用途：为数据管道提供编排与工作流管理知识，涵盖调度、依赖解析、重试、监控与状态管理，涉及 Prefect、Dagster、dbt 三种主流工具及轻量替代 FlowerPower。
主要能力与选型：Prefect 基于 Flow，适合 Python 化工作流、快速原型与云优先场景，学习曲线中等；Dagster 基于资产，适合数据资产血缘、可复现与类型检查，曲线较陡；dbt 面向 SQL 转换，适合分析工程、ELT 与数据仓库，学习成本低；FlowerPower 基于 Apache Hamilton 的 DAG，配置驱动、无数据库与调度器，适合轻量批处理 ETL。
使用方式：各工具分别有详细指南（prefect.md、dagster.md、dbt.md）。重试模式示例：Prefect 用 @task(retries=3, retry_delay_seconds=60)，Dagster 用 @asset(retry_policy=RetryPolicy(...))，dbt 用 --fail-fast 加自定义宏。依赖管理：Prefect 用 task1 >> task2，Dagster 用 @asset(depends_on=[other_asset])，dbt 由模型中的 ref() 构建 DAG。所有编排器都假设操作幂等。
适用场景：通用 ETL 与 API 集成、复杂数据平台、分析数据集市、简单批处理管道。
限制：FlowerPower 无原生调度、无状态持久化、重试仅按管道级、可观测性基础，不适合 7x24 生产工作流、复杂跨依赖图、检查点恢复与多团队细粒度权限。技能依赖 @building-data-pipelines、@accessing-cloud-storage，相关 @assuring-data-pipelines、@designing-data-storage。生产建议包括版本控制、本地测试、环境变量管理凭据、监控告警、日志聚合与幂等写入。具体安装命令与价格暂未提供。