该技能用于构建数据管道，整体模式为：摄取（把数据导入）→ 转换（清洗、建模、连接）→ 查询（分析）→ 探索（笔记本、应用、可视化）。各步骤的具体工具取决于项目，首选默认如下：摄取用 dlt，备选纯 Python 脚本或 shell + curl；转换用 sqlmesh，备选纯 SQL 脚本、dbt、Python 脚本；查询引擎用 DuckDB / MotherDuck；DataFrame 用 polars；笔记本用 marimo；项目管理用 uv；可视化用 altair、seaborn。语言偏好为 SQL 优先（DuckDB 方言），其次 Python，最后 bash，使用能完成任务的最简单语言。
项目布局建议：project/ 下含 ingest/（每个数据源一个脚本，使用 dlt 时有 .dlt/ 配置）、transform/（models/ 放 SQL 模型，使用 sqlmesh 时有 config.yaml）、notebooks/（marimo 笔记本，普通 .py 文件）、data/（本地数据，gitignore）、pyproject.toml、uv.lock（提交）、*.duckdb（gitignore）。并非每个项目都需要全部目录，简单分析可能只需 notebooks/ 和一个 DuckDB 文件，按需扩展。
使用 uv 管理项目，不要直接使用 pip：uv init、uv add、uv sync、uv run python script.py、uv run --with requests script.py。独立脚本可用 PEP 723 内联依赖，以 uv run script.py 运行并自动解析依赖，始终提交 uv.lock，用 pyproject.toml 声明依赖而非 requirements.txt。polars 用于需要 Python 逻辑时（复杂字符串转换、ML 特征、行级条件），连接、聚合和窗口函数优先用 SQL，支持惰性求值，与 DuckDB 可通过 Arrow 零拷贝互操作。dlt 用于摄取，可处理 API 调用、分页、模式推断、增量加载与状态管理，写入处置有 append、replace、merge，目标包括 duckdb 和 motherduck。sqlmesh 用于转换，采用计划/应用工作流，模型类型包括 FULL、INCREMENTAL_BY_TIME_RANGE、INCREMENTAL_BY_UNIQUE_KEY、SEED、VIEW、SCD_TYPE_2，并可与 dlt 集成。
本技能涉及底层工具时需参考相关技能：DuckDB 语法参见 motherduck-duckdb-sql 或 duckdb-docs，MotherDuck 连接等参见 motherduck-* 技能，marimo 笔记本参见 marimo-notebook，本地 DuckDB 会话管理参见 attach-db、query、read-file。本资料未提供收费、价格、平台要求或效果等事实，相关内容暂未提供。