用途：作为官方 databricks 技能的补充，覆盖 Queries API 查询对象管理、VARIANT 类型与 JSON 操作、Lakeview 仪表盘 API、dbt 集成模式和 Databricks Jupyter kernel。CLI 基础、认证、Unity Catalog、Delta Lake、Lakeflow Jobs、ML、安全与 Schema 发现应使用父级 databricks 技能。
主要能力与必要用法： 配置档案校验：在把配置档案名写入计划或命令前，必须先用 databricks --profile <name> clusters list 验证可用；失败要先告知用户，不可仅凭名称假定有效。 Queries API：创建查询对象时字段为 warehouse_id、query_text、display_name，而非 data_source_id、query、name。示例：databricks api post /api/2.0/sql/queries --profile "DEFAULT" --json '{...}'；列出用 databricks api get /api/2.0/sql/queries --profile "DEFAULT"；按 ID 获取类似。 VARIANT 与 JSON：VARIANT 类型需运行时 15.3+，比 JSON 字符串快 10-30 倍，支持 schema 演化。用 parse_json() 插入，冒号记法取值如 data:name::STRING。冒号记法支持数组元素 tags[0]、通配符 tags[]、嵌套数组 basket[][0]，并支持类型转换。get_json_object() 路径必须是字符串字面量，不支持通配符；json_object_keys() 返回键数组，但对象字段顺序不保证，数组顺序有保证。 Lakeview 仪表盘：旧 Dashboard API 已弃用（2026-01-12 停用，迁移截止 2026-03-02），改用 /api/2.0/lakeview/dashboards。仪表盘不支持自定义 HTML/JavaScript 与客户端 JSON 解析，只有 20 多种预定义可视化，建议在 SQL 服务端先解析 JSON。 dbt 集成：可用 Jinja 宏 get_json_keys 结合 variant_explode 动态发现 JSON 键，实现自动 schema 演化，新字段在 dbt run 时自动识别。推荐架构为 Source → Bronze（VARIANT）→ Silver（dbt 展开）→ Gold（业务逻辑）。 Jupyter kernel：通过 uv pip install jupyter-databricks-kernel 与 uv run python -m jupyter_databricks_kernel.install 安装，用 uv run jupyter execute <notebook_path> --inplace --kernel_name=databricks --timeout=300 执行。需设置 DATABRICKS_HOST、DATABRICKS_TOKEN、DATABRICKS_CLUSTER_ID。集群停止时启动需 5-6 分钟，执行前应确认环境变量。
限制：部分 API 与运行时版本有明确要求；资料未提供定价、许可、平台依赖或性能基准等更多信息。