多智能体数据工程

Azure DevOps 数据工程专家，专注于使用 PowerShell 的 Azure Pipelines。设计 CI/CD 管道，实施数据工程工作流程，管理基础设施即代码，并优化 DevOps 实践。主动用于管道开发、PowerShell 自动化和 Azure 数据平台集成。

Azure DevOps wiki 文档专家。在 ./docs/ 中创建 markdown 文档以同步到 Azure wiki。主动用于技术文档、架构指南和 wiki 内容。

专家级多代理编排专家，分析任务复杂性，协调 2-8 个工作代理并行工作，管理基于 JSON 的通信，验证质量门，并生成综合报告。主动用于跨多个文件/层的复杂可分解任务、代码质量审计等。

专家级代码审查和调试专家，结合全面的代码质量分析、安全审计、性能优化、系统性错误调查和根本原因分析。主动用于拉取请求审查、代码质量审计、故障排除和复杂问题解决。

Azure DevOps Git 工作流专家。管理功能分支、PR、代码审查和部署工作流。主动用于分支管理、PR 创建和 Azure DevOps 集成。

PySpark pytest 专家，专注于实时数据的数据管道测试。主动用于测试策略、pytest 自动化、数据验证和奖章架构质量保证。

PowerShell Pester 测试专家，专注于高代码覆盖率的单元测试。主动用于测试策略、Pester 自动化、模拟技术和 PowerShell 脚本及模块的全面质量保证。

local-commit 插件提供了一系列本地提交命令，旨在简化 Git 版本控制的操作流程。用户可以通过 Bash 命令执行如 `git add`、`git commit`、`git push` 等操作，支持对代码变更进行有效管理和记录。此外，该插件还集成了与 Azure DevOps 相关的多种功能，包括获取分支列表、搜索提交记录、创建和获取拉取请求等。通过灵活的参数设置，如提交信息、跳过验证、修正上次提交等，用户能够根据具体需求进行高效的版本控制操作。此插件为开发者提供了一个便捷的工具，以提升代码管理的效率和准确性。

更新文档命令提供了一种高效的方式来生成和管理文档，支持本地优先的工作流。用户可以在 `./docs/` 目录中生成文档，并通过 Azure DevOps wiki 进行同步，确保文档的版本控制和审查过程。该命令支持多种参数，包括文档类型选择、生成本地文档、同步到 wiki、重新生成文档、验证文档等功能。通过将源代码与文档生成流程结合，用户能够在发布前进行本地审查，避免不必要的重新生成操作。此外，Git diff 功能使得文档更改一目了然，增强了文档管理的灵活性和可重用性，适用于多种目标平台。

编写测试命令旨在为 PySpark 数据管道生成全面的 pytest 测试，支持实时数据验证。用户可通过指定目标文件和测试类型（如单元测试、集成测试、数据验证等）来灵活配置测试内容。该命令允许使用 Bash 工具进行读写和编辑操作，确保测试环境的高效构建与管理。测试框架的配置状态可通过检查 pytest.ini 文件的存在性来确认，便于用户快速了解当前测试环境的准备情况。此外，测试文件的存放位置将自动识别并创建，确保测试代码的组织结构清晰。通过这一工具，开发者能够有效提升数据管道的可靠性与稳定性。

编写具有适当错误处理、POSIX 兼容性和自动化模式的稳健 shell 脚本。精通 bash/zsh 特性、进程管理和系统集成。主动用于自动化、部署脚本或系统管理任务。

专业的 PySpark 数据工程师，专注于 Azure Synapse Analytics 的奖章架构。设计和实施可扩展的 ETL/ELT 管道，符合生产标准，优化 Spark 工作负载，并遵循 TDD 原则进行全面测试。

对应用程序和基础设施进行全面的安全分析和漏洞评估。执行代码分析、依赖扫描、威胁建模和开发生命周期中的合规性验证。

编排命令插件旨在协调多个通用代理，以并行处理复杂的可分解任务。通过 JSON 格式进行结构化协调，用户可以高效地管理和优化工作流程。该插件支持多种使用方式，包括直接输入任务提示或指定来自 `.claude/tasks/` 目录的任务文件。用户可通过简单的命令启动协调器代理，实现任务的自动化处理与优化。例如，可以通过提示分析代码库中的金表，识别优化机会并实施改进。此外，用户还可以列出可用的协调任务，以便快速选择和执行。此插件为复杂任务的管理提供了灵活且高效的解决方案，适用于需要多代理协作的场景。

专业的业务分析师，专注于阅读 Azure DevOps 用户故事并为 PySpark 开发代理创建全面的部署计划。将用户故事转化为可操作的技术规范，包含详细的数据处理需求和基础设施计划。

prime-claude 插件旨在优化 CLAUDE.md 文件的内容管理，通过精简文档以减少上下文污染，提升 Claude 的响应效率。该插件能够将大型 CLAUDE.md 文件（超过 400 行）缩减至约 100 行，仅保留必要的架构和编码标准，同时将详细知识移入技能模块，按需加载。使用此插件，用户可以通过执行命令如 `--analyze-only`、`--backup` 或 `--apply`，有效节省 80-90% 的上下文，降低每次对话所需的 tokens 数量，从而提高 Claude 的处理速度和工作效率。此功能特别适合需要频繁调用大型文档的场景，确保信息的高效传递与利用。

将产品需求转化为全面的技术架构蓝图。设计系统组件，定义技术栈，创建 API 合同，并建立数据模型。作为开发过程的第二阶段，为下游工程代理提供技术规范。

自动分析更改并从当前功能分支创建 PR 到暂存

分支清理命令旨在高效管理和维护 Git 代码库的分支结构。通过使用该命令，用户可以主动清理已合并的本地和远程分支，确保代码库的整洁性和可读性。支持多种操作选项，如 `--dry-run`、`--force`、`--remote-only` 和 `--local-only`，使得用户能够灵活选择清理范围和方式。该命令结合 Bash 工具，能够执行如 `git branch`、`git checkout`、`git push` 和 `git merge` 等操作，提供全面的分支管理功能。通过定期清理过时的分支，开发团队可以提高协作效率，减少潜在的代码冲突，优化项目的整体结构。

将原始想法或业务目标转化为结构化、可操作的产品计划。创建用户角色、详细用户故事和优先级功能待办事项。用于产品战略、需求收集和路线图规划。

编写符合 Python 习惯用法的代码，使用装饰器、生成器和 async/await 等高级特性。优化性能，实施设计模式，并确保全面测试。主动用于 Python 重构、优化或复杂 Python 特性。

完整的部署工作流 - 提交、PR 到暂存、审查，然后从暂存到开发

专业的 SQL 数据库专家，结合查询开发、性能优化和数据库管理。精通复杂查询（CTE、窗口函数）、执行计划优化、索引策略、备份/复制和运营卓越。主动用于查询优化。

后台处理命令插件提供了一个强大的 PySpark 数据工程师代理，能够在后台自主执行各种数据处理任务。用户可以通过直接输入提示或指定任务文件，启动代理以完成 ETL 任务、修复数据管道或进行代码审查。该插件支持多种工具，包括 Read、Task 和 TodoWrite，确保用户能够高效地管理和处理数据。通过灵活的输入选项，用户可以方便地提交任务，代理将自动处理并返回结果，提升数据工程师的工作效率。

讨论特定任务的多代理工作流策略

分析应用程序、优化瓶颈和实施缓存策略。处理负载测试、CDN 设置和查询优化。主动用于性能问题或优化任务。

描述信息命令旨在为代码文件提供全面的描述性注释，重点关注数据流、连接逻辑和业务上下文。用户可以选择当前打开的文件或指定文件路径，以便自动生成相关注释。该命令支持多种工具，包括 Read、mcp__mcp-server-motherduck__query、Grep、Glob 和 Bash，确保在不同环境下的灵活应用。通过分析文件的上下文信息，如文件层级和 Git 状态，描述信息命令能够为开发者提供清晰的代码理解，促进团队协作与代码维护。此功能特别适用于需要详细文档支持的复杂项目，帮助开发者更好地把握代码的业务逻辑和数据流动。

PySpark错误处理命令旨在系统化地修复在执行 `make gold_table` 时遇到的各种错误。这些错误可能涉及代码层面的语法、类型和运行时问题，也可能是逻辑层面的连接错误、缺失数据或业务规则违反。修复过程必须通过 `pyspark-engineer` 代理进行，确保所有修复遵循项目编码标准。 在修复过程中，用户需提供完整的错误堆栈跟踪、目标文件路径及相关架构信息。`pyspark-engineer` 将首先验证与MCP服务器的连接，随后查询架构和外键关系，系统性地分析并修复错误，最后运行质量门检查（包括 py_compile、ruff check 和 ruff format），确保修复的质量和一致性。此插件为数据工程师提供了一种高效、可靠的错误处理解决方案。

自述文件钩子是一个智能提示拦截系统，具备双阶段钩子管道，旨在实现自动技能激活和调度器路由。该插件通过三个钩子显著增强 Claude Code 的功能。首先，skill-activation-prompt 钩子能够检测特定领域的需求，并推荐相应的技能，以提升用户体验。其次，orchestrator-interceptor 钩子负责分析请求的复杂性，并将其路由至多代理调度，确保高效处理。最后，combined-prompt-hook 钩子则实现了两个钩子的无缝连接，进一步优化了系统的响应能力。整体架构设计旨在提升智能交互的灵活性与准确性，满足多样化的用户需求。

处理 PR 审查反馈并更新拉取请求

代码审查命令提供了一种高效的方式对代码进行综合质量审查，涵盖安全性、性能和架构分析。用户可以通过指定文件路径或提交哈希值，结合选项如 `--full`，执行全面的代码检查。该工具支持多种操作，包括读取文件、执行 Bash 命令、使用 Grep 和 Glob 进行文本搜索，确保代码库的健康状态。审查过程包括仓库结构分析、主要语言和框架识别、配置文件检查（如 package.json 和 requirements.txt），以及对 README 和相关文档的审阅，以获取必要的上下文信息。通过这一系列步骤，开发者能够及时发现潜在问题，提升代码质量和维护性。

PR审查命令插件旨在简化合并请求（Pull Request）的审查流程。通过集成多种功能，用户可以高效地管理和审查代码变更。该插件支持与 Git 相关的多项操作，包括查看分支状态、日志和差异等，确保开发者能够全面了解代码变更的背景。此外，利用 MCP 接口，用户能够获取特定仓库的合并请求列表、评论线程及其内容，甚至可以创建新的评论线程或回复现有评论。这一系列功能使得团队在进行代码审查时，能够更加高效地协作与沟通，确保代码质量和项目进度。

创建拉取请求命令旨在简化在 GitHub 上创建 Pull Request 的过程。用户可通过 GitHub CLI 工具，方便地进行身份验证并按照项目要求提交代码更改。首先，需确保已安装 GitHub CLI，并完成身份验证。接着，用户可以根据项目中的模板准备 Pull Request 描述，最终通过 `gh pr create` 命令生成新的 Pull Request。该命令的使用不仅提高了开发效率，还确保了代码审查流程的规范性与一致性，适用于需要频繁提交代码更改的开发团队。

创建产品需求文档（PRD）的工具，旨在为新功能的开发提供清晰、结构化的需求说明。用户可通过指定功能名称、选择模板或启用交互模式，快速生成符合需求的文档。该工具强调关注功能及用户需求，而非技术实现，确保文档内容聚焦于用户体验和产品目标。使用者可参考相关的产品文档、功能文档及JTBD文档，以获取必要的背景信息，从而制定出更具针对性的需求文档。此插件适用于产品经理及相关团队，助力高效的产品开发流程。