用途：当 Scala 作为分布式或流式数据系统的实现语言时使用本技能，帮助智能体管理构建兼容性、打包、JVM 依赖问题、类型化数据模型、序列化行为，以及那些在代码编译后很久才导致生产故障的运行时假设。
适用场景：构建或修改 Scala Spark 作业；用 Scala 实现 Flink、Kafka Streams 或其他 JVM 原生数据处理器；管理 sbt 构建、shaded JAR 或运行时兼容性；选择类型化数据集、encoder 或 JVM 序列化策略；调试分布式运行时中的 classpath、版本或打包问题。不应假设编译成功就代表分布式运行时安全。
工作流：1) 明确运行时与兼容性边界，包括引擎及版本、Scala 版本、JVM 级别、集群或容器运行时、connector 与库兼容性。2) 有意识地设计数据模型，选择类型化 case class 或 schema、序列化策略、encoder 行为、UDF 是否真正必要、null 与可选字段的表示方式。3) 面向真实部署目标打包，决定 sbt 或其他构建方式、fat-jar 或 shaded-jar、依赖冲突处理、资源与配置加载行为、作业启动与参数化方式。4) 面向分布式执行设计，而非 driver 本地便利，检查分区行为、倾斜、状态增长、checkpoint 或 savepoint 需求、意外的 driver 端收集或闭包捕获。5) 用真实运行时验证，要求具代表性的本地或测试集群执行、打包验证、schema 与兼容性检查、可观测性与失败处理预期。
常见误区：认为“能编译作业就没问题”，实际分布式 classpath、序列化与依赖问题往往只在运行时出现；认为“部署失败再修 JAR”，打包问题在部署期暴露会拖慢交付并掩盖更深的兼容性问题；认为“随手写个 UDF 更简单”，过度使用 UDF 会隐藏 JVM 数据引擎中的 schema、优化器与性能问题。
危险信号：Scala、引擎与 connector 版本未被有意固定在一起；driver 本地集合或闭包泄漏到分布式执行中；部署后才发现 shading 或依赖冲突；跨 schema 与 case class 的类型或 null 行为不清晰；运行时配置被嵌入代码而非显式启动参数。
验证清单：运行时、Scala 与库兼容性明确；打包策略匹配目标执行环境；数据模型与序列化行为是有意设计的；超出编译成功范围审查了分布式执行风险。