用途：当需要生成包含 Fabric Lakehouse 定义与功能的文档或说明、按最佳实践设计构建和优化 Lakehouse 方案、理解 Microsoft Fabric 中 Lakehouse 的核心概念与组件、学习如何在 Lakehouse 中管理表格数据（表）与非表格数据（文件）时，可使用该技能获取上下文。
主要能力：Lakehouse 是 Microsoft Fabric 中的一项，用于存储表格数据（如表）和非表格数据（如文件），兼具数据湖的灵活性与数据仓库的管理能力。提供 OneLake 中结构化与非结构化数据的统一存储、Delta Lake 格式（支持 ACID 事务、版本管理与时间旅行）、用于 T-SQL 查询的 SQL 分析终结点、用于 Power BI 集成的语义模型，并支持 CSV、Parquet 等其他表格式及任意文件格式。关键组件包括 Delta 表（具备 ACID 合规与架构约束的托管表）、Files 区的非结构化/半结构化数据、自动生成的只读 SQL 终结点、无需复制即可虚拟链接内外部数据的快捷方式，以及按计划自动更新的 Fabric 物化视图。表存放在 Tables 文件夹下，主格式为 Delta；CSV、Parquet 等格式仅可用于 Spark 查询。表可为内部表或外部表，通过快捷方式引用。创建 Lakehouse 时可选择启用架构（schema），以文件夹形式组织表，默认架构为 dbo 且不可删除或重命名，其他架构可创建、重命名或删除，并可通过架构快捷方式引用另一 Lakehouse 的架构。文件存放在 Files 文件夹下，可建文件夹和子文件夹，支持任意文件格式。Spark 视图为 SQL 查询定义的逻辑表，不存储数据。安全方面：控制平面通过工作区角色（Admin、Member、Contributor、Viewer）和共享能力控制访问；数据访问使用基于 Microsoft Entra ID 和 RBAC 的 OneLake 安全模型，并支持表的列级和行级安全。快捷方式类型包括内部、ADLS Gen2、Amazon S3、Dataverse、Google Cloud Storage。性能优化方面，可为 Delta 表启用 V-Order 优化以加速语义模型读取；使用 OPTIMIZE 命令合并小文件并应用 Z-ordering，使用 Vacuum 清理旧文件释放空间。Lakehouse 支持血统（lineage），自动捕获表和文件的血统信息以追踪数据来源与转换。PySpark 代码示例和获取数据的具体方法见对应文档。
使用方式与限制：资料未提供该技能的具体安装命令、调用步骤或平台依赖，相关获取数据的操作细节需参考 PySpark 代码示例和 Get data 文档；收费、价格与效果等信息暂未提供。