用途：该技能用于创建、配置与更新 Databricks Lakeflow Spark Declarative Pipelines（SDP，亦称 LDP），默认使用无服务器计算。可在 Python 与 SQL 之间选择，除非用户明确指定语言，否则先确认后保持同一语言。若为新项目，应按 Quick Start 使用 Databricks Asset Bundles。
主要能力：支持流式表、物化视图、临时视图与 AUTO CDC；覆盖数据摄取（Auto Loader、Kafka、Kinesis 等）、流式处理模式、SCD Type 1/2、性能调优（Liquid Clustering）、从 Delta Live Tables（DLT）迁移，以及高级配置。采用 Medallion 架构，Bronze 原始层、Silver 校验层、Gold 业务层，可用扁平命名或子目录组织。默认使用 CLUSTER BY 而非 PARTITION BY，使用原始 .sql/.py 文件而非笔记本，并要求 Unity Catalog。
使用方式：新项目推荐执行 databricks pipelines init 生成生产就绪的 Asset Bundle 工程，交互式填写项目名、初始 catalog、是否按用户分配 schema 及语言。随后在 src/transformations 编写转换文件，用 databricks bundle deploy 部署（默认 dev），用 databricks bundle run 运行，可用 --target prod 部署生产，并用 databricks bundle validate 校验。Python 管道使用 from pyspark import pipelines as dp，装饰器包括 @dp.table()、@dp.materialized_view()、@dp.temporary_view()；参数通过 spark.conf.get("key") 读取，在 Asset Bundle 的 resources.pipelines 配置中设置。也可用 MCP 工具（如 create_or_update_pipeline）进行手工快速原型。
适用场景：数据工程团队搭建受治理的流式数据管道、增量摄取、变更数据捕获、分层建模与迁移 DLT 等。
限制：仅在用户明确要求 R 语言、Spark RDD API 或 JAR 库时才使用经典集群；使用 cloudFiles 且无显式 schema 时必须指定 schema location，建议使用 /Volumes/{catalog}/{schema}/{pipeline_name}_metadata/schemas，不要使用源数据卷。具体价格、配额、版本支持范围及本技能未列出的行为暂未提供。