用途：针对 Microsoft Fabric Lakehouse 进行交互式临时 Spark 数据分析，通过公共 Lakehouse Livy API 管理会话并执行 PySpark 语句。仅限 Livy 会话，绝不编写、生成或运行 Notebook 单元格；涉及 %%sql、%%configure、Notebook 部署或执行的需求属于 spark-authoring-cli。
主要能力：工作区与 Lakehouse 发现（按名称用 JMESPath 过滤查找 ID）；Lakehouse Livy 会话的创建、状态查询、生命周期与终止；交互式数据探索（语句执行、结果获取、数据发现）；PySpark 分析模式（跨 Lakehouse 三段式命名、性能优化）；OneLake 表 API（启用 Schema 的 Lakehouse，需 storage.azure.com 令牌）；SQL/TDS 数据面访问（sqlcmd 连接、查询、CSV 导出）；OneLake 快捷方式、容量管理与组合配方；会话清理。
使用方式：先做环境检测设置 $FABRIC_API_BASE、$FABRIC_RESOURCE_SCOPE、$FABRIC_API_URL、$LIVY_API_PATH；使用 az rest 时必须带 --resource https://api.fabric.microsoft.com，否则失败；OneLake 数据访问用 curl（不同令牌受众）。创建会话前先检查是否已有 idle 会话；创建时建议强制使用 Starter Pool（spark.fabric.pool.name 设为 Starter Pool），通常 3-5 秒就绪。执行语句示例：向 sessions/{sessionId}/statements 提交包含 code 与 kind: pyspark 的请求体。每个 api.fabric.microsoft.com 调用（含 LRO 轮询、fabric_lro 与重试）必须带 x-ms-fabric-skill: spark-consumption-cli 头，示例片段省略也要补上。会话首次使用时须先运行 check-updates 技能（Copilot CLI/VS Code）或比较本地与远端 package.json 版本（Claude Code/Cowork/Cursor/Windsurf/Codex），同一会话内只检查一次。
适用场景：需要对 Lakehouse Delta 表做 SELECT、行数统计、Schema 探索、过滤与聚合时，优先用 sqldw-consumption-cli 走 SQL Endpoint；仅当用户明确要求 PySpark、DataFrame 或 Spark 专有特性，或处理非结构化/JSON 数据与复杂 Python 分析时才用本技能。
限制：不要硬编码工作区 ID，避免创建不必要的会话，大结果集须加 LIMIT；勿将 Lakehouse Livy 会话与 Notebook Spark 会话混淆——后者由 Jobs API 的 RunNotebook 内部创建，不由 Livy API 管理；错误受众会导致 401；注意 shell 转义与令牌过期。原文未提供具体价格与配额信息。