用途：该技能面向 dbt 分析仓库项目，提供项目结构、SQL 模式与最佳实践，适用于编写 dbt 模型、测试 SQL 及排查列名、类型、连接等问题。
项目结构：根目录为 dbt/（位于工作区根目录，不在 code/ 下）；模型在 dbt/models/，按 staging、intermediate、mart、analytics 分层；配置为 dbt/dbt_project.yml，profiles 为 dbt/profiles.yml。
访问控制：dbt 目录写权限受限。新建或修改模型时，先在 code/.builder/dbt-models/ 创建 SQL，用 code/scripts/ 中的脚本测试查询，验证结果后再请求部署，由用户手动复制到 dbt/models/。
Schema 组织：dbt_staging_bigquery 存放 BigQuery 原始事件；dbt_staging 存放其他来源原始数据；dbt_intermediate 做连接与转换；dbt_mapping 存放 ID 映射；dbt_mart 存放维度模型；dbt_analytics 存放报表视图与聚合；dbt_dev 为开发测试，查询时应排除。
模型配置：使用 config 块设置 schema、materialized（table、view、incremental）与 tags。table 适合每日全量刷新且小于约 1000 万行；view 不占存储、始终最新；incremental 适合大型事件表追加。
SQL 注意事项：列名在规格与实际表间常不一致，应查询 INFORMATION_SCHEMA.COLUMNS 或源模型核实；ARRAY_AGG 中 DISTINCT 与 ORDER BY 非聚合列不能同用；布尔与金额字段常以字符串存储，需 CAST；邮箱匹配统一用 LOWER；去重可用 QUALIFY；可能为 NULL 的列连接需做 NULL 安全处理。
测试流程：先在 code/scripts/ 写全限定表名的 BigQuery SQL 与运行脚本，用 pnpm action test-<feature> 迭代验证，再转换为 {{ ref("table") }} 语法保存。
性能：BigQuery 单查询有 750GB 字节限制，注意表规模与 24 小时缓存，尽早过滤 Enterprise 管道，避免不必要 JOIN 与对大表 SELECT *。
限制：资料未提供安装命令、收费与价格信息，暂未提供。