用途：面向 Flink Python 与 PyFlink 作业的开发支持，重点面向阿里云实时计算 Apache Flink（VVR）。适用于编写新作业、修改或审查既有作业、回答 API 问题、调试报错或失败作业、解析依赖以及准备本地部署产物。支持 VVR 11.8 及以上版本；较旧作业需先确定升级目标再套用开发或修复指引。
主要能力：VVR PyFlink 的 Python 接口包含 Table、DataStream 以及 VVR 11.8 引入的 pyflink.dataframe。DataFrame 支持关系型转换、连接器 I/O、Python UDF，并能与 Table/DataStream 互桥。该技能还涉及 Flink AI Service 与内置 LLM 操作，用于预测、分类、抽取、摘要与向量嵌入；以及图像、音频、视频的多模态处理，包括解码、转换、抽帧与模型分析。源与汇通过连接器接入外部数据系统，DataFrame 的 read_* / write_* 是便捷的 Python 入口，可按连接器访问路径与能力索引选择专用封装、通用连接器调用或访问 VVP 中已备好的目录表。DataFrame 列表达式复用 pyflink.table.expression.Expression。
使用方式：先阅读与请求匹配的工作流再作答或实现，工作流可组合，开发流程可调用依赖解析与产物准备。对于每个 VVR/PyFlink 事实性回答与 API 选择，应先查阅所选版本的产品/API 文档或支持结论的包源码，模型知识仅用于引导检索与推理，不能作为能力、限制、签名或变通方案的唯一证据。本地发行包为 ververica-flink，导入命名空间为 pyflink，实际执行在 VVR 上；该包提供开发用 API 代码与文档字符串，不是受支持的本地 VVR 运行时。新作业与一般 API 问题优先使用 DataFrame，包括内置的 AI 与多模态函数；仅在明确要求或 DataFrame 无法表达所需行为时使用 Table/DataStream；除非要求迁移，否则保留既有作业的 API 结构。执行模式方面，流模式可处理有界数据且 VVR 支持更完整，新作业（含一次性扫描）优先采用，通过源的 bounded 或 snapshot 设置实现有限读取；批模式需在明确要求或有特定收益且连接器与算子确认支持后考虑。
适用场景与限制：适用于 VVR 上的 Flink Python 作业开发、审查、调试、依赖解析与本地部署产物准备。本技能产出本地代码、答案与部署产物，README 支持手动部署或在用户要求时移交可用的作业提交技能；云上提交是独立操作，本地工作流不需要阿里云 API 权限。具体价格、收费与更多平台细节暂未提供。