skill "data-engineering-data-pipeline" from https://skillstore.io/skills/sickn33-data-engineering-data-pipeline.md and its manifest at https://skillstore.io/api/skills/sickn33-data-engineering-data-pipeline/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

Tu Agente debe seguir mostrando su plan y solicitar cualquier confirmación exigida por la política de seguridad.

Recursos legibles por agentes

Usa estos enlaces cuando un agente de IA, crawler o script necesite contexto limpio en vez de leer la página completa.

Detalle Markdown GET /skills/sickn33-data-engineering-data-pipeline.md Manifest firmado GET /api/skills/sickn33-data-engineering-data-pipeline/manifest Lockfile firmado GET /api/skills/sickn33-data-engineering-data-pipeline/lockfile

Pruébalo

Usando "data-engineering-data-pipeline". Diseña una canalización diaria de pedidos desde PostgreSQL hasta un lakehouse.

Resultado esperado:

Una arquitectura por lotes con marcas de agua incrementales, validación, almacenamiento en Delta Lake, transformaciones de dbt, programación con Airflow, comprobaciones de frescura y alertas.

Usando "data-engineering-data-pipeline". Revisa una canalización de Kafka que pierde eventos durante fallos.

Resultado esperado:

Una revisión de fiabilidad que cubre commits transaccionales de offsets, estrategia de reproducción, destinos idempotentes, manejo de dead letter, métricas y procedimientos de recuperación.

Usando "data-engineering-data-pipeline". Crea requisitos de monitoreo para datos de informes ejecutivos.

Resultado esperado:

Un plan de monitoreo con objetivos de frescura, comprobaciones de recuento de filas, seguimiento de puntuaciones de calidad, métricas de dashboard, niveles de gravedad de alertas y propiedad.

Auditoría de seguridad

Seguro

v5 • 23/7/2026 Abrir el informe versionado

All four static alerts are false positives caused by ordinary data engineering prose and a fenced Python example. No shell execution, reconnaissance behavior, prompt injection, or malicious intent was found.

Archivos escaneados

210

Líneas analizadas

Elementos de revisión

Falsos positivos ignorados

Factores de riesgo

⚙️ Comandos externos (1)

SKILL.md:125-160

La auditoría estática y semántica completada más reciente no detectó hallazgos de seguridad confirmados. Esto no demuestra que el skill no tenga efectos secundarios.

Auditado por: codex Ver historial de auditorías →

Compartir y citar este informe

Comparte el informe de evaluación versionado, la insignia neutral, la tarjeta insertable y las citas. Skillstore presenta evidencias sin decidir si este Skill es seguro.

Abrir el informe versionado

Copiar enlace del informe

https://skillstore.io/skills/sickn33-data-engineering-data-pipeline/audits/5?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Insignia Markdown

[![Skillstore security assessment](https://skillstore.io/badges/skills/sickn33-data-engineering-data-pipeline/security.svg)](https://skillstore.io/skills/sickn33-data-engineering-data-pipeline?utm_source=security_passport_badge)

Insignia HTML

<a href="https://skillstore.io/skills/sickn33-data-engineering-data-pipeline?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/sickn33-data-engineering-data-pipeline/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

Tarjeta para insertar

<iframe src="https://skillstore.io/embed/skills/sickn33-data-engineering-data-pipeline.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>

Citas académicas (APA · BibTeX · CFF)

Cita APA

sickn33. (2026). data-engineering-data-pipeline security audit report (audit version 5) [Author version unspecified]. Skillstore. https://skillstore.io/skills/sickn33-data-engineering-data-pipeline/audits/5

Cita BibTeX

@techreport{sickn33-sickn33-data-engineering-data-pipeline-2026,
  author = {sickn33},
  title = {data-engineering-data-pipeline security audit report (audit version 5)},
  institution = {Skillstore},
  year = {2026},
  number = {5},
  url = {https://skillstore.io/skills/sickn33-data-engineering-data-pipeline/audits/5},
  note = {Author version unspecified}
}

CITATION.cff

cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "data-engineering-data-pipeline security audit report (audit version 5)"
version: "unspecified"
type: report
authors:
  - name: "sickn33"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/sickn33-data-engineering-data-pipeline/audits/5"
identifiers:
  - type: other
    value: "skillstore:sickn33-data-engineering-data-pipeline:audit:5"
    description: "Skillstore immutable audit report identifier"

Puntuación de Skillstore

Por qué esta puntuación Confianza de la evidencia: Alto

Arquitectura

Mantenibilidad

Contenido

Comunidad

Cumplimiento de la especificación

Lo que puedes crear

Planificar una nueva canalización de análisis

Crear una arquitectura de extremo a extremo para ingesta por lotes, transformación, almacenamiento, comprobaciones de calidad e informes.

Mejorar la fiabilidad del streaming

Revisar un flujo de trabajo en streaming para el manejo de offsets, reintentos, reproducción, monitoreo y recuperación operativa.

Estandarizar controles de calidad de datos

Definir conjuntos de validación, comprobaciones de frescura, manejo de fallos y cobertura de pruebas para productos de datos confiables.

Prueba estos prompts

Describir una canalización básica

Diseña una canalización de datos por lotes de [source] a [target]. Incluye pasos de ingesta, transformación, almacenamiento, validación y monitoreo.

Elegir un patrón de arquitectura

Compara los patrones ETL, ELT, Lambda, Kappa y Lakehouse para [use case]. Recomienda una opción con ventajas y desventajas.

Revisar la fiabilidad de la canalización

Revisa este diseño de canalización para detectar brechas de fiabilidad: [design]. Enfócate en reintentos, idempotencia, evolución de esquemas, alertas y recuperación.

Crear un plan de operaciones

Crea un plan de operaciones de producción para [pipeline]. Incluye SLA, dashboards, umbrales de alerta, runbooks, escalado, controles de costos y pasos de rollback.

Mejores prácticas

Proporciona sistemas de origen, volumen de datos, objetivos de latencia y consumidores descendentes antes de solicitar una arquitectura.
Solicita modos de fallo, pasos de recuperación y requisitos de observabilidad con cada diseño de canalización de producción.
Valida los planes generados con límites de plataforma, reglas de seguridad y pruebas de carga de trabajo reales.

Evitar

No solicites un diseño completo de producción sin requisitos de volumen de datos, frescura y propiedad.
No trates el código de ejemplo como desplegable sin una revisión de seguridad, acceso y rendimiento.
No ignores la calidad de datos, el linaje y las alertas hasta después de la implementación.

Preguntas frecuentes

¿Qué ayuda a construir esta habilidad?

Ayuda a planificar canalizaciones de datos para ingesta, transformación, almacenamiento, calidad, monitoreo y operaciones.

¿Puede generar código de implementación?

Puede describir patrones de implementación y componentes de ejemplo, pero los equipos deben adaptarlos y probarlos.

¿Admite canalizaciones en streaming?

Sí. Cubre consumidores de estilo Kafka, manejo de offsets, ventanas, reproducción y manejo de fallos.

¿A qué herramientas hace referencia?

Hace referencia a Airflow, Prefect, dbt, Spark, Great Expectations, Delta Lake, Iceberg, CloudWatch, Prometheus y Grafana.

¿Puede optimizar los costos de las canalizaciones?

Sí. Sugiere particionamiento, dimensionamiento de archivos, políticas de ciclo de vida, opciones de cómputo y optimización de consultas.

¿Es segura para decisiones de producción?

Úsala para planificación y revisión. Los cambios de producción aún requieren pruebas en el entorno y aprobación experta.

Detalles del desarrollador

Autor

sickn33

Licencia

MIT

Revisión de Skillstore

Aviso de versión

El autor no declaró una versión.

Repositorio

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/data-engineering-data-pipeline

Ref.

f9e2c34b4f19c7f3e6b0a1e93227b5f77cc12526

Actualidad del mantenimiento

26/7/2026

Uso

8 descargas · 109 vistas

Estructura de archivos

📄 SKILL.md