用途：当 Apache Hudi 作为增量湖仓工作负载的主表格式时使用，帮助智能体推理高变更模式、表类型选择、compaction 行为、时间线安全与读路径消费者预期。
适用场景：选择或运维 Hudi 湖仓表；构建记录级 upsert/delete 管道；管理 compaction、clustering 与增量消费；支撑高变更表（如 CDC 落库、缓慢变化维度）；规划 Spark、Presto、Trino、Athena、Hive 多引擎访问。若负载为纯追加且无变更需求，Parquet 或 Iceberg 更简单，不应使用本技能。
工作流程：先定义变更模式与读取预期，包括主记录键、分区路径、操作类型（insert、upsert、delete、bulk replace）、读延迟要求、必需查询引擎、写入吞吐与变更率；再选表类型与索引：Copy-on-Write（COW）适合读密集，写入产生列式快照；Merge-on-Read（MOR）适合写密集，合并延迟到读取或 compaction；记录索引可选 BLOOM、GLOBAL_BLOOM、SIMPLE、BUCKET、RECORD_INDEX，影响 upsert 性能与扩展性，并需记录选型理由。
必须显式规划 compaction 与 clustering：MOR 表 compaction 非可选，定义同步或异步策略及触发条件（提交数、时间、日志文件大小）；clustering 需与 compaction 分开规划，并计入计算成本。增量消费需定义消费者契约，包括起始 commit instant、重置与引导读取、schema 变更影响，并测试消费者能否正确处理 compaction 与 rollback instant。
限制与风险：schema 演进并非对所有读取引擎安全，列新增通常安全，重命名与类型变更需谨慎；rollback 与 archival 策略会影响时间线可见性，消费者需处理时间线缺口。需监控时间线增长、待处理 compaction 与 inflight commit，并为 compaction 积压和写入失败告警，定义保留、归档、备份与恢复流程。常见误区包括忽略记录键与分区设计、默认索引不做分析、无 compaction 调度、消费者无起始 instant 文档等。