用途：在 Python 中构建实时事件流管道，覆盖从生产事件、消费流、实时处理到生产运维的完整生命周期。适用于实时事件流管道、Kafka/MQTT/NATS 生产者与消费者、受限设备物联网数据接入、事件驱动微服务通信、变更数据捕获（CDC）、高吞吐日志聚合、恰好一次语义的流处理、背压与流控设计。不适用：批处理、云存储认证、湖仓表格式、工作流编排、数据质量框架、AI/ML 管道等，应改用相应技能。
工具选择：高吞吐事件流用 Kafka；物联网与受限网络用 MQTT；云原生微服务用 NATS JetStream；日志聚合与 CDC 用 Kafka；实时分析用 Kafka + ksqlDB；请求-应答用 NATS 核心。决策规则：高容量可重放事件日志用 Kafka，物联网和移动端弱连接用 MQTT，云原生微服务与更简单运维用 NATS。
核心流程：先设计流，明确消息量（每秒事件数、峰值与均值）、持久性要求（能否丢消息、是否需重放）、顺序保证（按键或全局）、投递语义、消费者模式（单消费者、消费者组或扇出）、模式演进；再实现生产者与消费者，示例中生产者使用 confluent_kafka 的 Producer 并设置 acks 为 all，消费者关闭自动提交并手动 commit；最后校验与运维，包括消费者延迟监控、死信队列、模式校验与幂等。
生产标准：至多一次用自动提交、可接受丢数据；至少一次用处理后手动提交；恰好一次用幂等消费者加事务写入。幂等模式需用去重存储（如 Redis/DB）检查消息 ID，处理后保存检查点并确认。错误处理区分可重试错误（退避重入队）与不可重试错误（进入死信队列），处理后始终确认以避免无限重试。
深入参考：Kafka 见 references/kafka.md（生产者、消费者、Schema Registry、ksqlDB）；MQTT 见 references/mqtt.md（QoS、保留消息、遗嘱）；NATS 见 references/nats.md（流、推拉消费者、工作队列）。该技能替代并整合了原有的 data-engineering-streaming。