本技能是一份 Cosmos + dbt Core 实现清单，按顺序执行各步骤，并优先选择满足约束的最简配置。版本说明：技能针对 Cosmos 1.11+ 与 Airflow 3.x；若用户使用 Airflow 2.x，需要调整导入方式（见附录 A）。参考资料为 PyPI 上的 astronomer-cosmos。
【开始前确认】需要确认：(1) dbt 引擎为 Core（不是 Fusion，Fusion 应使用 cosmos-dbt-fusion）；(2) 仓库类型；(3) Airflow 版本；(4) 执行环境（Airflow 环境 / venv / 容器）；(5) 选择 DbtDag、DbtTaskGroup 还是个别的算子；(6) manifest 是否可用。
【一、配置项目 ProjectConfig】可按项目路径（本地文件可用时，参数 dbt_project_path）或仅用 manifest（dbt_manifest 加载方式，参数 manifest_path + project_name）。示例从 cosmos 导入 ProjectConfig 并设置 dbt_project_path，可附带 manifest_path、project_name、install_dbt_deps（CI 中已预计算依赖时）。
【二、选择解析策略 RenderConfig】根据约束从以下加载模式中选一种：dbt_manifest（大型项目、容器化执行、最快；需要 ProjectConfig.manifest_path，远程 manifest 需 manifest_conn_id）；dbt_ls（复杂选择器、需要 dbt 原生选择；需要 dbt 已安装或 dbt_executable_path；也可与容器化执行配合）；dbt_ls_file（无需每次解析运行 dbt_ls 的 dbt_ls 选择；需要 RenderConfig.dbt_ls_path；select/exclude 不生效）；automatic（默认，简单场景由 Cosmos 选择，回退顺序为 manifest → dbt_ls → custom）。容器化执行（DOCKER/KUBERNETES 等）时需重点注意。
【三、选择执行模式 ExecutionConfig】从以下模式中选一种：WATCHER（最快、单次 dbt build 可见性；需要环境中含 dbt adapter 或 dbt_executable_path 或 dbt Fusion）；WATCHER_KUBERNETES（最快隔离方式、单次 dbt build 可见性；容器内安装 dbt）；LOCAL + DBT_RUNNER（dbt 与 adapter 与 Airflow 同一 Python 安装；需要 requirements.txt 中 dbt 1.5+）；LOCAL + SUBPROCESS（dbt 与 adapter 在 Airflow 部署中的隔离 Python 安装；需要 dbt_executable_path）；AIRFLOW_ASYNC（BigQuery + 长时间转换；需要 Airflow ≥2.8 与 provider 依赖）；KUBERNETES（Airflow 与 dbt 之间隔离；需要 Airflow ≥2.8 与 provider 依赖）；VIRTUALENV（不能修改镜像、运行时 venv；较慢；需要 operator_args 中的 py_requirements）；其他容器化方式（支持 Airflow 与 dbt 隔离；需要容器配置）。详细配置示例见 reference/cosmos-config.md。
【四、配置仓库连接 ProfileConfig】推荐方式 A：Airflow 连接 + ProfileMapping，例如使用 SnowflakeUserPasswordProfileMapping，设置 profile_name、target_name、conn_id 与 profile_args。方式 B：使用已有 profiles.yml，设置 profiles_yml_filepath，注意不要硬编码密钥，应使用环境变量。所有 ProfileMapping 类与详细选项见 reference/cosmos-config.md。
【五、配置测试行为 RenderConfig】TestBehavior 可选：AFTER_EACH（默认，每个模型后立即测试）、BUILD（将 run + test 合并为单次 dbt build）、AFTER_ALL（所有模型完成后统一测试）、NONE（跳过测试）。
【六、配置 operator_args】可设置基础算子参数如 retries，以及 Cosmos 特有参数 install_deps、full_refresh、quiet，以及运行时 dbt vars（支持 XCom / params 模板）。
【七、组装 DAG / TaskGroup】提供三种方式。方式 A：DbtDag 独立 DAG，传入 dag_id、project_config、profile_config、execution_config、render_config、operator_args、start_date、schedule。方式 B：在已有 DAG 内使用 DbtTaskGroup，注意 Airflow 3.x 从 airflow.sdk 导入 dag/task，Airflow 2.x 从 airflow.decorators 导入，并使用 chain 串联前置任务、dbt 任务组与后置任务。方式 C：直接使用 Cosmos 算子（如 DbtSeedLocalOperator、DbtRunLocalOperator、DbtCloneLocalOperator），配合 ProfileConfig 与 profiles.yml 路径，可设置 dbt_cmd_flags、install_deps、append_env 等，并通过 >> 设置依赖。还介绍了如何对个别 Cosmos 任务设置依赖：遍历 dag.dbt_graph.filtered_nodes，按 resource_type（如 SEED）通过 dag.tasks_map 取任务并 chain。
【八、安全检查】最终确认前需验证：执行模式与约束匹配（AIRFLOW_ASYNC 仅支持 BigQuery）；所选执行模式对应的仓库 adapter 已安装；密钥通过 Airflow 连接或环境变量提供而非明文；加载模式与执行匹配（复杂选择器使用 dbt_ls）；如下游 DAG 基于 Cosmos asset 调度，需使用 Airflow 3 asset URI。
【附录 A：Airflow 3 兼容性】导入差异：Airflow 3.x 使用 from airflow.sdk import dag, task 与 from airflow.sdk import chain；Airflow 2.x 使用 from airflow.decorators import dag, task 与 from airflow.models.baseoperator import chain。Asset/Dataset URI 格式变化：Cosmos ≤1.9（Airflow 2 Datasets）为 postgres://0.0.0.0:5434/postgres.public.orders；Cosmos ≥1.10（Airflow 3 Assets）为 postgres://0.0.0.0:5434/postgres/public/orders。升级到 Airflow 3 时需更新 asset URI。
【附录 B：运维附加项】缓存：Cosmos 默认启用 artifacts 缓存以加速解析。内存优化导入：设置 AIRFLOW__COSMOS__ENABLE_MEMORY_OPTIMISED_IMPORTS=True 后，从 cosmos.airflow.dag 导入 DbtDag。产物上传到对象存储：设置 AIRFLOW__COSMOS__REMOTE_TARGET_PATH 与 AIRFLOW__COSMOS__REMOTE_TARGET_PATH_CONN_ID，并从 cosmos.io 导入 upload_to_cloud_storage，在 operator_args 中设置 callback。dbt Docs 托管：Cosmos 在 Airflow UI 中提供 dbt docs，配置取决于 Airflow 主版本（两者使用不同 UI 插件系统，并非简单的单项目与多项目选择）。Airflow 2（FAB 插件）使用 DBT_DOCS_DIR（可加 DBT_DOCS_CONN_ID、DBT_DOCS_INDEX_FILE_NAME），作用域为单项目，Cosmos 1.4.0+；Airflow 3.1+（FastAPI）使用 DBT_DOCS_PROJECTS（JSON），作用域为一个或多个项目，Cosmos 1.11.0+。应按 Airflow 版本选择，而非按项目数量；单项目设置是 Airflow 2 的路径，Cosmos 未发布弃用通知，不应描述为 legacy 或 deprecated。
【相关技能】cosmos-dbt-fusion：用于 dbt Fusion 项目（非 dbt Core）；authoring-dags：通用 DAG 编写模式；testing-dags：创建后测试 DAG。
本技能的目标用户是需要在 Airflow 中编排 dbt Core 项目的工程师，适用场景包括将现有 dbt 项目迁移为 Airflow DAG/TaskGroup、在已有 DAG 中嵌入 dbt 任务组，或直接使用 Cosmos 算子进行细粒度控制。限制方面：明确针对 dbt Core 而非 dbt Fusion，且面向 Cosmos 1.11+ 与 Airflow 3.x（Airflow 2.x 需按附录调整）；AIRFLOW_ASYNC 模式仅支持 BigQuery。未在资料中提供的信息（如具体收费、平台限制、性能指标等）暂未提供。