用途：dbt-model-generator 用于从 Snowflake 原始表自动创建 dbt 模型。它会先分析原始表数据，再推荐建模模式，然后生成 staging、维度（dim）和事实（fact）模型及测试，最终提交 PR 供工程师审核。
主要能力：数据剖析；推荐星型模型、OBT（one big table）或宽表冗余等建模模式；生成 staging/dim/fact 模型；生成 schema 测试与文档；可选执行 dbt parse 和 dbt run 验证；通过 Git 提交并创建 PR。
使用方式与工作流：先收集参数，再发现并分析原始表，然后推荐建模模式（此处暂停，等待用户确认模式与分类），接着生成 dbt 项目脚手架，再按 staging→dims→facts/OBT 顺序生成模型，随后生成 schema 测试与文档，执行验证（dbt parse 及可选的 dbt run，随后暂停供用户审核），最后进行 Git 提交与 PR。
参数：必填 <SOURCE_DATABASE>（包含原始表的 Snowflake 数据库）和 <SOURCE_SCHEMA>（数据库内 schema，或 * 表示全部 schema）。可选参数包括 <SOURCE_TABLE>（默认发现 schema 中全部表）、<PROJECT_NAME>（默认由数据库名派生）、<PROJECT_PATH>（默认 ~/Documents/coco-dev/<PROJECT_NAME>）、<TARGET_SCHEMA>（未提供时询问用户）、<GITHUB_REPO>（格式 owner/repo-name）、<WAREHOUSE> 和 <ROLE>（默认使用当前 CoCo 连接的仓库与角色）。
要求：dbt-core>=1.7,<2.0 且 dbt-snowflake>=1.7,<2.0；Python 3.9+；运行时 uv（优先）、pipx 或 pip，技能自动检测可用项；git CLI 与 gh CLI 用于创建 PR；Snowflake 需活动 CoCo 连接或基于环境变量的认证。
适用场景：从原始 Snowflake 表生成 dbt 模型；数据建模左移；自动化维度建模；从原始数据创建事实与维度；从原始表构建星型模型；从 Iceberg 表或任意原始来源自动生成 dbt 代码。
限制：不适用于修改现有 dbt 模型、仅运行 dbt 测试或 dbt 项目配置问题。更详细的步骤、SQL 查询、dbt 模板、列分类规则和故障排查见 references/workflow.md。