Compétences dbt-transformation-patterns
📦

dbt-transformation-patterns

Sûr

构建生产级的 dbt 数据转换流水线

Également disponible depuis: wshobson

分析团队常常苦于数据模型不一致和文档缺失。本技能提供了经过验证的 dbt 项目组织模式，包含完善的测试、文档和增量处理机制。

Prend en charge: Claude Codex Code(CC)
🥉 74 Bronze
1

Télécharger le ZIP du skill

2

Importer dans Claude

Allez dans Paramètres → Capacités → Skills → Importer un skill

3

Activez et commencez à utiliser

Tester

Utilisation de "dbt-transformation-patterns". 为 Stripe 支付源创建 staging 模型

Résultat attendu:

  • 包含支付表模式和测试的源定义 YAML
  • 使用基于 CTE 的转换的 stg_stripe__payments.sql
  • 遵循命名约定的列重命名（id 到 payment_id，amount in cents 到 dollars）
  • 带有 unique_key 和 updated_at 过滤器的增量配置

Utilisation de "dbt-transformation-patterns". 构建带有支付指标的客户维度表

Résultat attendu:

  • 连接客户和支付中间模型的 dim_customers.sql
  • 使用 dbt_utils 生成代理键
  • 基于生命周期价值的客户层级细分逻辑
  • 带有列描述和测试的 YAML 文档

Audit de sécurité

Sûr
v1 • 2/24/2026

This skill is safe for publication. Static analysis detected 70 patterns that are all false positives - the flagged content consists of SQL/YAML code examples in markdown documentation, not executable code. The skill provides reference patterns for dbt (data build tool) analytics engineering workflows.

2
Fichiers analysés
585
Lignes analysées
0
résultats
1
Total des audits
Aucun problème de sécurité trouvé
Audité par: claude

Score de qualité

38
Architecture
100
Maintenabilité
87
Contenu
50
Communauté
100
Sécurité
91
Conformité aux spécifications

Ce que vous pouvez construire

分析工程师构建转换流水线

从第一天起就建立具有正确模型组织、测试和文档的新 dbt 项目。

数据团队提升模型质量

为现有的 dbt 模型添加全面的测试、文档和新鲜度监控。

工程团队优化增量加载

为大型事实表实施高效的增量策略，降低计算成本。

Essayez ces prompts

创建 staging 模型 
为 [source_name] [table_name] 表创建一个 dbt staging 模型。包含带有列描述的源定义、具有正确重命名约定的 staging SQL 模型，以及用于主键和非空约束的基本测试。
构建增量事实表 
创建一个名为 fct_[name] 的 dbt 增量事实表模型，用于跟踪 [business_process]。将其配置为使用 [strategy] 的增量物化，定义 unique_key，并使用 is_incremental() 包含增量过滤逻辑。
添加测试和文档 
审查此 dbt 模型 SQL 并生成相应的 YAML 文档文件。根据存在的列，包含模型描述、列描述和适当的测试（unique、not_null、relationships、accepted_values）。
设计完整的模型层 
为 [domain] 分析工作流设计 dbt 模型结构。定义为 [sources] 所需的 staging 模型、用于业务逻辑的 intermediate 模型，以及用于最终输出的 mart 模型（维度和事实）。包含每一层的命名约定和物化策略。

Bonnes pratiques

  • 对所有源数据使用 staging 层 - 清洗一次，随处复用
  • 对所有键 aggressively 使用 not_null、unique 和 relationship 测试
  • 为下游用户记录每个模型和列的业务上下文

Éviter

  • 跳过 staging 层并在 marts 中直接查询源会产生技术债务
  • 硬编码日期或值而不是使用 dbt 变量进行配置
  • 在多个模型中重复业务逻辑而不是提取到可复用的宏中

Foire aux questions

什么是 dbt 中的 medallion 架构？
Medallion 架构将模型组织为多个层：staging（原始数据清洗）、intermediate（业务逻辑）和 marts（最终分析表）。这种分离确保干净的数据在整个流水线中一致地流动。
何时应该使用增量物化？
对于超过 100 万行或源数据持续增长的表，请使用增量模型。增量模型仅处理新的或更改的记录，显著减少计算时间和成本。
应该为我的模型添加哪些测试？
在所有主键上添加 not_null 和 unique 测试，在外键上添加 relationship 测试，在必需列上添加 not_null，在状态或类型列上添加 accepted_values。使用 dbt_utils.expression_is_true 进行自定义验证。
如何在 delete+insert 和 merge 增量策略之间选择？
默认情况下，大多数仓库使用 delete+insert。当您需要使用延迟到达的数据更新现有记录时使用 merge。对于 BigQuery 或类似的基于分区的工作流，使用 insert_overwrite。
临时模型的用途是什么？
临时模型是不物化为表的中间 CTE。将它们用于总是被其他模型引用的可复用逻辑，减少仓库中的表数量。
如何有效地记录我的 dbt 项目？
在 YAML 文件中为每个模型和列添加描述。使用 description 字段解释业务逻辑、数据源和预期值。生成 dbt 文档并为您的团队提供浏览服务。

Détails du développeur

Auteur

sickn33

Licence

MIT

Dépôt

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/dbt-transformation-patterns

Réf

main

Structure de fichiers

📁 resources/

📄 implementation-playbook.md

📄 SKILL.md