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。
证据显示技能要求需求确认、技术分解确认和架构及部署计划审批，并建议最小权限 IAM、Secret Manager、DLP、Model Armor、私有网络和代码沙箱；因此具备基本的数据流和敏感数据安全意识。扣分原因是未明确具体权限范围、数据保留与跨境流转、执行 IaC 前的逐项变更确认、回滚方案或依赖完整性验证，且生成部署脚本可能产生外部基础设施影响。
四阶段流程、前置条件、验证检查、超时、重试、故障转移和错误处理建议使正常路径基本连贯。扣分原因是没有提交的测试套件或可复现执行证据，部分资源依赖外部文档和工具，异常输入、资源缺失、文档不可达及部署失败的具体诊断反馈不足。
描述明确限定于面向 agent 的多产品 Google Cloud 数据分析或机器学习架构，并列出不适用于简单查询、非 agent 流水线、一般云评审和编写 agent 代码。扣分原因是输入输出边界、触发判定细则和非适用范围仍较粗，未提供中文交互支持；核心设计依赖 Google Cloud、GitHub、外部文档和 MCP 生态，对中国大陆网络可达性未说明。
SKILL.md 采用分阶段结构，配有模板、产品映射、设计建议、安装说明、支持和贡献入口；仓库声明 Apache-2.0、官方组织来源和持续开发状态。扣分原因是该技能没有独立版本、变更记录、明确维护负责人或更新承诺，且引用路径、产品更名和外部资源的兼容性维护策略不完整。
技能覆盖需求发现、架构设计、部署计划和验证报告，并规定 solution-architecture-guide.md 的目标格式，理论上可产出结构化方案。按静态校准最多只能认可核心任务可完成。扣分原因是 IaC、部署脚本和验证脚本只是要求生成而非已验证资产，产品选择仍需依赖外部资料，输出可能需要较多人工审查和环境适配。
证据包括固定 revision、仓库内模板及产品映射和设计建议，并引用多份官方或相关技术资料，具备一定可审计性。扣分原因是所给材料没有 CI、测试套件、执行日志或第三方复现结果，关键产品判断和命名映射无法仅凭这些文件独立验证。
- 执行生成的 Terraform、部署命令或验证脚本前，应逐项审查 IAM、网络、费用和资源变更，并建立可恢复的回滚方案。
- 应核实外部 Google Cloud 文档、GitHub 示例、MCP Toolbox 和产品更名信息的当前有效性及中国大陆网络可达性。
- 该技能不提供已验证的 IaC、部署脚本或测试结果，产出不能视为已部署或已通过安全验证。
这个 Skill 能做什么，适合哪些场景？
该技能面向需要在 Google Cloud 上规划智能体数据科学解决方案的用户。它覆盖需求发现、技术组件拆解、解决方案设计、实施计划和部署验证四个阶段。输出可包括产品映射、Mermaid 架构图、Markdown 架构指南、基础设施即代码、部署说明和验证脚本。它不适用于简单查询、非智能体流水线、一般云评审或编写智能体代码。
它通过澄清问题收集数据源、用户、访问模型、查询类型以及性能、安全和治理约束；分析组件及其关系；选择智能体设计模式；将组件映射到 Google Cloud 产品和功能；生成 Mermaid 架构图和名为 solution-architecture-guide.md 的 Markdown 文件；规划 Terraform 等基础设施即代码和部署步骤；并设计包含 terraform plan、curl 或 gcloud 示例的验证检查和脚本。技能内容还要求参考指定的 Google Cloud 文档、示例代码、部署资料和 MCP Toolbox 配置文档。
- 数据科学团队需要为跨多个数据源的自然语言分析系统设计 Google Cloud 架构时。
- 云架构师需要为基于智能体的机器学习工作负载拆解组件并选择 Google Cloud 产品时。
- 平台工程师需要把已确认的智能体数据科学方案转化为 Terraform 和部署步骤时。
- 安全或运维团队需要验证部署后的网络路由、服务端点和 IAM 限制时
这个 Skill 有哪些优点和局限？
- 覆盖从需求发现到部署验证的完整解决方案流程。
- 明确要求先确认技术拆解，再进入设计阶段。
- 输出形式具体，包括 Mermaid 图、Markdown 架构指南、IaC、部署说明和验证脚本。
- 针对 Google Cloud 多产品智能体数据分析和机器学习场景。
- 范围严格限定于多产品、基于智能体的数据分析或机器学习架构。
- 依赖外部 Google Cloud 文档、示例和部署资源来提供设计与实施依据。
- 源材料没有提供测试套件、具体 Terraform 模块或可直接部署的完整实现。
- 要求在多个阶段等待用户确认，可能增加交互时间。
如何安装这个 Skill？
运行 npx skills add google/skills，然后在安装选择中选择 google-cloud-solution-agentic-ai-data-science-workflow。源材料未说明具体安装目录或单独安装该技能的命令。
如何使用这个 Skill？
在已安装该技能的 Agent Skills 客户端中提出具体任务，例如：“为一个需要访问多个数据源、支持自然语言分析并满足企业安全治理要求的 Google Cloud 智能体数据科学工作负载设计方案。”使用时应准备数据源、目标用户、网络访问、预期查询及性能、安全和治理约束；源材料规定工作流会在关键阶段要求用户确认，但未定义特定客户端的触发语法。
这个 Skill 与同类方案有什么区别？
源材料明确列出单智能体、顺序或并行、审查与批评等替代设计模式，但没有将本技能与具体竞争产品或其他仓库进行比较。