用途：FlowerPower 用于以代码优先方式构建配置驱动的数据管道，基于 Hamilton DAG 定义节点依赖，适合简单到中等复杂度的批处理 ETL、数据转换和 ML 工作流，以及快速原型和批处理。它不面向需要调度、状态持久化和高容错的生产级编排。
主要能力：支持 Hamilton DAG 定义、配置文件参数化、多种执行器（如 threadpool、processpool）、Delta Lake 读写与 schema 演进、Polars 惰性求值、DuckDB 水位线增量加载、Pandera 数据校验、fsspec 访问 S3 等云存储，并可用 Hamilton UI 查看 DAG。
使用方式：安装 uv pip install flowerpower[io,ui]；初始化 flowerpower init --name my-pipeline-project；创建管道 flowerpower pipeline new bronze_ingestion；运行 flowerpower pipeline run bronze_ingestion。管道参数放在 conf/pipelines 下的 YAML 中，Python 文件用 Hamilton 函数定义节点。
适用场景：简单批处理 ETL、数据转换脚本、Medallion 分层（bronze/silver/gold）、增量加载、数据质量校验、云存储读取。
限制：无内置调度器（需配合 cron/systemd）、重启后无状态持久化、可观测性有限、不适合长时间容错生产工作流；多节点执行需额外配置 Ray/Dask。生产编排建议改用 Prefect、Dagster、dbt 或 Airflow。该技能假设已熟悉 Polars、DuckDB、PyArrow、Delta Lake、Iceberg、云存储、Pandera 等基础。