1. 基本信息
项目自述名称：所在仓库自述为「Dagster Skills」（官方多技能合集仓库，含
dagster-expert与dignified-python两个技能），本技能自身 plugin 清单标注名称为「dagster-expert」。
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 名称 | dagster-expert-dagster-io-skills | — |
| 作者/维护者 | Dagster Labs（官方，dagster-io 组织；提交记录含创始人本人） | GitHub API |
| 来源链接 | https://github.com/dagster-io/skills/tree/master/skills/dagster-expert | — |
| 许可证 | Apache-2.0 | GitHub API |
| GitHub Stars（仓库整体） | 191（该仓库仅含两个技能，stars 不专属于本技能单独统计） | GitHub API |
| Forks | 14 | GitHub API |
| 最新版本 | v1.13.14（随 Dagster 核心版本同步发布），插件清单自标 1.13.1 | GitHub Releases / plugin.json |
| 安装方式 | Claude Code 插件市场一条命令；npx skills 命令行；手动复制（Codex/OpenCode/Pi） |
官方 README |
2. 功能介绍与亮点
核心能力：dagster-expert 为使用 Dagster 构建数据管道的场景提供权威参考——涵盖资产（Asset）与组件（Component）核心概念、dg CLI 全量命令（创建项目、生成资产/调度/传感器定义、本地物化运行、调试报错）、三种自动化方式的选型（定时调度/传感器/声明式自动化），以及超过 40 个外部工具集成指南（dbt、Snowflake、Databricks、BigQuery、AWS、Airbyte、Fivetran 等）。技能不打包任何可执行脚本，而是一套按需加载的分层参考索引：主文件给出决策树，具体命令语法与代码模式全部下沉到独立参考文件，避免一次性塞满上下文。
亮点：
- 官方 Dagster Labs 出品，提交记录中可见创始人 Nick Schrock 本人参与；仓库通过 copybara 与 Dagster 主仓库同步，随每次 Dagster 版本发布同步更新，2026-07-16 刚发布 v1.13.14。
- Dagster 官方博客公开了该技能的评估方法论：团队搭建了跟踪工具调用、token 消耗与输出准确性的评测快照系统，并把“决策树路由 + 精简文档”作为迭代结论——是少数公开评测过程的 skill。
- 遇到过真实用户报告的安装问题（插件目录未被 Claude Code 识别），当日修复并调整了目录结构。
3. 适用场景
所属分类：数据分析与可视化
面向已经或正在用 Dagster 搭建数据管道的初中级数据工程师、分析工程师：新建 Dagster 项目脚手架、给已有代码库添加资产/调度/传感器定义、在定时调度与声明式自动化间做选型、排查资产物化失败、把 dbt/Snowflake 等下游工具接入 Dagster 项目。对完全没接触过 Dagster 的用户，也可作为快速理解 Asset/Component 概念的入口。
4. 跨 Agent 兼容性
- Claude Code：✅ 原生支持——官方提供
/plugin marketplace add dagster-io/skills一键安装路径，文档明确。 - Codex：✅ 原生支持——README 给出手动安装路径（复制到
~/.codex/skills/）。 - OpenClaw：❓ 未验证——README 提到的是 OpenCode（另一独立项目，与 OpenClaw 非同一生态），未见对 OpenClaw 的直接说明。
- Hermes Agent：❓ 未验证——未在已抓取材料中提及。
5. 推荐理由
数据编排是初中级用户最容易卡壳的环节之一——Dagster 概念多（Asset/Component/Sensor/声明式自动化）、CLI 命令面广，靠记忆很容易用错。这个技能把官方最佳实践、CLI 语法与 40+ 集成方案整理成可按需检索的参考库，且是团队实测评估过输出质量、而非直接把文档喂给模型了事的成果，用官方权威性替用户省去踩坑成本。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 8 | 官方一线数据编排厂商出品，创始人亲自参与维护，随产品版本持续同步发布；仓库整体仅 191 star，独立第三方讨论有限，热度评估偏保守 |
| 可用性 | 9 | 三条独立安装路径、100+ 篇结构化参考文档、近一周内有发布记录，且公开了评测方法论持续迭代内容质量，无需付费依赖 |
| 安全性 | 9 | 全部为 Markdown 参考文档，不含任何可执行脚本；指导使用的 dg 为用户自行安装的官方 CLI，作用域限于用户自己的 Dagster 项目；仓库开源可审计，License 清晰 |
综合评分：8.7
安全检查清单：①执行范围——仅建议调用用户自行安装的官方 dg CLI，无越权操作 ②外联——无技能自身发起的网络请求 ③凭据——部分参考涉及 Dagster+（付费云服务）的 API Token 配置，均为用户自愿使用官方云功能时才涉及 ④可疑指令——全文档审查未见 prompt injection 或隐藏指令 ⑤作者信誉——官方组织，无刷星迹象 ⑥License——Apache-2.0 明确 ⑦维护——2026-07-16 有发布，持续同步中。
7. 跟同类 Skills 相比的优势
| Skill | 定位 | 与 dagster-expert 的差异 |
|---|---|---|
| using-dbt-for-analytics-engineering（dbt Labs） | SQL 建模/转换层技能，聚焦 ref()/source() 写法与破坏性变更防护 |
dbt 管“如何写转换”，Dagster 管“如何编排调度这些转换”——两者官方文档互相引用集成方案，实践中常配合使用而非互斥 |
| databricks-core（Databricks） | 统一数据+AI 平台全家桶，涵盖计算、存储、ML | 定位更宽泛厚重，适合已上 Databricks 全栈的团队；dagster-expert 更轻量，专注编排层单一职责 |
| clickhouse-best-practices（ClickHouse） | OLAP 数据库查询与建表最佳实践 | 面向存储/查询引擎本身，不涉及跨工具编排；与 Dagster 属于管道中不同环节，可通过 dagster-clickhouse 集成组合使用 |
8. 用户评价
该技能在第三方平台目前尚无独立署名的用户评价文章。可验证的一手用户互动是 GitHub 仓库 issue #40：外部用户 1oglop1 报告“技能在 Claude Code 中未被发现”的安装问题，团队在提交当天定位为插件目录结构不符合规范并完成修复，是可核实的真实使用反馈。
9. 其他补充
仓库同时收录 dignified-python（通用 Python 代码质量规范，非 Dagster 专属），与 dagster-expert 共享同一插件市场分发渠道，如需可一并安装。
10. 安装使用方式
- Claude Code：
安装后可直接用/plugin marketplace add dagster-io/skills /plugin install dagster-expert@dagster/dagster-expert "What's an asset?"触发，或在相关任务中让 Agent 自动调用。 - 通用安装：
npx skills add dagster-io/skills - 手动安装（Codex / OpenCode / Pi Agent）：克隆仓库后将
skills/skills/*复制到对应 Agent 的 skills 目录（如~/.codex/skills/）。 - 注意事项：安装后需重启 Agent 会话使其识别新技能；部分
dg api相关参考（组织/部署/密钥管理）仅适用于付费的 Dagster+ 云服务，开源自托管 Dagster 用户可忽略这部分内容。
11. 注意事项
- 该技能是纯参考文档，不会替用户执行 Dagster 项目的实际部署或数据处理，仍需用户具备基础 Dagster/Python 环境。
dg api系列参考涉及 Dagster+ 云服务功能，无云账号的用户仅能用到本地开发相关部分。- 与 OpenClaw、Hermes Agent 的兼容性未经验证，两个生态用户安装前建议先小范围测试。