用途：面向数据工程实践，帮助搭建与优化数据管道、设计数据仓库、实现 ETL/ELT、建设数据湖并优化数据基础设施。适用问题包括数据管道、ETL、数据仓库、数据湖，以及 Airflow、Spark、dbt、Snowflake、BigQuery、数据建模等主题。
主要能力：给出分层结构参考，即来源→摄取→存储→转换→服务→消费；列出各层工具，如摄取 Fivetran、Airbyte、Stitch，存储 S3、GCS、Snowflake、BigQuery，转换 dbt、Spark、Airflow，编排 Airflow、Dagster、Prefect，服务 Looker、Tableau、Metabase。涵盖批处理与流式两种管道模式，前者以 Airflow DAG 示例，后者以 Kafka 消费者示例。
dbt 与建模：给出 models 目录结构，分 staging、intermediate、marts 三层的组织方式，并展示增量物化模型写法与 ref 引用、is_incremental 条件。数据建模部分介绍维度建模，区分事实表与维度表，并给出星型模式示意。
质量与性能：数据质量包含 dbt 测试规则与完整性、唯一性、及时性、准确性、一致性等指标；性能优化涉及 BigQuery 分区与聚簇建表示例，以及分区、聚簇、物化、缓存等手段。监控部分列出运行时、行数、新鲜度、失败等告警阈值，以及数据可观测性的 freshness、volume、schema_change 配置。
最佳实践：管道设计强调幂等、增量处理、清晰血缘与自动化测试；数据治理强调文档、血缘追踪、访问控制与 SQL 版本管理；成本管理强调查询成本监控、分区、错峰调度与归档。
限制：资料以指南与示例为主，未提供安装命令、收费价格、具体平台运行前提或效果数据，这些信息暂未提供。