agentic-lookml-workflow 是一套面向 Looker 的端到端智能体工作流，目标是把已有的 SQL 查询与指标/术语逻辑重构到 LookML 项目中。工作流以脚本和 code-mode 沙箱调用串联多个阶段，并在会话过程中把关键操作记录到 summary.md。
用途与流程 开始时会向用户索取缺失输入：SQL 查询（内联或 .sql 文件）、指标与术语逻辑（业务定义、常用度量、维度与过滤器），以及目标 Looker 项目（PROJECT_ID，必要时提供 BASE_URL）。随后运行仓库初始化与前置检查脚本，确保 uv、lkr-dev-cli[tools,code-mode,parse]、gh、jq、配套技能与 .github/workflows/lookml-pr-checks.yml 就绪，并以开发模式完成认证。
接着将开发者工作区重置到生产，基于生产 ref 创建形如 YYYYMMDD_HHMMSS_mmm_<looker_user_id> 的分支，初始化 data.json、input.sql、metrics.md 与 summary.md，并把项目现有 LookML 拉取到本地目录。
建模与验证 工作流会解析目标模型（MODEL_NAME）与数据库连接（CONNECTION_NAME）：已有模型时从 .model.lkml 读取；没有模型时需要询问用户使用哪个连接，并通过 configure_model.py 在 Looker 实例上注册模型配置，默认模型名为 PROJECT_ID 中连字符替换为下划线后的结果。生成或写入 LookML 文件后，要确保模型文件中的 include: 覆盖已写文件，独立 .explore.lkml 与 .test.lkml 显式 include 其引用的视图/explore 文件，并用 lkr parse lookml 验证字段、explore 与测试被正确识别。
随后对所有物理表生成 Bronze 视图、拉取 LookML、建立基线快照，并输出 SQL 与 LookML 的初步对比结果。再把 SQL 查询拆解为规范形式、识别查询模式、编写 Bronze refinement 与隐藏 base explore，并推送到开发分支。流程还提供离线生成 Explore 查询 JSON Schema 与校验内联查询 JSON 的步骤，用于在调用 Looker 前发现重复字段逻辑等问题。
在编写测试之前，工作流要求执行建模前与测试前的验证闸门：初始化 SQL Runner 查询以获得 /sql/:sql_id 链接，运行 LookML 校验与早期查询结果一致性检查；若出现校验或一致性错误，则记录失败并自愈 Bronze，再重新推送。
测试与提交 通过闸门后，建模 Silver/Gold 与编写 LookML 数据测试，检查快照（含允许新增），推送最终 LookML，定向运行新增测试，登记最终 explore 查询以生成 /x/:query_id 链接，并通过校验与提交脚本做最终验证与定向测试。若仍失败则记录并自愈；全部通过后，生成包含 summary.md、快照审查状态、SQL Runner 与 Explore 链接表以及输入文件折叠区的 GitHub PR，并在检测到实质性快照变化时请求评审者，同时把对比结果以折叠评论发布，并将 PR URL 写回 data.json。
适用场景与限制 该工具适用于将既有 SQL 和指标定义规范化迁移到 LookML、需要 Bronze/Silver/Gold 分层建模与查询一致性对比的团队。使用中必须以 --dev 开发模式运行，禁止在生产环境执行；需要 Looker 实例凭据、GitHub 访问权限与相应脚本环境。关于收费、价格与具体平台支持范围，资料暂未提供。