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)。
- 11 步固定工作流:先确认目标库/模式/角色/仓库/视图名,再确认模型是星型结构(事实表 + 公共维度表),然后按官方
CREATE SEMANTIC VIEW语法起草 DDL - 先抽样、后建模:用带
DISTINCT和LIMIT(最多 1000 行)的 SELECT 探查事实表与维度表的关联、列类型,据此写出更有意义的注释 - 强制验证:先用临时名称(如加
__tmp_validate后缀)通过snow sql把 DDL 真正发到 Snowflake 执行,失败就迭代修正,通过后才用正式名称应用,再用SEMANTIC_VIEW(...)查询语法跑一次样例,最后清理临时视图 - 同义词与注释必填:优先读取 Snowflake 表/列已有的注释;缺失时必须先问用户是否允许创建、是否由用户提供、或由 agent 起草再审批,不得擅自编造
- 附带一次性环境准备:检查
snow --help、配置连接(snow connection add)
3. 适用场景
所属分类:数据分析与可视化。
- 在 Snowflake 上给分析师/BI 工具搭建统一的指标语义层,想让 agent 起草 DDL 并自己验证
- 已有星型模型的数据仓库,需要批量补齐维度、指标的同义词与注释,提升自然语言问数的命中率
- 接手别人写的语义视图,排查
CREATE/ALTER SEMANTIC VIEW报错 - 初中级用户:不熟悉语义视图的专用查询语法,或不知道该怎样安全地先验证再上线
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
- 仅一个 SKILL.md,无脚本、无附带文件
- 贡献历史:2026-01-08 首次合并,2026-01-18 补充抽样数据以发现关联,并修正技能名称
10. 安装使用方式
- 安装 Snowflake CLI 并确认
snow --help可用,用snow connection add配置连接 - 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/ - 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
- 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
- 技能会在你的真实 Snowflake 账号上执行 DDL,建议使用权限受限的角色,并先在开发库试用
- 要求模型是星型结构;非星型的复杂模型需要自行拆分
- 内容约 4.4KB,偏流程提示,不包含语义视图完整语法速查,复杂特性仍需对照官方文档
- 子目录自 2026-01-18 起未更新,遇到新版 Snowflake 语法变化时需自行核对