用途：指导使用 Snowpark Python（Snowflake 服务端 Python API）与 dbt-snowflake 适配器构建生产级数据转换管道。
Snowpark 主要能力：Session 从环境变量读取凭据并显式指定 role、warehouse、database、schema；DataFrame API 支持 filter、select、group_by().agg()、join、sort、with_column、drop、distinct、limit、union_all、flatten、write.save_as_table()，且惰性求值，仅在 collect()/show() 或写入时执行；支持标量 UDF、向量化（pandas）UDF、UDTF、存储过程；可用 session.add_packages() 添加第三方包并固定版本，用 session.add_import() 附加静态文件；也可用 modin.pandas 配合 Snowpark 插件实现 pandas-on-Snowflake。
dbt 主要能力：分层建模（stg_* 做重命名与类型转换，mart 承载业务逻辑）；物化方式含 view、table、incremental、ephemeral、dynamic_table；在 _sources.yml 声明源并配置新鲜度阈值；对关键列加 unique/not_null 测试；增量模型需用 {% if is_incremental() %} 保护 {{ this }}；Snowflake 专属配置包括 cluster_by、transient、query_tag、copy_grants、snowflake_warehouse、secure。
使用方式：安装 pip install dbt-snowflake，在 profiles.yml 中通过 env_var() 引用凭据；常用命令 dbt run、dbt test、dbt build、dbt compile、dbt source freshness、dbt docs generate && dbt docs serve；可用 --select model+ 或 +model 选择性运行。
适用场景：服务端数据清洗与转换、ML 推理、多步 ETL 编排、近实时动态表、大型事实表增量处理。
限制与注意：不要将大型 DataFrame collect 到客户端，避免逐行 Python 循环，勿硬编码凭据或库表名，小表（约 1TB 以下）不宜设 cluster_by，不要默认全部物化为 table。具体收费、价格与平台支持情况暂未提供。