技能 senior-data-engineer
📦
senior-data-engineer
內容修訂 r1 安全 ⚙️ 外部命令
建置生產級資料管線
生產資料團隊需要可靠的模式來處理管線、品質檢查與編排。此技能為現代資料堆疊提供架構、腳手架與 DataOps 實務指引。
支援: Claude Codex Code(CC)
使用我的智慧代理安裝
將此請求複製給你的智慧代理，其中包含權威 Skill 頁面和清單。
智能體請求
Review the Skillstore skill "senior-data-engineer" from https://skillstore.io/skills/alirezarezvani-senior-data-engineer.md and its manifest at https://skillstore.io/api/skills/alirezarezvani-senior-data-engineer/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.你的智慧代理仍應顯示其計畫，並依安全政策請求必要確認。
Agent 可讀資源
當 AI Agent、爬蟲或腳本需要乾淨脈絡、而不是讀取完整頁面時，請使用這些連結。
測試它
正在使用「senior-data-engineer」。 為產品事件設計串流分析管線。
預期結果:
- 架構：生產者、事件代理、串流處理器、Lakehouse 儲存與儀表板層。
- 可靠性：檢查點處理狀態、重試暫時性故障，並追蹤事件延遲。
- 品質：驗證結構描述、必填欄位、事件時間與重複率。
- 監控：針對新鮮度、處理延遲、錯誤率與儲存失敗發出警示。
正在使用「senior-data-engineer」。 改善機器學習特徵表的品質控制。
預期結果:
- 新增新鮮度、空值率、範圍、唯一性與分布檢查。
- 為每個特徵群組定義負責人，以及檢查失敗時的升級路徑。
- 追蹤品質隨時間的趨勢，並在關鍵檢查失敗時阻擋下游工作。
- 記錄預期的特徵語意與允許的值範圍。
正在使用「senior-data-engineer」。 縮短分析轉換專案中的長時間建置。
預期結果:
- 優先為大型事實表與穩定的歷史分割區採用增量模型。
- 在增加運算資源前，先檢視 join keys、資料表叢集與分割區篩選條件。
- 衡量模型執行時間、資料倉儲成本、資料列數與來源新鮮度。
- 移除未使用的轉換，並將昂貴的模型拆分為更清楚的階段。
安全審計
安全v6 • 2026/7/6 開啟版本化報告
All 17 static findings were adjudicated as false positives. The external command detections are Markdown code fences or inline file references, and the reconnaissance detections are ordinary data engineering planning text. No prompt injection or malicious intent was found.
8
已掃描檔案
1,061
分析行數
0
複核項目
0
已忽略的誤報
風險因素
最近一次完成的靜態與語意稽核未偵測到已確認的安全發現。這並不能證明該 Skill 沒有副作用。
審計單位: codex 檢視審計紀錄 →
分享與引用此報告
分享版本化評估報告、中性徽章、嵌入卡片與引用。Skillstore 只報告證據，不判斷該 Skill 是否安全。
複製報告連結
https://skillstore.io/skills/alirezarezvani-senior-data-engineer/audits/6?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdown 徽章
[](https://skillstore.io/skills/alirezarezvani-senior-data-engineer?utm_source=security_passport_badge)HTML 徽章
<a href="https://skillstore.io/skills/alirezarezvani-senior-data-engineer?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/alirezarezvani-senior-data-engineer/security.svg" alt="Skillstore security assessment" loading="lazy"></a>嵌入卡片
<iframe src="https://skillstore.io/embed/skills/alirezarezvani-senior-data-engineer.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>學術引用 (APA · BibTeX · CFF)
APA 引用
alirezarezvani. (2026). senior-data-engineer security audit report (audit version 6) [Author version unspecified]. Skillstore. https://skillstore.io/skills/alirezarezvani-senior-data-engineer/audits/6BibTeX 引用
@techreport{alirezarezvani-alirezarezvani-senior-data-engineer-2026,
author = {alirezarezvani},
title = {senior-data-engineer security audit report (audit version 6)},
institution = {Skillstore},
year = {2026},
number = {6},
url = {https://skillstore.io/skills/alirezarezvani-senior-data-engineer/audits/6},
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: "senior-data-engineer security audit report (audit version 6)"
version: "unspecified"
type: report
authors:
- name: "alirezarezvani"
date-released: "2026-07-06"
url: "https://skillstore.io/skills/alirezarezvani-senior-data-engineer/audits/6"
identifiers:
- type: other
value: "skillstore:alirezarezvani-senior-data-engineer:audit:6"
description: "Skillstore immutable audit report identifier"
比較變體
2 個可安裝變體每位作者的技能都保留為獨立的可安裝項目。推薦變體依 Skillstore 證據排序。
為何此變體排名第一
Skillstore 使用量較高
作者 / 來源 Skillstore 評分 證據置信度 Skillstore 使用量 已更新
alirezarezvani-senior-data-engineer
Skillstore 評分 81
證據置信度 高
Skillstore 使用量 23
已更新
2026-10-23
Skillstore 評分
評分依據 證據置信度: 高 68
架構
85
可維護性
87
內容
70
社群
83
規範符合度
你可以打造什麼
設計可靠的管線
建立批次或串流管線計畫，包含編排、驗證、監控與故障處理。
改善資料模型
為分析與機器學習資料集選擇建模模式、分割策略與品質檢查。
標準化 DataOps
定義 CI/CD、可觀測性、事件回應與生產營運的可重複實務。
試試這些提示
規劃基礎管線
為客戶事件設計每日 ETL 管線。包含擷取、驗證、轉換、儲存、排程與監控步驟。
新增資料品質控制
審查我提出的資料管線，並新增結構描述檢查、新鮮度檢查、異常偵測、警示與復原動作。
最佳化管線效能
分析此 Spark 和 dbt 工作流程的效能風險。建議分割、快取、增量處理與可觀測性改善。
設計 DataOps 營運模型
為多個資料團隊建立 DataOps 營運模型。涵蓋 CI/CD、所有權、事件回應、安全控制與發布治理。
最佳實務
- 從明確的資料契約、所有權與服務水準目標開始。
- 在擷取、轉換與服務邊界驗證資料。
- 監控新鮮度、資料量、結構描述變更、延遲、成本與失敗率。
避免
- 在沒有警示、所有權或回復計畫的情況下執行生產管線。
- 將資料品質檢查視為部署後可有可無的項目。
- 在管線邏輯中嵌入密鑰或特定環境假設。
常見問題
此技能會替我執行資料管線嗎？
不會。它提供指引與腳手架腳本，使用者必須在自己的環境中調整、審查並執行。
它涵蓋哪些資料工具？
它涵蓋 Python、SQL、Spark、Airflow、dbt、Kafka、Databricks、Snowflake、BigQuery 以及相關 DataOps 工具。
它能協助串流系統嗎？
可以。它包含 Kafka 風格事件管線、串流處理、檢查點、延遲監控與容錯的指引。
它能產生可直接用於生產的程式碼嗎？
它可以草擬實作計畫與腳手架，但使用者必須完成業務邏輯、測試、部署設定與安全審查。
它適合用於資料治理工作嗎？
是。它涵蓋存取控制、稽核記錄、加密概念、PII 處理與資料品質所有權模式。
團隊應如何搭配 Claude、Codex 或 Claude Code 使用它？
在你選擇的 AI 程式開發工作流程中，用它來請求架構審查、管線計畫、品質檢查設計與營運 runbooks。
開發者詳細資訊
授權
MIT
Skillstore 修訂
r1
版本提示
作者未聲明版本。
引用
c4231f0153ccd2a2ed62274c5a372bf8f2386d3f
維護新鮮度
2026/7/22
使用量
12 次下載 · 180 次瀏覽