1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | fabric-lakehouse-github-awesome-copilot |
| 作者/维护者 | GitHub awesome-copilot 合集;子技能 front matter 署名 tedvilutis(Ted Vilutis,GitHub 资料显示就职于 Microsoft),2026-02-17 最近更新 |
| 来源链接 | https://github.com/github/awesome-copilot/tree/main/skills/fabric-lakehouse |
| 许可证 | MIT(数据来自 GitHub API) |
| GitHub Stars / Forks | 所属合集仓库整体 39,678 / 5,047(GitHub API);该数字属整个合集,不代表本技能自身热度 |
| 第三方装机量 | skills.sh 显示约 8.9K 次安装(网页抓取) |
| 最新变更 | 2026-02-17(子目录最近一次提交) |
| 安装方式 | npx skills add https://github.com/github/awesome-copilot --skill fabric-lakehouse,或复制子目录到 skills 目录 |
2. 功能介绍与亮点
一份面向 Microsoft Fabric Lakehouse 的知识型技能:SKILL.md 约 6KB,另带 references/pyspark.md 与 references/getdata.md 两个参考文件,让 agent 在设计、搭建、优化 Lakehouse 时按官方概念和最佳实践作答。
- 讲清 Lakehouse 的核心构件:Delta 表、Files、SQL 分析端点、Shortcuts(内部/ADLS Gen2/S3/Dataverse/GCS)、物化视图与 Spark 视图
- 覆盖 schema 组织、工作区角色与 OneLake 安全(Entra ID、列级/行级安全)
- 性能部分点到 V-Order、OPTIMIZE(含 Z-order)与 VACUUM,以及血缘(lineage)
- 参考文件给出 PySpark 读写 Delta、UPDATE/DELETE/MERGE 示例,以及 Data Factory 管道(Copy、Notebook、Dataflow Gen2、Lakehouse Maintenance)的编排模式
- 纯文档型技能:无附带脚本,不执行任何命令
3. 适用场景
所属分类:数据分析与可视化。
- 在 Fabric 上从零设计湖仓:分层(bronze/silver/gold)、schema、Shortcut 选型
- 让 agent 写 PySpark 读写 Delta 表、做增量合并(MERGE)
- 排查表小文件过多、读取变慢,按 OPTIMIZE/V-Order 思路调优
- 需要 agent 产出一份“Fabric Lakehouse 是什么、怎么用”的说明文档
- 初中级数据工程师、刚接手 Fabric 的分析师
4. 跨 Agent 兼容性
| Agent | 结论 | 依据 |
|---|---|---|
| Claude Code | 原生支持 | 标准 SKILL.md(name/description/metadata)加 references 目录,放入 skills 目录即可 |
| Codex | 需适配 | 同为 SKILL.md 格式,但 Codex 不自动发现该目录,需手动引用 |
| OpenClaw | 未验证 | 格式兼容,未实测 |
| Hermes Agent | 未验证 | 格式兼容,未实测 |
5. 推荐理由
- Fabric 的概念多(Shortcut、OneLake 安全、物化视图),agent 凭通用知识常答偏;这份技能把关键定义和做法一次交代清楚
- 零配置、零脚本,装完即用,不依赖 MCP 服务或账号凭据
- 参考文件里的 PySpark 与管道示例可直接改成自己的表名使用
- 第三方装机量约 8.9K,三项自动化安全审计均通过
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | skills.sh 装机量约 8.9K,为独立第三方采用数据;所属合集 39.7k stars(不计入个体热度) |
| 可用性 | 7 | 零配置、结构清晰、含 PySpark 与管道示例;但最近一次变更在 2026-02,超过 6 个月,且仅覆盖 Fabric 一个平台 |
| 安全性 | 9 | 纯文档,无脚本、无联网、无凭据;MIT;skills.sh 上 Gen Agent Trust Hub、Socket、Snyk 三项审计均为 PASS |
综合 7.67。
安全检查清单:
- Shell 权限:技能本身不声明权限,无脚本;示例为 PySpark / Spark SQL 代码,由用户自行在 Fabric Notebook 中运行
- 联网外发:无
- 凭据:不需要
- 可疑指令:通读 SKILL.md 与两个 references,未发现
- 作者/组织信誉:GitHub 官方合集收录;署名作者为 Microsoft 员工
- License:MIT
- 维护:合集仓库 2026-10-01 仍有推送;本子目录最近变更 2026-02-17
7. 跟同类 Skills 相比的优势
| 项目 | 定位 | 与本技能的差异 |
|---|---|---|
| microsoft/skills-for-fabric | Microsoft 面向 Fabric 的技能与 MCP 集合(约 1.2k stars),按 CLI 操作拆成数据流、事件流、语义模型等多个创作类技能 | 偏“动手操作 Fabric 各项目”,需配套 CLI/MCP;本技能是单文件概念与最佳实践手册 |
| PatrickGallucci/fabric-skills | 个人维护的 Fabric 技能集,含 Lakehouse 性能整治、访问控制、视图性能等专项 | 专项排障为主;本技能给通盘概念与代码起点 |
| 直接读 Microsoft Learn 文档 | 官方文档 | 无需技能;本技能把要点压成 agent 可直接引用的 6KB 上下文 |
核心差异:单一技能、零依赖地覆盖 Lakehouse 的概念、安全、优化与 PySpark/管道示例,适合作为 Fabric 数据工程的入门底座。
8. 用户评价
该技能目前在第三方平台尚无具名用户评价。skills.sh 页面显示 8.9K 装机量与三项自动化安全审计 PASS(工具审计,非用户评价)。
9. 其他补充
references/getdata.md 还列出 Data Factory 的 180+ 连接器与各管道活动说明,可单独查阅。
10. 安装使用方式
npx skills add https://github.com/github/awesome-copilot --skill fabric-lakehouse
# 或手动复制
git clone --depth 1 https://github.com/github/awesome-copilot.git
cp -r awesome-copilot/skills/fabric-lakehouse ~/.claude/skills/
安装后直接问“在 Fabric 里怎么设计 bronze/silver/gold 的 Lakehouse”或“写一段 PySpark 合并增量到 Delta 表”即可触发;新技能一般需重开会话。
11. 注意事项
- 技能只提供知识,不连接你的 Fabric 工作区;要让 agent 直接操作 Fabric 项目需另配 CLI/MCP
- 仅适用于 Microsoft Fabric,对 Databricks、Snowflake 等其他湖仓平台没有帮助
- 最近一次变更为 2026-02,Fabric 功能迭代较快,新特性以官方文档为准
- 示例中的日期、表名为示意,使用前按自身数据调整