前言¶
从传统数仓迁到湖仓一体，常见难点不是「能不能上对象存储」，而是开放表格式怎么选、Medallion 和 Lambda 怎么落、查询引擎与存储怎么配、三年 TCO 谁更划算。资料分散在各家白皮书和博客里，对话式 AI 若没有领域约束，容易给出泛泛建议或混用术语。
下面介绍 SkillHub 上的社区 Skill「湖仓一体架构师」（@user_69009747/lakehouse-architect），把迁移路径、格式对比、架构模式与引擎选型等内容收敛进 SKILL 指令，供在 Cursor、Claude Code 等支持 Skills 的客户端里按需调用。
这是什么¶
「湖仓一体架构师」是 SkillHub 分类 data-analysis 下的社区 Skill，坐标 @user_69009747/lakehouse-architect，当前版本 1.0.0，发布者为 user_69009747。页面标注 requires_api_key=false，使用本 Skill 本身不依赖额外 API Key。
官方简介将其定位为：从传统数仓到湖仓一体迁移的完整架构方案，覆盖 Iceberg、Hudi、Delta、Paimon 四大开放表格式对比，六种湖仓架构模式（Medallion、Lambda、Kappa、Data Mesh、Lakehouse+AI、Lakehouse+RAG），以及 StarRocks、Trino、DuckDB 等查询引擎选型，并包含 TCO 成本计算器，用于对比三年总成本。
Skill 页面作者展示为「庄子十八代技师」，并标注「作者自主性」。
核心功能¶
以下能力均来自 SkillHub 官方页面与抓取元数据，未单独展开 SKILL 正文时，以简介所列范围为准。
-
迁移与总体方案：围绕「传统数仓 → 湖仓一体」给出架构层面的迁移思路与方案组织方式（具体步骤需在对话中向 Agent 说明你的现状后由其按 Skill 引导展开）。
-
开放表格式对比：对 Iceberg、Hudi、Delta、Paimon 做深度对比，便于在存储层选型时对齐特性与约束。
-
六种架构模式：Medallion、Lambda、Kappa、Data Mesh、Lakehouse+AI、Lakehouse+RAG，用于在不同数据组织与消费形态下选型或组合。
-
查询引擎选型：涉及 StarRocks、Trino、DuckDB 等引擎的选型讨论，与湖仓查询层设计相关。
-
TCO 成本计算器：支持一键对比三年总成本，用于在若干候选架构或技术栈之间做成本侧对照（具体输入项与输出格式以 Skill 内说明为准）。
安装与启用¶
SkillHub 提供两种常见入口：用自然语言让 AI 按安装文档操作，或本地安装 SkillHub CLI 后执行安装命令。
方式一：提示词安装¶
在支持 Skills 的 AI 客户端中，可将官方页面给出的提示词发给 Agent：
请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_69009747/lakehouse-architect`。
Agent 会按 SkillHub 安装文档 检查 CLI、选择当前环境的 skills 目录并完成安装。
方式二：SkillHub CLI¶
先确认是否已安装 CLI：
command -v skillhub && skillhub --version
未安装时，可按文档执行完整安装（CLI + 默认 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
仅安装 CLI：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
安装本 Skill 时，必须用 --dir 指向当前 Agent 的 skills 目录，否则默认装到 ./skills/ 可能不会被客户端识别。文档给出的常用路径示例：
| 客户端 | skills 目录 |
|---|---|
| Cursor | ~/.cursor/skills/ |
| Claude Code | ~/.claude/skills/ |
| Codex | ~/.codex/skills/ 或项目下的 .agents/skills/ |
安装命令形式如下（将 <skills 目录> 替换为上表对应路径）：
skillhub install user_69009747/lakehouse-architect --dir <skills 目录>
也可先搜索再安装：
skillhub search lakehouse-architect
skillhub install user_69009747/lakehouse-architect --dir <skills 目录>
安装后按各客户端要求刷新或重启，使新 Skill 被加载。Cursor 与 Codex 的目录不同，需按你实际使用的客户端选择路径，不要混用。
典型用法¶
公开页面未附带固定的一键 Demo 脚本；典型用法是在已启用该 Skill 的对话中，用具体业务约束提问，让 Agent 在 Skill 约束下输出结构化架构建议。下列场景与官方简介一致，可作为首轮提示的组织方式（需自行补充数据规模、云厂商、合规与现有栈等事实）：
-
表格式选型：说明当前 Hive/数仓表形态与读写、流批需求，要求对比 Iceberg、Hudi、Delta、Paimon 并给出推荐与理由。
-
架构模式：描述是批为主、实时为主还是多域数据产品，要求在 Medallion、Lambda、Kappa、Data Mesh、Lakehouse+AI、Lakehouse+RAG 中选型或组合。
-
查询层：列出候选引擎（如 StarRocks、Trino、DuckDB）与 SLA，要求结合湖仓分层给出选型建议。
-
成本：在若干技术路线已初步圈定后，要求使用 Skill 中的 TCO 能力对比三年总成本，并说明假设项。
经过上面的步骤，Agent 应优先引用 Skill 内的对比框架与计算器逻辑，而不是脱离上下文的泛泛回答。
适用场景与注意¶
适合谁
- 数据平台、数据架构相关角色，正在规划或执行数仓到湖仓迁移。
- 需要在对话中反复推敲开放表格式、架构模式与查询引擎，并希望输出相对统一的分析维度。
- 希望在方案阶段纳入三年 TCO 对比，减少纯经验拍板。
限制与注意
- 本 Skill 为 community 来源，结论需结合你方环境做评审与 PoC，不宜直接当作唯一决策依据。
- 简介中的对比与计算器覆盖范围以 Skill 正文为准；极端定制场景（专有硬件、强合规隔离等）可能仍需补充外部审计与厂商支持。
- SkillHub 元数据显示评分为 100000、下载约 813 次（统计以平台为准）；安装前可在 Skill 详情页 查看最新版本与说明。
- 架构与成本结论依赖你提供的输入是否完整；模糊需求会得到偏通用的建议，应在对话中写清约束。
结尾¶
「湖仓一体架构师」把迁移路径、四大表格式、六种架构模式、查询引擎选型与三年 TCO 对比收进一个 Agent Skill，适合在 Cursor、Claude Code 等环境中做湖仓相关的架构讨论。官方 SkillHub 页面：https://www.skillhub.cn/skills/user_69009747/lakehouse-architect；坐标 @user_69009747/lakehouse-architect，版本 1.0.0。
