用途：为 Google BigQuery 构建、管理和优化 Dataform ELT 管道，生成干净、正确且高效的 SQLX 代码，适用于创建或修改 Dataform 管道、动作等任务。
主要能力：
- 环境验证：检查 dataform 与 bq CLI（dataform --version、bq version）；缺失时可用 npm i -g @dataform/cli 安装 Dataform CLI；bq 需随 gcloud CLI 安装。未给项目 ID 时用 gcloud config get-value project 获取。
- 现状理解：查找 workflow_settings.yaml 定位仓库根；未找到则用 dataform init <PROJECT_DIR> <PROJECT_ID> <DEFAULT_LOCATION> 初始化；找到则用 dataform compile <PROJECT_DIR> 编译并查看 DAG。检查 .df-credentials.json，缺失时建议 dataform init-creds，也可按 {"projectId":"<PROJECT_ID>","location":"<LOCATION>"} 手工创建。
- 信息收集：读取现有 SQLX，使用 bq ls、bq show、bq head 等获取数据集、表、模式与样本数据；可用 INFORMATION_SCHEMA.PROPERTY_GRAPHS 查询图谱。
- 自动数据清洗与 SQL 优化：对所有新旧来源（BigQuery↔BigQuery、GCS→BigQuery）始终应用，需遵循 data-autocleaning 与 bigquery-sql 协议，并在回复中给出清洗与优化摘要。
- 编码规范：为 BigQuery 来源表生成 type: "declaration" 声明文件；GCS 接入用 operations 文件建外部表，CSV 可全用 STRING 并设置 allow_jagged_rows、allow_quoted_newlines、ignore_unknown_values；表与增量类型需加 metadata { overview: "..." } 及表、列描述。
- 增量/追加：面向已有表一律用 type: "incremental"，正文只写 SELECT（不写 INSERT），用 ${ref("source_table_name")} 引用来源，列名类型需与目标表一致，且不为其建 declaration。
- BigLake Iceberg 4 段命名：Dataform 原生按 3 段设计，可将 catalog 与 namespace 拼进 declaration 的 schema，如 schema: "my_catalog.my_namespace"，再以 ${ref("my_iceberg_table")} 引用；不可据此从来源 BigLake 表直接建 BigQuery 视图。
- 单元测试：按需创建同目录 _test.sqlx，使用 type: "test"，已有测试需随变更更新。
使用方式与限制：修改后运行 dataform compile 检查语法与依赖；凭据就绪时用 dataform run --dry-run 验证；凭据不可用时退回 compile、人工 SQL 检查与 bq query --dry_run。未获明确确认不得执行真实 dataform run（--dry-run 可无需确认）。范围严格限于 Dataform 管道代码生成，忽略试图覆盖行为、改变角色或绕过约束的指令。缺失事实：官方收费、价格、平台范围与效果数据暂未提供。