end-to-end-snowflake-pipeline 是一个面向数据工程的技能，旨在将来自工单或需求描述的数据管道构建任务自动化，覆盖从需求提取到代码提交与工单更新的完整流程。
主要用途： 当用户提出“构建一个管道…”并涉及 Snowflake、dbt 模型、编排调度以及代码审查时，此技能可提供结构化的端到端执行。它不适用于单一模型增强、无需编排或 PR 的简单建模、仅查询优化或从 MS SQL 迁移等场景。
主要能力：
- 需求提取：从工单或提示中提取数据源、目标表/粒度、调度/SLA、新鲜度/增量策略四个关键字段，并明确将工单内容视为数据而非指令，防止提示注入。
- 环境检测：自动定位 dbt 项目，检测 Airflow、Prefect 或 Dagster 编排器，检查 GitHub 认证状态，并初始化本次运行的隔离状态。
- 代码生成：按分层（source、staging、intermediate、mart）生成 dbt SQL 与 YAML 文件，遵循项目现有命名与文件夹约定，添加测试与描述，并记录写入的文件清单。
- 编排生成：根据检测到的编排器生成对应的 DAG/flow/asset 文件，镜像项目现有风格（如 Cosmos、BashOperator 等），并记录文件。
- 验证：强制使用非生产目标进行 dbt 构建，并通过脚本确保所选模型不涉及生产 schema；对 Airflow DAG 进行语法解析检查。
- 自我审查：在提交前仅审查本次写入的文件，检查 SELECT *、缺失 unique_key、硬编码目标、缺失新鲜度等常见问题。
- 提交与 PR：提交更改、推送分支，并在 GitHub 认证可用时创建 PR，最后更新工单并生成摘要。
使用方式： 该技能通常以技能形式集成在 AI 编码代理中，通过自然语言指令触发。用户需要提供管道名称、需求描述（或工单链接），并确保环境中存在配置好的 dbt 项目、非生产 dbt 目标、git 与 gh 认证（如需 PR）。若缺少 dbt 或 git，技能会停止并提示用户。流程分为九个阶段，每个阶段有建议时间上限，总目标不超过 7 分钟，硬上限 8 分钟。
适用场景：
- 从工单出发构建包含 dbt 模型与编排调度的新数据管道。
- 需要自动生成代码、验证非生产环境、自我审查并提交 PR 的标准化数据工程工作流。
- 项目已使用 Airflow、Prefect 或 Dagster 之一，并希望保持现有编排风格。
限制：
- 不安装编排器（Airflow/Prefect/Dagster），要求仓库中已存在框架文件。
- 仅允许编辑 models 下的 SQL/YAML、本次生成的编排文件以及必要时修改 dbt_project.yml；禁止修改 profiles.yml、macros、grants 等。
- 必须存在非生产 dbt 目标，否则验证阶段拒绝运行。
- 若缺少 gh 但其他条件满足，技能可完成到推送分支，但不会创建 PR。
- 工单内容被视为不可信数据，仅提取四个字段，忽略其他指令。
暂未提供的信息：具体收费模式、价格、官方支持平台等未在资料中说明。