AI接入dbt项目前，这个Skill先帮你扫一遍雷区
如果你在用 dbt 做数据建模，又开始用 Claude Code 或其他 AI 编程助手，你可能会遇到一个很诡异的问题：AI 跑查询跑得特别自信，但结果全是错的。更要命的是，它错得很丝滑——不报语法错误，不报警告，就是数字不对。
这不是 AI 的问题，是 dbt 项目本身的问题。
AI 眼里，dbt 是一片雷区
dbt 项目的语义层很丰富——模型与模型之间的引用、列级别的血缘、度量（metrics）的定义、单位统一性……这些对人类数据工程师来说需要对照文档、查 schema 才能搞清楚，AI 根本没有上下文。
于是你得到：度量计算用了错误的聚合函数；跨模型 join 因为列名不一致而漏掉一半数据；某个 model 声称是 revenue 但 SQL 写的是 volume；最离谱的是——一切看起来正常，直到有人拿报表给老板看。
dbt-agent-readiness 就是来解决这个的。
这个 Skill 做了什么
这是一个专门给 Claude Code 用的审计 Skill，核心能力只有一个：提前告诉你「如果现在把 AI 塞进这个 dbt 项目，它会在哪些地方踩坑」。
审计分两个维度：
- Blockers（阻断级问题）：AI 今天就会碰壁，证据确凿。比如同一个实体在三个模型里叫 customer_id / cust_id / user_id，AI 问”某用户的订单数”，直接 join 错列。
- Hygiene（卫生问题）：不是 bug，但数据质量风险。每个问题都带一条可执行的 SQL，你跑一下就能验证这个风险是否真实存在。
报告大概长这样：
- Blocked：发现三个模型都声称自己是 revenue 但计算口径不一样
- Blocked：某列在 YAML 里声明了但 SQL 里没有，AI 查这个列会直接报错
- Hygiene：customer_id 的 not null 约束没有强制，建议补上
怎么用
装上这个 Skill 后，在 Claude Code 里直接说：
Run dbt-agent-readiness on /path/to/dbt/project
它会扫描你的项目文件，生成一份 {项目路径}/dbt-agent-readiness.md 报告。它不连接数仓、不需要凭证，只读代码文件。
建议在引入 AI 之前跑一遍，也建议作为 dbt 项目 Code Review 的一部分。
适合谁
如果你符合以下任一条，这个 Skill 值得装：
- 团队在用 dbt，准备上 AI 数据分析或 copilot
- dbt 项目维护者，想知道现有项目的「AI 就绪度」
- 数据工程师，经常被 AI 生成的 SQL 坑到
说实话，这类审计 Skill 在 Skills 生态里很少见——大部分 Skill 都在教你「怎么用 AI」，这个 Skill 在教你「怎么让 AI 不乱来」。方向很特别，值得关注。
评论区
登录后可评论。