SkillsScout
DATA-ANALYSIS / 数据分析与可视化

snowflake-semanticview-github-awesome-copilot

收录日期 2026-10-07·来源仓库 ↗
受欢迎程度
7
可用程度与相关性
7
安全性
8
7.3SCOUT SCORE

1. 基本信息

项目 内容
名称 snowflake-semanticview-github-awesome-copilot(SKILL.md 内 name 为 snowflake-semanticview)
作者/维护者 GitHub awesome-copilot 合集;子技能由社区贡献者 MiguelElGallo 于 2026-01-08 提交(PR #515,由仓库维护者合并),同月补充了“抽样数据以发现更准确的表间关联”一版
来源链接 https://github.com/github/awesome-copilot/tree/main/skills/snowflake-semanticview
许可证 MIT(合集仓库 LICENSE,版权人 GitHub, Inc.;数据来自 GitHub API)
GitHub Stars / Forks 所属合集仓库整体 39,742 / 5,067(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 9.0K 次安装(网页抓取)
最新变更 2026-01-18(子目录最近一次提交)
安装方式 npx skills add https://github.com/github/awesome-copilot --skill snowflake-semanticview,或复制子目录到 skills 目录

2. 功能介绍与亮点

一份约 4.4KB 的纯提示词技能,指导 agent 用 Snowflake CLI(snow)创建、修改并验证 Snowflake 的 Semantic View(语义视图,把表、维度、指标定义成业务可读的语义层)。

3. 适用场景

所属分类:数据分析与可视化。

4. 跨 Agent 兼容性

Agent 结论 依据
Claude Code 原生支持 标准 SKILL.md(name / description),放入 skills 目录即可;需能在本机执行 snow 命令并访问 Snowflake
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;默认沙箱通常无网络,访问 Snowflake 需放开
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

语义视图是 Snowflake 较新的能力,DDL 语法和查询语法都与普通视图不同,凭记忆写很容易出错。这个技能把“起草、临时名验证、正式应用、样例查询、清理”固化成流程,并要求每一步都真正在 Snowflake 上执行验证,而不是只给一段看起来正确的 SQL。对同义词与注释的审批要求,也避免了 agent 编造业务含义。它在 skills.sh 上累计装机约 9.0K 次,三项独立安全审计全部通过,适合已在用 Snowflake 的初中级数据工程师与分析师。

6. 评分

维度 分数 说明
受欢迎程度 7 skills.sh 累计约 9.0K 次安装;所属合集约 3.97 万 stars,但属整个合集;具名第三方评价未找到
可用性 7 步骤清晰、含 DDL 与查询示例;但需先安装并配置 Snowflake CLI 与连接,且需要一个可用的 Snowflake 账号;子目录最近一次变更为 2026-01-18,已超过 6 个月
安全性 8 会通过 snow sql 在用户配置的连接上执行 DDL 与只读抽样查询,范围明确、可审计;自带临时名验证与清理;MIT;skills.sh 上 Gen Agent Trust Hub、Socket、Snyk 三项审计均通过

综合 = 三项均值 = 7.33。

安全检查清单:① 执行 shell 命令:仅 snow CLI,会对真实库执行 DDL(扣 1 分:权限取决于所配连接的角色) ② 不向第三方外发数据,仅连接用户自己配置的 Snowflake ✅ ③ 凭据由 Snowflake CLI 的连接配置保管,技能本身不索取、不存储密钥 ✅ ④ SKILL.md 无可疑指令、无夹带推广 ✅ ⑤ 贡献者为个人开发者账号,合集由 GitHub 官方仓库托管并经维护者合并 ✅ ⑥ MIT 明确 ✅ ⑦ 合集仓库近期仍在更新,本子目录自 2026-01 起未再变动,属小幅扣分项。

7. 跟同类 Skills 相比的优势

技能 定位 与本技能的差异
dbt-labs 的 building-dbt-semantic-layer 用 dbt 的 MetricFlow 在 YAML 里定义语义模型与指标 语义层放在 dbt 项目里、与具体仓库解耦;本技能直接写 Snowflake 原生 Semantic View DDL 并在仓库内验证
exploreomni 的 omni-to-snowflake-semantic-view 把 Omni 平台里的模型转换成 Snowflake 语义视图 前提是已有 Omni 模型,是迁移工具;本技能从星型表结构出发直接起草
Microsoft 的 semantic-model-authoring 面向 Power BI / Fabric 的语义模型构建 平台不同(Fabric 而非 Snowflake)
手写 Snowflake 官方文档里的 DDL 官方语法参考 只给语法;本技能多了抽样探查、临时名验证、注释审批和清理这套流程

核心差异:专攻 Snowflake 原生语义视图,把“必须在真实环境验证”写成硬性步骤。

8. 用户评价

该技能目前在第三方平台尚无具名用户评价。可核实的第三方信号是 skills.sh 累计约 9.0K 次安装,以及 Gen Agent Trust Hub、Socket、Snyk 三项独立安全审计全部通过。

9. 其他补充

10. 安装使用方式

  1. 安装 Snowflake CLI 并确认 snow --help 可用,用 snow connection add 配置连接
  2. 安装技能:npx skills add https://github.com/github/awesome-copilot --skill snowflake-semanticview,或把子目录复制到 ~/.claude/skills/
  3. 在对话里提出需求,如“给我的星型模型建一个语义视图”,技能会按描述自动触发
  4. 安装后无需重启,新开会话即可;Codex 需手动引用该目录

11. 注意事项