1. 基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 名称 | bigquery-bigframes-google-skills（SKILL.md 自述名称：“BigFrames (BigQuery DataFrame) basics”） | GitHub 仓库 + SKILL.md |
| 作者/维护者 | Google（官方 google/skills 仓库，Cloud IX 团队维护） |
GitHub API（组织账号 google） |
| 来源链接 | https://github.com/google/skills/tree/main/skills/cloud/bigquery-bigframes | — |
| 许可证 | Apache-2.0 | GitHub API 实测 |
| GitHub Stars / Forks | 所属仓库 15,236 / 1,192（整仓库口径——本技能所在的 google/skills 是 Google 官方发布的多技能合集，非本技能独立仓库，星数不代表单个技能热度） |
GitHub API 实测（2026-07-25） |
| 最新版本 | 子目录 2026-06-29 新增、2026-07-15 更新 | GitHub commits API 实测 |
| 安装方式 | npx skills add google/skills，交互式选择 bigquery-bigframes 或指定 --skill bigquery-bigframes |
官方 README 实测 |
2. 功能介绍与亮点
bigquery-bigframes 是 Google 官方 Agent Skills 仓库中面向 BigFrames（BigQuery DataFrames，一个 pandas/scikit-learn 风格的 Python API）的技能，教 Agent 写出符合 BigFrames 最佳实践的数据处理与建模代码：
- 明确的适用边界：SKILL.md 开头即声明“SQL 优先场景或使用 google-cloud-bigquery 客户端库请改用 bigquery-basics”，与同仓库的 BigQuery 基础技能职责清晰分离
- 性能陷阱提前规避：内置多条反模式提醒——优先开启 partial ordering 模式加速处理、用
peek()而非head()做数据预览、避免to_pandas()把全量数据下载到本地内存导致 OOM - Pandas 习惯的正确迁移：明确禁止用
Series.map()搭配 lambda（会退化为远程 UDF 拖慢执行），改用内置 accessor（如df.col.str.upper()） - 内置机器学习指导：区分当前推荐的
bigframes.bigquery.ml与已弃用的bigframes.ml（scikit-learn 风格遗留包），并逐条列出两者在预测返回值、超参数调优、模型持久化等方面的行为差异 - 两篇独立参考文档：
references/下分别覆盖线性回归与逻辑回归的训练流程
3. 适用场景
所属分类：数据分析与可视化
适合已经熟悉 Python/pandas、需要在 notebook 或脚本中对 BigQuery 数据做大规模 DataFrame 处理、清洗或轻量建模的数据科学家与数据分析师，尤其是希望把计算留在 BigQuery 侧、不想把数据搬到本地内存的场景。
4. 跨 Agent 兼容性
google/skills 通过 npx skills add 分发器安装，该安装器（vercel-labs/skills）README 的 Supported Agents 表格逐一列出各生态的确切安装路径：
| 生态 | 结论 | 依据 |
|---|---|---|
| Claude Code | ✅ 支持 | 分发器表格列出 .claude/skills/ 项目路径与 ~/.claude/skills/ 全局路径 |
| Codex | ✅ 支持 | 分发器表格以 codex 标识列出 .agents/skills/ 与 ~/.codex/skills/ |
| OpenClaw | ✅ 支持 | 分发器表格列出 skills/ 项目路径与 ~/.openclaw/skills/ 全局路径 |
| Hermes Agent | ✅ 支持 | 分发器表格列出 .hermes/skills/ 项目与全局路径 |
5. 推荐理由
Google 官方出品，把 BigFrames 使用中最容易踩的坑（本地内存溢出、lambda 误用退化为远程 UDF、新旧 ML 包混淆）直接固化进 Agent 行为规范；与同仓库 bigquery-basics 职责清晰互补，一条命令即可安装。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | Google 官方出品，但该子技能本身尚无独立第三方讨论或评价（PR/issue 均为内部自动化提交、零外部评论），仓库整体星数不计入个体评分 |
| 可用性 | 9 | 一条 npx 命令即可安装；SKILL.md 正文详尽覆盖 DataFrame 操作、可视化、机器学习三大场景并配代码示例；近期有实质更新；直接调用官方 bigframes Python 库，无需额外 MCP 中间层或付费依赖 |
| 安全性 | 9 | 官方组织出品、Apache-2.0 完全开源可审计；技能本身只生成 Python 代码建议，不直接执行 shell 命令；数据交互限定在用户自己的 BigQuery 项目内，目标透明；无可疑指令；凭据走标准 GCP 认证流程 |
安全检查清单：
① Shell 命令：技能不涉及 shell 命令执行，仅指导生成调用 bigframes 库的 Python 代码 → 不扣分
② 联网外发：数据处理与查询均在用户自己的 BigQuery 项目内完成，无第三方外发 → 不扣分
③ 凭据：依赖标准 GCP 应用默认凭据（Application Default Credentials），存储方式遵循官方约定 → 不扣分
④ 可疑指令：正文与两篇参考文档均为技术性最佳实践指南，未发现隐蔽指令或混淆代码 → 不扣分
⑤ 作者信誉：Google 官方组织账号，无造假迹象 → 不扣分
⑥ License：Apache-2.0，明确 → 不扣分
⑦ 维护时间：子目录最近提交 2026-07-15，两周内 → 不扣分
7. 跟同类 Skills 相比的优势
| 竞品 | 定位 | 与 bigquery-bigframes 的差异 |
|---|---|---|
| bigquery-basics（Google 官方，同仓库） | BigQuery 核心概念、资源管理、CLI 与客户端库入门 | bigquery-basics 面向 SQL-first 与 google-cloud-bigquery 客户端库场景；bigquery-bigframes 专注 pandas 风格 DataFrame API，两者在同一 SKILL.md 中互相引用、职责互补而非重叠 |
| duckdb-skills（DuckDB 官方） | 本地/嵌入式引擎上用自然语言或 SQL 查询 CSV/Parquet 等文件 | DuckDB 面向本地单机分析，数据留在本地进程内；bigquery-bigframes 面向云端 BigQuery 的分布式规模数据，强调“不下载到本地内存”，二者定位的数据规模与部署形态完全不同 |
| using-dbt-for-analytics-engineering（dbt Labs 官方） | 用 SQL + ref()/source() 做数据仓库的模型化转换与测试 |
dbt 面向的是团队协作的仓库建模与版本化转换流水线；bigquery-bigframes 面向数据科学家个人在 notebook 里做探索式 DataFrame 处理与轻量建模，前者重工程规范，后者重交互式分析效率 |
8. 用户评价
该技能目前在第三方平台尚无具名用户评价。其所属的 google/skills 仓库于 2026 年 4 月 22 日 Google Cloud Next 大会上作为官方项目正式发布，bigquery-bigframes 是 2026 年 6 月底新增的子技能，晚于首批发布内容。
9. 安装使用方式
- 通用安装：
npx skills add google/skills，交互列表中勾选 “BigFrames (BigQuery DataFrame) basics”，或直接执行npx skills add google/skills --skill bigquery-bigframes指定安装 - 安装后：技能文件落地为
<agent 目录>/skills/bigquery-bigframes/，内含SKILL.md与references/下 2 篇参考文档（线性回归、逻辑回归）；agent 会依据 SKILL.md 头部 description 中的触发条件（涉及 BigFrames 代码编写或 pandas 风格 DataFrame/ML 操作）自动匹配加载 - 前置条件：需已安装
bigframesPython 包（pip install bigframes）并完成标准 GCP 身份认证（gcloud auth login或 Application Default Credentials），这是使用 BigFrames 本身的通用前提，非该技能独有要求
10. 注意事项
- 技能只生成代码建议，不会自动执行；涉及
model.to_gbq()等会在用户 BigQuery 项目中持久化模型的操作时，仍建议使用者自行确认目标数据集 - 该子技能于 2026 年 6 月底上线，维护时间约一个月，长期维护节奏有待观察
- SKILL.md 明确区分当前推荐的
bigframes.bigquery.ml与已弃用的bigframes.ml，使用旧版遗留 API 时行为差异较大，需按技能内说明操作 - 内容以英文撰写，中文用户需自行理解正文与参考文档