场景 1: 新公司快速上手，30 分钟掌握数据仓库

背景

你刚加入一家 SaaS 公司，负责数据分析师的工作。数据仓库用的是 Snowflake，里面有 200 多个表。老大让你 "看看这周的流失率",你打开 Snowflake，面对一堆表名——fact_events、dim_users、dim_accounts、fct_subscriptions——完全摸不着头脑。问同事？大家都在赶季度末的报表，不好意思打扰。

你的指令

"我刚加入这家公司,想为我们的 Snowflake 数据仓库创建一个数据分析技能。主要关注 SaaS 订阅相关的核心表,比如用户、订阅、事件这些。帮我快速上手,让我能独立写查询。"

发生的结果

AI 先连接 Snowflake，列出所有数据集。然后它开始提问，你一边回忆一边回答：

"最重要的表？subscriptions(订阅)、users(用户)、accounts(企业账号)、events(事件)"
"'用户'和'账号'有什么区别？用户是个人，账号是企业。一个账号可以有多个用户。用 account_id 关联订阅，user_id 关联用户行为"
"流失率怎么算？订阅状态从 active 变成 churned 的用户数 / 月初 active 订阅数"
"查询时要注意什么？测试账号 (domain='test.com') 要排除，试用期 (trial) 不算流失"

大约 25 分钟后，一个完整的技能包生成了。你打开 references/subscriptions.md,看到订阅表的详细说明:每个字段的含义、状态值枚举、与用户表的关联方式。最实用的是 references/queries.md,里面有 "计算月度流失率" 的查询模板，你直接复制改了日期范围，跑出结果交给老大。老大问你 "怎么这么快就上手了？" 你笑了笑："有个 AI 导师"。

效果

本该花一周摸索的数据环境，30 分钟就搞定了。后续你写查询时，AI 能精准理解 "订阅到期未续费的活跃用户" 是什么意思，生成的 SQL 一跑就通，再也不用反复试错。

场景 2: 补充营销数据，让技能更全面

背景

你已经在用之前创建的技能处理产品数据了，今天市场部的同事来找你："能不能帮忙拉一下广告投放的效果数据？看看 Google Ads 和 Facebook Ads 的 ROAS?"。你翻开技能包，发现 references/ 里面只有产品相关的表，营销投放的数据表完全没覆盖。没办法，你又得去问市场部的同事表结构、字段含义、指标定义。

你的指令

"给现有的数据分析技能加上营销投放领域的知识。需要覆盖 Google Ads 和 Facebook Ads 的数据表,以及 ROAS、CTR 这些核心指标。"

发生的结果

AI 加载了你现有的技能，发现它目前覆盖了 product、subscription、user 这些领域。然后它开始针对营销领域提问：

"营销相关的表在哪？ads_raw、campaigns、ad_creatives 这些表在 marketing 数据集下"
"ROAS 怎么算？广告产生的收入 / 广告花费。要注意，收入有 7 天归因窗口"
"CTR 呢？点击数 / 展现数"
"有什么坑？同一个 campaign 可能在多个广告平台，去重要按 campaign_external_id"
"新人容易搞错什么？raw 表是按天分区的，查 30 天数据记得加日期过滤，不然会扫全表，很慢"

15 分钟后，references/marketing.md 生成了，包含所有营销相关的表文档、指标定义、注意事项。你把这个更新后的技能包同步给团队，市场部的同事也能用它来快速生成投放报表了。

"把我们团队的数据分析最佳实践整理成一个技能。重点记录:常见错误、查询规范、指标定义。目标是新人看了这个技能,能快速写出靠谱的 SQL。"

发生的结果

AI 像一位访谈者，系统地引导你梳理经验：

"先告诉我你们的数据仓库概况" —— 你说:Snowflake，主要用的事实表有 orders、events、subscriptions，维度表有 users、products
"新人最容易在哪摔跟头？" —— 你列举：时区问题、状态过滤、多表 join 导致的行数膨胀
"每个问题的标准解法是什么？" —— 你分享：用 CONVERT_TIMEZONE 转时区、JOIN 前先 COUNT 检查行数、用 DISTINCT 去重
"团队有哪些规范？" —— 你说：所有查询必须加 as_of_date 注释、耗时查询要 EXPLAIN 先、大表 JOIN 要注意分布键

生成技能后，你特别看了看 references/best_practices.md,里面清晰记录了:

时区处理标准: 所有时间字段统一转 EST，用 CONVERT_TIMEZONE('UTC', 'America/New_York', timestamp)
JOIN 检查清单: 每次 JOIN 前先运行 COUNT 对比，行数异常要检查是否多对多关系
查询模板: 标准 LTV 查询、漏斗分析查询、同期群查询的模板

新人入职后，你让他先读这个技能包，有问题再看文档。新人反馈："比看 Wiki 直观多了，感觉有位老手在旁边指导"。

效果

把"藏在脑子里"的经验显性化，减少重复教学。团队的知识沉淀成文档，不依赖个人，新人成长更快，老员工解放出来做更有价值的事。