Astronomer Skills

Generate verified recipe playbooks from AIPs with PR implementations (post mode), or speculative user stories from AIPs without implementations (pre mode). Use…

Generiere verifizierte Rezept-Playbooks aus AIPs mit PR-Implementierungen (Post-Modus) oder spekulative User Stories aus AIPs ohne Implementierungen (Pre-Modus). Verwende…

Apache Airflow-DAGs, Ausführungen, Aufgaben und Systemkonfiguration abfragen, verwalten und Fehler beheben. Unterstützt über 30 Befehle für DAG-Inspektion, Ausführungsverwaltung, Aufgabenprotokollierung, Konfigurationsabfragen und direkten REST-API-Zugriff. Mehrere Airflow-Instanzen mit persistenter Konfiguration verwalten; lokale und Astro-Bereitstellungen automatisch erkennen. DAG-Ausführungen synchron (warten auf Abschluss) oder asynchron auslösen, Fehler diagnostizieren, Ausführungen für Wiederholungen löschen und Aufgabenprotokolle mit Wiederholungs-/Kartenindex-Filterung abrufen. Ausgabe...

Airflow-Adapter-Muster für die Kompatibilität der v2/v3-API. Verwenden Sie dies bei der Arbeit mit Adaptern, Versionserkennung oder beim Hinzufügen neuer API-Methoden, die über… hinweg funktionieren müssen.

Airflow adapter pattern for v2/v3 API compatibility. Use when working with adapters, version detection, or adding new API methods that need to work across…

Menschliche Genehmigungstore, Formulareingaben und Verzweigungen in Airflow-DAGs unter Verwendung von aufschiebbaren Operatoren. Vier Operatortypen: ApprovalOperator für Genehmigen/Ablehnen-Entscheidungen, HITLOperator für Mehrfachauswahl mit Formularen, HITLBranchOperator für menschlich gesteuerte Aufgabenweiterleitung und HITLEntryOperator für Formulardatenerfassung. Alle Operatoren sind aufschiebbar und geben Worker-Slots frei, während sie auf menschliche Antworten über den Bereich "Erforderliche Aktionen" der Airflow-Benutzeroberfläche oder die REST-API warten. Unterstützt optionale Funktionen einschließlich benutzerdefinierter...

Guide for contributing to the Airflow Java SDK (AIP-108). Use this skill whenever a contributor is working in the `java-sdk/` directory or on the Java…

Guide for contributing to the Airflow Java SDK (AIP-108). Use this skill whenever a contributor is working in the `java-sdk/` directory or on the Java…

Guide for implementing a brand-new language SDK for Airflow (AIP-108). Use this skill when a contributor wants to add support for a new programming language —…

Leitfaden zur Implementierung eines brandneuen Sprach-SDKs für Airflow (AIP-108). Verwenden Sie diese Fähigkeit, wenn ein Mitwirkender Unterstützung für eine neue Programmiersprache hinzufügen möchte —…

Erstellen Sie Airflow 3.1+-Plugins, die FastAPI-Apps, benutzerdefinierte UI-Seiten, React-Komponenten, Middleware, Makros und Operator-Links direkt in die Airflow-Oberfläche einbetten. Verwenden Sie…

Persists task and asset state across retries and DAG runs using Airflow 3.3's AIP-103 key/value stores (`task_state_store`, `asset_state_store`) and the…

Add or update translations for the Apache Airflow UI. Guides through setting up locales, scaffolding translation files, translating with locale-specific…

Übersetzungen für die Apache Airflow UI hinzufügen oder aktualisieren. Führt durch das Einrichten von Locales, das Erstellen von Übersetzungsdateien, das Übersetzen mit lokalisierungsspezifischen…

Fragen Sie Ihr Data Warehouse, um Geschäftsfragen mit zwischengespeicherten Mustern und Konzeptzuordnungen zu beantworten. Unterstützt Mustersuche und Zwischenspeicherung für wiederkehrende Fragetypen, mit Aufzeichnung der Ergebnisse zur Verbesserung zukünftiger Abfragen. Enthält eine Konzept-zu-Tabelle-Zuordnungs-Cache und Tabellenschema-Erkennung über INFORMATION_SCHEMA oder Codebase-Grep. Bietet run_sql()- und run_sql_pandas()-Kernel-Funktionen, die Polars- oder Pandas-DataFrames für Analysen zurückgeben. CLI-Befehle zur Verwaltung von Konzept-, Muster- und Tabellen-Caches, plus...

Annotieren von Airflow-Tasks mit Data Lineage mithilfe von Inlets und Outlets. Unterstützt OpenLineage-Dataset-Objekte, Airflow-Assets und Airflow-Datasets zur Definition von Ein- und Ausgaben über Datenbanken, Data Warehouses und Cloud-Speicher hinweg. Verwenden Sie es als Fallback, wenn Operatoren keine integrierten OpenLineage-Extraktoren besitzen; folgt einem vierstufigen Prioritätssystem, bei dem benutzerdefinierte Extraktoren und OpenLineage-Methoden Vorrang haben. Enthält Dataset-Namenshilfen für Snowflake, BigQuery, S3 und PostgreSQL, um eine konsistente...

Geführter Workflow zur Erstellung von Apache Airflow DAGs mit Validierungs- und Testintegration. Strukturierter Sechs-Phasen-Ansatz: Umgebung und bestehende Muster erkunden, DAG-Struktur planen, Implementierung nach Best Practices, Validierung mit af CLI-Befehlen, Testen mit Benutzereinwilligung und Iteration über Fehlerbehebungen. CLI-Befehle zur Erkundung (af config connections, af config providers, af dags list) und Validierung (af dags errors, af dags get, af dags explore) bieten sofortiges Feedback zu DAG...

Writes Airflow task logic in Go using the Airflow Go SDK. Use when the user wants to implement Airflow tasks in Go, asks about `BundleProvider`/`RegisterDags`,…

Schreibt Airflow-Task-Logik in Java, Kotlin oder einer beliebigen JVM-Sprache mithilfe des Airflow Java SDK. Verwenden Sie dies, wenn der Benutzer Airflow-Tasks in Java/JVM implementieren möchte oder fragt …

Die sprachneutrale Grundlage für Airflow-Sprach-SDKs – implementieren Sie Aufgabenlogik in einer Nicht-Python-Sprache, während der DAG in Python bleibt. Verwenden Sie, wenn der Benutzer…

Wiederverwendbare Airflow-Task-Gruppen-Vorlagen mit Pydantic-Validierung definieren und DAGs aus YAML zusammenstellen. Verwenden beim Erstellen von Blueprint-Vorlagen, Zusammenstellen von DAGs aus…

Use when writing, editing, reviewing, or running Helm chart tests for the Astronomer APC repository. Covers pytest patterns, render_chart() usage, sub-chart…

Verwenden beim Schreiben, Bearbeiten, Überprüfen oder Ausführen von Helm-Chart-Tests für das Astronomer APC Repository. Deckt pytest-Muster, render_chart()-Nutzung, Sub-Charts…

Überprüft die Datenaktualität durch Abgleich von Tabellenzeitstempeln und Aktualisierungsmustern mit einer Veraltungsskala. Identifiziert Zeitstempelspalten anhand gängiger ETL-Benennungsmuster (_loaded_at, _updated_at, created_at usw.) und fragt deren Maximalwerte ab, um das Alter zu bestimmen. Klassifiziert Daten in vier Aktualitätsstatus: Frisch (< 4 Stunden), Veraltet (4–24 Stunden), Stark veraltet (> 24 Stunden) oder Unbekannt (kein Zeitstempel gefunden). Stellt SQL-Vorlagen zur Überprüfung der letzten Aktualisierungszeit und der Zeilenanzahltrends der letzten Tage bereit, um...

Use when writing, editing, or reviewing CircleCI configuration for the Astronomer APC repository. Covers script organization, inline vs external scripts, and…

Verwenden beim Schreiben, Bearbeiten oder Überprüfen der CircleCI-Konfiguration für das Astronomer APC Repository. Deckt Skriptorganisation, Inline- vs. externe Skripte und… ab.

Konfiguriert Airflow für die Ausführung von Language-SDK-Aufgaben (Go und zukünftige native SDKs) – registriert einen Koordinator, ordnet eine Warteschlange zu, stellt die Runtime/Artefakte auf Workern sicher,…

Konvertieren Sie dbt Core-Projekte mit Astronomer Cosmos in Airflow-DAGs oder TaskGroups. Unterstützt drei Assembly-Muster: eigenständigen DbtDag, DbtTaskGroup innerhalb bestehender DAGs und einzelne Cosmos-Operatoren für feingranulare Steuerung. Wählen Sie aus acht Ausführungsmodi (WATCHER, LOCAL, VIRTUALENV, KUBERNETES, AIRFLOW_ASYNC und andere) basierend auf Isolations- und Leistungsanforderungen. Bietet drei Parsing-Strategien (dbt_manifest, dbt_ls, dbt_ls_file, automatisch), um Geschwindigkeit und Selektorkomplexität auszugleichen...

Konfigurieren Sie Astronomer Cosmos für dbt Fusion-Projekte auf Snowflake, Databricks, BigQuery oder Redshift mit lokaler Ausführung. Erfordert Cosmos 1.11.0+, separat installierte dbt Fusion-Binärdatei in der Airflow-Laufzeitumgebung und ExecutionMode.LOCAL mit Subprocess-Aufruf. Unterstützt drei Parsing-Strategien: dbt_manifest (am schnellsten für große Projekte), dbt_ls (für komplexe Selektoren) oder automatic (einfache Setups). Deckt ProfileConfig-Setup für Warehouse-Verbindungen, ProjectConfig für dbt-Projektpfade und... ab.

Benutzerdefinierte OpenLineage-Extraktoren für nicht unterstützte Airflow-Operatoren und komplexe Lineage-Szenarien. Zwei Ansätze: Fügen Sie OpenLineage-Methoden direkt zu Operatoren hinzu, die Sie besitzen (empfohlen), oder erstellen Sie benutzerdefinierte Extraktoren für Drittanbieter-Operatoren, die Sie nicht ändern können. Extraktoren greifen an drei Punkten in die Operatorausführung ein: vor der Ausführung für statisches Lineage, nach Erfolg für zur Laufzeit bestimmte Ausgaben und optional nach Fehlschlag für partielles Lineage. Registrieren Sie Extraktoren über airflow.cfg oder Umgebungsvariablen...

Author Apache Airflow DAGs deklarativ mit dag-factory YAML-Konfigurationen. Verwenden beim Erstellen von dag-factory-Vorlagen, Zusammenstellen von DAGs aus YAML für dag-factory,…

Systematische Ursachenanalyse und Behebung fehlgeschlagener Airflow-DAGs mit strukturierten Untersuchungsabläufen. Führt durch einen vierstufigen Diagnoseprozess: Fehler identifizieren, Fehlerdetails extrahieren, Kontextinformationen sammeln und umsetzbare Abhilfeschritte liefern. Kategorisiert Fehler in vier Typen (Daten, Code, Infrastruktur, Abhängigkeiten), um die Untersuchung zu fokussieren und geeignete Korrekturen vorzuschlagen. Stellt einsatzbereite CLI-Befehle für Logabruf, Ausführungsvergleich, Task-Löschung und DAG... bereit.

Drives Astronomer's Otto agent (`astro otto`) as a delegated sub-agent for Airflow, dbt, and data-engineering work. Use when the user explicitly asks to "use…

Airflow-DAGs und -Projekte bereitstellen. Verwenden, wenn der Benutzer Code bereitstellen, DAGs pushen, CI/CD einrichten, in die Produktion bereitstellen oder nach Bereitstellungsstrategien fragt…

Erstellt, packt und stellt kompilierte Airflow Go SDK-Bundles bereit, damit der ExecutableCoordinator sie ausführen kann. Verwenden Sie dies, wenn der Benutzer ein Go-Task-Bundle kompilieren möchte, fragt…

Builds and deploys compiled Airflow Java SDK bundles so workers can run them. Use when the user wants to package a JVM task bundle into a JAR, asks about the…

Daten für ein Konzept oder eine Domäne entdecken und erkunden. Verwenden, wenn der Benutzer fragt, welche Daten zu einem Thema existieren (z. B. „ARR“, „Kunden“, „Bestellungen“), finden möchte…

Use when writing, editing, reviewing, or running functional (end-to-end) tests for the Astronomer APC repository. Covers scenario setup, testinfra patterns,…

Verwenden beim Schreiben, Bearbeiten, Überprüfen oder Ausführen von funktionalen (End-to-End-)Tests für das Astronomer APC Repository. Umfasst Szenario-Setup, Testinfra-Muster, …

Für Helm-Chart-Arbeiten – Erstellen von Charts, Modifizieren bestehender Charts, Values-Design, Testen. Für das Astronomer APC-Repository siehe docs/architecture.md für…

Initialisiere die Warehouse-Schema-Erkennung. Erzeugt .astro/warehouse.md mit allen Tabellenmetadaten für sofortige Abfragen. Einmal pro Projekt ausführen, bei Schemaänderungen aktualisieren…

Initialisierung der Warehouse-Schemaerkennung. Erzeugt .astro/warehouse.md mit allen Tabellenmetadaten für sofortige Abfragen. Einmal pro Projekt ausführen, bei Schemaänderungen aktualisieren…

Adopt and maintain the apache-magpie framework in a project repo via the snapshot-based adoption mechanism. The only framework skill committed in an adopter's…

Übernehmen und pflegen Sie das Apache-Magpie-Framework in einem Projekt-Repository über den snapshot-basierten Übernahmemechanismus. Die einzige Framework-Fähigkeit, die in einem Adopter-Repository festgeschrieben ist…

Astronomer-Produktionsdeployments mit der Astro CLI verwalten. Verwenden, wenn der Benutzer sich authentifizieren, Arbeitsbereiche wechseln, Deployments erstellen/aktualisieren/löschen oder…

Verwalte die lokale Airflow-Entwicklungsumgebung mit Astro CLI-Befehlen. Starte, stoppe, starte neu und beende lokale Airflow-Container; Standard-Anmeldedaten sind admin/admin mit Webserver unter http://localhost:8080. Zeige Logs für alle Komponenten oder spezifische Dienste (Scheduler, Webserver) mit Echtzeit-Verfolgungsoption. Greife auf Container-Shells zu und führe Airflow CLI-Befehle direkt über astro dev bash und astro dev run aus. Behebe häufige Probleme wie Portkonflikte, Startfehler, Paketfehler und...

Migriert Airflow-Projekte von airflow-ai-sdk zu apache-airflow-providers-common-ai 0.1.0+. Verwenden Sie diese Fähigkeit, wenn der Benutzer airflow-ai-sdk durch… ersetzen möchte.

Automatisierte Erkennung und Code-Migration für das Upgrade von Apache Airflow 2.x DAGs auf Airflow 3.x. Bietet Ruff-basierte Auto-Fix-Regeln (AIR30/AIR301/AIR302/AIR31/AIR311/AIR312) zur Erkennung und Behebung von Breaking Changes bei Imports, Operatoren, Hooks und Kontextvariablen. Deckt kritische Architekturänderungen ab: Worker greifen nicht mehr direkt auf die Metadaten-DB zu; stattdessen den Airflow Python Client oder die REST API anstelle von ORM-Sitzungsabfragen verwenden. Enthält eine manuelle Migrations-Checkliste für Probleme, die Ruff nicht automatisch beheben kann: Cron...

Guide for migrating Dagster projects to Apache Airflow 3 on Astro. Use when the user mentions migrating, converting, or porting Dagster (or Dagster+) code to…

Replace the manual commit-by-commit classification step in `breeze release-management prepare-provider-documentation` with AI-driven classification. For each…

Replace the manual commit-by-commit classification step in `breeze release-management prepare-provider-documentation` with AI-driven classification. For each…

Umfassende statistische und qualitative Analyse von Datenbanktabellen mit strukturiertem Profiling-Output. Erzeugt spaltenbezogene Statistiken, die auf den Datentyp zugeschnitten sind: Min/Max/Perzentile für numerische Spalten, Längenmetriken für Zeichenketten, Datumsbereiche für Zeitstempel. Führt Kardinalitätsanalysen durch, um kategoriale Spalten von Spalten mit hoher Kardinalität zu unterscheiden und schiefe Verteilungen zu erkennen. Bewertet die Datenqualität in fünf Dimensionen: Vollständigkeit (NULL-Raten), Eindeutigkeit (Duplikate), Aktualität (Update-Zeitstempel),...

Initialisiere und konfiguriere Astro/Airflow-Projekte mit Abhängigkeiten, Verbindungen und Umgebungseinrichtung. Erstellt eine vollständige Projektstruktur mit astro dev init , einschließlich Verzeichnissen für DAGs, Plugins, Tests und Konfigurationsdateien. Verwalte Python- und OS-Abhängigkeiten über requirements.txt und packages.txt , mit Unterstützung für benutzerdefinierte Dockerfiles bei komplexen Setups. Konfiguriere Verbindungen, Variablen und Pools deklarativ in airflow_settings.yaml , mit Export-/Import-Befehlen für die Umgebung...

Iterative Test-Debug-Fix-Zyklen für Airflow-DAGs mit umfassender Fehlerdiagnose. Starten Sie mit af runs trigger-wait <dag_id>, um einen DAG auszuführen und auf dessen Abschluss zu warten; keine Pre-Flight-Checks erforderlich. Bei Fehlern verwenden Sie af runs diagnose für eine umfassende Fehlerzusammenfassung und af tasks logs, um Fehlerdetails von bestimmten Tasks zu überprüfen. Unterstützt benutzerdefinierte Konfiguration, Timeouts und Wiederholungsversuche; behandelt Erfolgs-, Fehler- und Timeout-Szenarien mit klarer Antwortinterpretation. Schnelle Validierung verfügbar...

Use when writing, editing, or reviewing command-line tools and helper scripts in this repo (things in bin/). Covers where tools live, argument parsing with…

Verfolgen Sie die nachgelagerte Datenherkunft, um die Auswirkungen von Änderungen vor der Modifikation von Tabellen oder DAGs zu bewerten. Identifiziert direkte Konsumenten einer Ziel-Tabelle oder eines Ziel-DAGs durch Quellcode-Suche, View-Abhängigkeiten und BI-Tool-Verbindungen. Erstellt einen vollständigen Abhängigkeitsbaum, der alle nachgelagerten Auswirkungen abbildet – von Tabellen über Dashboards bis hin zu ML-Modellen. Kategorisiert Abhängigkeiten nach Kritikalität (kritisch, hoch, mittel, niedrig), um die Kommunikation mit Stakeholdern und Tests zu priorisieren. Generiert einen Auswirkungsbericht mit Risikobewertung, betroffenen...

Verfolgen Sie die Upstream-Datenherkunft, um Quellen, DAGs und Abhängigkeiten zu identifizieren, die eine Tabelle oder Spalte speisen. Unterstützt die Verfolgung von drei Zieltypen: Tabellen, Spalten und DAGs; nutzt Airflow-DAG-Quellcode und Aufgabeninspektion, um erzeugende Pipelines zu finden. Behandelt SQL-Quellen (FROM-Klauseln), externe Systeme (S3, Postgres, Salesforce, HTTP-APIs) und dateibasierte Quellen; verfolgt rekursiv Upstream-Ketten. Enthält Spaltenebenen-Verfolgung durch direkte Zuordnungen, Transformationen und Aggregationen im DAG-Code...

Fehlerbehebung bei Astronomer-Produktionsdeployments mit der Astro CLI. Verwenden Sie dies bei der Untersuchung von Deployment-Problemen, beim Anzeigen von Produktionslogs, bei der Analyse von Fehlern oder…

Upgrade the pinned Flask-AppBuilder (FAB) dependency in the Apache Airflow FAB provider (`providers/fab/`). Bumps the exact `flask-appbuilder==` pin and its…

Initialisiere die Warehouse-Schema-Erkennung. Erzeugt .astro/warehouse.md mit allen Tabellenmetadaten für sofortige Abfragen. Einmal pro Projekt ausführen, bei Schemaänderungen aktualisieren…