用途：把 Apache Airflow DAG 文件迁移为生产可用的 Kestra flow，生成命名空间文件、正确的任务顺序和通过 schema 校验的 YAML。适用于将 .py DAG 转为 Kestra flow YAML、把 @task 装饰函数或 operator 翻译为 Kestra 任务、将 Airflow 依赖转为 Kestra 顺序/并行结构。
必要输入：Airflow DAG .py 文件路径（$ARGUMENTS）；输出目录（默认 DAG 旁的 kestra-migrate/）；目标 Kestra 命名空间（未提供则询问，默认 company.team）。
主要流程：先完整读取 DAG，提取 dag_id、schedule、default_args、tags，逐任务记录 ID、Python 依赖、是否含重要业务逻辑、依赖关系与并行性、XCom 数据传递；再拉取并校验 Kestra schema（curl -s https://api.kestra.io/v1/plugins/schemas/flow -o /tmp/kestra_schema.json），未读取校验前不生成 YAML；随后把含业务逻辑的任务抽为 <output-dir>/scripts/<task_id>.py 命名空间文件，去除 Airflow 导入，用 json.dump/json.load 替代 XCom；最后生成 flow.yaml。
生成规则：任务块中 YAML 列表符号 - 必须位于 id 行，type 紧随其后；Python 任务固定 containerImage: python:3.11；重要逻辑用 namespaceFiles 引用脚本；任务间用 outputFiles 与 inputFiles 传递数据；共享上游且互不依赖的任务包在 io.kestra.plugin.core.flow.Parallel 中；schedule 映射为 Schedule trigger（@daily、@hourly 等，None 则省略）；dag_id→id、tags→labels、description→description；仅使用 schema 中定义的属性，不硬编码密钥，使用 {{ secret('SECRET_NAME') }}。
输出结构：flow.yaml 与 scripts/ 下每任务一个 .py。部署可配合 kestra-ops 技能，命名空间文件需逐个上传：for f in <output-dir>/scripts/*.py; do name=$(basename "$f"); kestractl nsfiles upload <namespace> "$f" "scripts/$name" --override; done，避免目录上传导致 scripts/scripts/ 嵌套。
限制：资料未提供收费、价格、平台支持范围等信息；retries 不在 flow 级设置，需按任务处理；catchup=False 无对应项。