数据与分析 ✓ Google · 官方 bigquerysql-queryingdataset-managementtable-managementdata-ingestiongoogle-cloudbq-cli

BigQuery 基础操作技能

用命令行管理 BigQuery 数据并运行 SQL 分析。

FollowSkills 评估 · FSRS-2.0
不推荐
47/ 100 五分制 2.4 / 5
信任安全15 / 25 · 3.0/5

文档明确提倡最小权限,并覆盖 IAM、服务账号、VPC Service Controls、行列级安全、审计日志和授权视图;MCP 的 execute_sql 限制为 SELECT 且标记查询来源。扣分原因是 CLI 示例包含删除、复制、加载和写入操作,却没有要求用户确认、敏感数据处理流程、统一的数据流披露或回滚方案,且查询会产生项目费用。

可靠稳定7 / 20 · 1.8/5

主文档与参考目录结构一致,涵盖 CLI、客户端库、IaC、MCP 和安全主题,常见路径在静态阅读下基本连贯。扣分原因是没有测试套件、版本锁定、异常输入处理或可诊断的失败反馈,认证、项目、区域和依赖前置条件也未完整说明;静态校准限制分数不超过10。

适用触发6 / 15 · 2.0/5

目标场景较清楚,覆盖 BigQuery 查询、数据集、表、作业、摄取和分析,并声明 MCP 仅支持 SELECT。扣分原因是能力边界、触发排除条件、输入输出格式和非适用场景仍不完整;没有中文支持说明,核心功能依赖 Google Cloud/BigQuery 服务,对中国大陆网络可达性未作处理或提示。

规范维护9 / 15 · 3.0/5

文档采用主入口加按主题拆分的参考目录,提供安装、示例、相关技能、Apache-2.0 许可证、贡献入口和维护中的说明。扣分原因是没有明确维护责任人、版本策略、变更日志、依赖版本、FAQ 或系统化故障排查,且若干示例使用占位项目和资源。

有效结果6 / 15 · 2.0/5

CLI、Python、Java、Node.js、Go、Terraform 和 MCP 示例覆盖了核心 BigQuery 操作,部分内容可直接作为起点使用。扣分原因是示例未在文件中提供执行结果或测试证据,完整任务仍需要用户补充认证、项目配置、权限、成本控制和错误处理;静态校准限制分数不超过7。

证据核验4 / 10 · 2.0/5

文件包含 Google Cloud、Terraform、客户端库和 MCP 的文档引用,且源材料提供了固定修订版本,支持基本追溯。扣分原因是没有提交测试、CI 覆盖或第三方执行记录,关键命令和产品能力只能通过引用间接核查;静态校准限制分数不超过5。

证据充分度: 评估于 2026年7月20日 审查版本 513a7a51e85f
上游仓库在本次评估后已有新提交;当前评分仍对应所示审查版本,可能尚未覆盖最新改动。
使用前请注意
  • 执行 bq rm、bq cp、bq load、bq insert 或远程查询前应明确确认目标项目、资源、数据范围、权限和预计费用;文档未提供通用确认或回滚流程。
  • 不要将文档中的默认示例视为安全的生产配置;应先验证认证方式、最小 IAM 权限、区域一致性、敏感数据策略和 BigQuery 网络可达性。
  • MCP 的 SELECT 限制不等于无副作用:文档明确指出远程函数或 Python UDF 可能产生副作用。
查看完整评分方法 →

这个 Skill 能做什么,适合哪些场景?

该技能面向 BigQuery 的基础资源管理与数据分析。它提供启用 BigQuery API、创建数据集和表,以及执行 SQL 查询的示例。参考目录还涵盖 CLI、客户端库、MCP、Terraform 以及 IAM 与安全主题。适合需要直接操作 BigQuery 资源的用户;更高级的 BigQuery AI 与机器学习能力属于相关技能,不在本技能范围内。

指导用户使用 gcloud 启用 BigQuery API,使用 bq 创建位于指定区域的数据集和表,并通过 schema.json 提供表结构。它还展示如何使用 bq 执行标准 SQL 查询,包括查询公共数据集并限制返回行数。参考内容涉及数据分析流程、客户端库、远程 MCP 服务器、Terraform,以及 IAM 与数据治理。

  1. 需要快速启用 BigQuery API 并创建第一个数据集的 Google Cloud 用户。
  2. 需要根据 JSON schema 创建 BigQuery 表的数据工程师。
  3. 需要使用 bq CLI 运行标准 SQL 查询并查看分析结果的数据分析师。
  4. 需要查阅 BigQuery 客户端库、Terraform 或 IAM 参考资料的开发者和平台工程师。

这个 Skill 有哪些优点和局限?

优点
  • 覆盖数据集、表和查询等 BigQuery 基础操作。
  • 提供可复制的 gcloud 与 bq CLI 示例。
  • 包含 CLI、客户端库、MCP、Terraform 和 IAM 安全参考入口。
  • 属于持续开发中的 Google 技能集合。
局限
  • 范围集中于基础 BigQuery 操作,不包含 BigQuery AI 与机器学习技能的具体能力。
  • 未提供测试套件、版本兼容性或平台验证信息。
  • 未说明费用、认证配置和常见失败场景。
  • 安装命令面向整个 google/skills 仓库,需在安装时选择具体技能。

如何安装这个 Skill?

运行 npx skills add google/skills,并在安装过程中选择 BigQuery Basics。该技能位于 skills/cloud/bigquery-basics。仓库整体以 Apache 2.0 许可发布。

如何使用这个 Skill?

在已安装该技能的 Agent Skills 客户端中请求 BigQuery 基础操作,例如“使用 BigQuery Basics 创建一个 US 区域的数据集和表,并运行查询”。也可以按文档执行:gcloud services enable bigquery.googleapis.com --quietbq mk --dataset --location=US my_dataset,准备 schema.json 后运行 bq mk --table my_dataset.mytable schema.json,再使用 bq query --use_legacy_sql=false 执行 SQL。认证、具体 IAM 配置和错误处理流程未在提供的内容中说明。

常见问题

这个技能是否说明 BigQuery 的使用费用?
没有。提供的 SKILL.md 和 README 未包含定价或费用估算信息。
使用它需要哪些权限?
至少需要能够启用 BigQuery API,并执行数据集、表和查询相关操作;具体 IAM 角色和权限未在提供内容中列出。
它能处理 BigQuery AI 与机器学习任务吗?
本技能仅定位于基础 BigQuery 操作。README 将 BigQuery AI 与机器学习列为单独的相关技能。
查询失败时该技能会自动诊断问题吗?
来源只提供基础命令和参考目录,没有承诺自动错误诊断或恢复流程。

同仓库的其他 Skills

均来自 google/skills

数据与分析 ✓ Google · 官方

Google Cloud 数据血缘摘要

汇总 BigQuery/GCS 数据血缘,帮助定位数据质量问题。

数据与分析 ✓ Google · 官方

Google Cloud 无边界开放数据湖仓设计技能

帮助设计连接多云数据孤岛与智能体的受治理数据湖仓。

自动化与运维 ✓ Google · 官方

Google Cloud 网络可观测性助手

分析 Google Cloud 网络日志、指标和连通性诊断,快速定位 VPC、NAT 与防火墙问题。

自动化与运维 ✓ Google · 官方

Google Cloud gcloud CLI 安全操作技能

帮助代理安全、可控地使用 gcloud 管理和排查 Google Cloud 资源。

自动化与运维 ✓ Google · 官方

Agent Platform 端点管理

管理 Agent Platform 在线预测服务端点及其常见故障。

数据与分析 ✓ Google · 官方

AlloyDB 数据库管理助手

帮助管理 AlloyDB 集群、实例与备份,并连接 MCP 自动执行数据库操作。

自动化与运维 ✓ Google · 官方

Agent Platform 模型部署助手

在 Google Agent Platform 上部署、验证并清理 Model Garden 模型。

自动化与运维 ✓ Google · 官方

Google Cloud Workload Manager 评估助手

用 Workload Manager 检查 Google Cloud 工作负载的最佳实践合规性。

自动化与运维 ✓ Google · 官方

Google Cloud WAF 安全架构顾问

依据 Google Cloud Well-Architected Framework 评估云工作负载并提出安全改进建议。

自动化与运维 ✓ Google · 官方

Google Cloud 运营卓越顾问

依据 Google Cloud WAF 评估并改进工作负载运营实践。

数据与分析 ✓ Google · 官方

跨云智能分析架构顾问

为分布式数据设计安全、受治理的智能分析方案

数据与分析 ✓ Google · 官方

Agent Platform RAG 引擎管理

用 Vertex AI Python SDK 管理语料库并检索可用于生成的依据。

数据与分析 ✓ Google · 官方

Agent Platform 模型注册表管理

用 gcloud 管理 Agent Platform 中的模型、版本及其元数据。

开发与工程 ✓ Google · 官方

Agent Platform 提示词管理

用 Python 管理 Agent Platform 中的托管提示词。

开发与工程 ✓ Google · 官方

Agent Platform 调优任务管理

用 Python SDK 查看、查询并取消 Agent Platform 调优任务。

数据与分析 ✓ Google · 官方

Google Cloud 智能体数据科学架构师

为基于智能体的数据分析和机器学习工作负载设计并验证 Google Cloud 多产品架构。

自动化与运维 ✓ Google · 官方

GKE 基础导航助手

帮助用户快速发现 GKE 集群入口,并将具体需求路由到最匹配的专业技能。

自动化与运维 ✓ Google · 官方

Google Cloud 全球外部应用负载均衡配置

以最佳实践配置并部署 Google Cloud 全球外部应用负载均衡器。

开发与工程 ✓ Google · 官方

Google Agents CLI 智能体开发引导

引导智能体从设计、开发到部署与监控的完整流程。

自动化与运维 ✓ Google · 官方

Google Cloud 安全无服务器分层架构

帮助代理设计、编写基础设施代码并验证隔离的 Google Cloud 多层无服务器 Web 应用。

相关 Skills