1. 基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 名称 | google-cloud-solution-agentic-ai-borderless-data-lakehouse-google-skills | — |
| 项目自述名称 | Borderless open data lakehouse agentic AI system | SKILL.md |
| 作者/维护者 | Google（google/skills 官方仓库） | GitHub API |
| 来源链接 | https://github.com/google/skills/tree/main/skills/cloud/google-cloud-solution-agentic-ai-borderless-data-lakehouse | — |
| 许可证 | Apache License 2.0 | GitHub API |
| GitHub Stars / Forks | 19,291 / 1,553（合集仓库整体数字，不代表本技能自身热度） | GitHub API |
| 最新版本 | 无独立版本号；技能目录最后提交 2026-08-06 | GitHub API |
| 安装方式 | npx skills add google/skills 后勾选本技能，或通过 Claude Code / Codex 插件市场安装 |
README |
2. 功能介绍与亮点
本技能引导 agent 按四阶段工作流，帮助用户为跨云、跨数据源的数据湖仓架构完成从需求到部署验证的全流程设计：
- 需求发现：逐条询问主要数据源、跨源元数据管理方式、安全与凭据要求、联邦查询与分析计算需求，产出技术分解并请用户确认。
- 方案设计：先抓取 Google Cloud 官方架构文档（混合多云模式、跨云数据联邦、网络连接方案等 7 篇）作为依据，再把组件映射到具体 Google Cloud 产品，生成 Mermaid 架构图，并按模板产出完整的
solution-architecture-guide.md。 - 实施计划：结合 Terraform Provider 文档与 Codelab，生成部署前置条件清单、Infrastructure as Code（如 Terraform）与分步部署说明。
- 方案验证：产出
terraform plan等干跑检查、网络连通性与安全策略验证脚本，并整理验证报告。
亮点：全流程不依赖任何托管 MCP 服务器，仅用标准的网页检索/抓取工具即可完成 grounding；references/ 目录附带产品映射表、设计建议、命名迁移说明共 3 份参考文档，assets/ 附带完整输出模板，指令颗粒度精确到步骤。
3. 适用场景
所属分类：DevOps 与基础设施
适合需要把分散在 Google Cloud、其他云厂商（AWS、Azure）与本地数据中心的数据源整合为统一、可被 AI agent 联邦查询的数据湖仓的云架构师、数据平台团队。典型场景：企业数据分散在多云或存在本地遗留系统，希望在不搬迁数据的前提下，用 Apache Iceberg 等开放表格式统一治理，并让 AI agent 直接对这些数据做联邦分析查询。
4. 跨 Agent 兼容性
- Claude Code：原生支持——README 提供官方安装命令
claude plugin marketplace add google/skills+claude plugin install。 - Codex：需适配——官方同样提供插件市场安装路径，但技能执行阶段（Phase 2）要求主动联网检索 Google Cloud 官方文档，Codex CLI 默认沙箱不带网络访问，需手动开启联网权限或提前离线准备参考资料。
- OpenClaw：未验证——README 未提及该平台的官方安装路径。
- Hermes Agent：未验证——同上，SKILL.md 遵循标准 Agent Skills 规范，理论上可手动安装，但无官方支持声明。
5. 推荐理由
面向多云/混合云数据整合这一具体且常见的企业需求，提供从需求梳理到架构设计、IaC 生成、部署验证的完整闭环，且全程不锁定专有托管服务，安装与执行门槛低于同仓库中依赖托管 MCP grounding 的同类技能。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | Google 官方出品；本子技能自身在第三方渠道暂无独立热度证据，合集仓库星数不计入单个子技能 |
| 可用性 | 9 | 一键安装、四阶段步骤化指引、3 份参考文档 + 1 份输出模板齐全，技能目录近 1 个月内有提交，无付费依赖 |
| 安全性 | 9 | 见下方检查清单 |
| 综合 | 8.3 | 三项均值 |
安全检查清单： ① Shell/命令执行：仅生成 Terraform/gcloud/curl 脚本供用户审阅后自行执行，不自动运行——通过 ② 联网外发：会检索 Google Cloud 官方文档 URL 用于生成设计建议，不外发用户数据——通过 ③ 凭据处理：不直接接触用户凭据，部署依赖用户自有的 gcloud/Terraform 认证链路——通过 ④ 可疑指令：SKILL.md 与附带脚本未发现 prompt injection 或隐蔽指令迹象——通过 ⑤ 作者信誉：Google 官方仓库，无造假迹象——通过 ⑥ License：Apache-2.0，明确——通过 ⑦ 维护时间：技能目录最后提交 2026-08-06，仓库整体 2026-09-02 仍在更新——通过
7. 跟同类 Skills 相比的优势
| 竞品 | 定位 | 与本技能的差异 |
|---|---|---|
| google-cloud-solution-agentic-ai-bidirectional-streaming | 实时双向多模态流媒体 AI 架构设计 | 聚焦低延迟音视频流与安全监控场景，与本技能的跨云数据联邦定位不同，受众更窄 |
| google-cloud-solution-agentic-analytics-spark-knowledge-catalog | 跨云跨数据源的 agentic 分析架构设计 | 强制依赖 Google Developer Knowledge 托管 MCP 服务器完成内容 grounding，安装与运行门槛高于本技能 |
| google-cloud-solution-hybrid-search-alloydb | 基于 AlloyDB 的混合语义 + 关键词搜索架构设计 | 场景收窄至 AlloyDB 向量检索，同样依赖托管 MCP grounding |
| google-cloud-solution-rag-enterprise-search-gke-sqldb | 基于 GKE + AlloyDB 的企业级 RAG 搜索架构设计 | 面向 RAG 检索场景，技术栈锁定 GKE 与 AlloyDB，与本技能面向通用跨云数据湖仓联邦的定位不同 |
| datalineage-summary | 总结 BigQuery/GCS 数据血缘图谱、辅助调试数据质量 | 是运维排查工具而非架构设计工作流，且强依赖专用 Data Lineage MCP Server |
8. 用户评价
该技能目前在第三方平台（GitHub Issues、Reddit、Hacker News 等）尚无具名用户评价。
9. 安装使用方式
- 运行
npx skills add google/skills，从交互式列表中勾选 “Borderless open data lakehouse agentic AI system”。 - 或在 Claude Code 中执行
claude plugin marketplace add google/skills，再claude plugin install <plugin>@google-plugins安装对应插件。 - 首次使用时按提示回答数据源、跨源元数据管理、安全凭据等需求发现问题；技能会自动抓取 Google Cloud 官方架构文档作为设计依据。
- 各阶段产出（架构设计文档、IaC、部署说明、验证报告）均需用户审阅确认后再执行，不会自动部署真实云资源。
10. 注意事项
- 需要用户具备 Google Cloud 项目与相应 IAM 权限，技能本身不提供账号或计费配置。
- Phase 2 起依赖联网检索官方文档，网络受限环境（如部分 Codex 沙箱）需先开启联网或手动准备参考资料。
- 生成的 Terraform/部署脚本仅为草案，执行前应按企业内部变更流程复核。