ウェアハウススキーマの初期化

データウェアハウスの包括的でユーザーが編集可能なスキーマリファレンスファイルを生成します。

Scripts: ../analyzing-data/scripts/ — 以下のすべての CLI コマンドは analyzing-data スキルのディレクトリに相対的です。scripts/cli.py コマンドを実行する前に、このファイルから相対的に ../analyzing-data/ に移動してください。

実行内容

1. ウェアハウスからすべてのデータベース、スキーマ、テーブル、列を検出
2. コードベースコンテキストで拡張 (dbt モデル、gusty SQL、スキーマドキュメント)
3. 行数を記録し、大規模テーブルを特定
4. .astro/warehouse.md を生成 — バージョン管理可能でチーム共有可能なリファレンス
5. ウェアハウスクエリなしに概念→テーブルの即座参照を有効化

プロセス

ステップ 1: ウェアハウス構成を読み込む

cat ~/.astro/agents/warehouse.yml

検出するデータベースのリストを取得します (例: databases: [HQ, ANALYTICS, RAW])。

ステップ 2: コードベースでコンテキストを検索 (並列)

ビジネスコンテキストをコード内で見つけるサブエージェントを起動:

Task(
    subagent_type="Explore",
    prompt="""
    Search for data model documentation in the codebase:

    1. dbt models: **/models/**/*.yml, **/schema.yml
       - Extract table descriptions, column descriptions
       - Note primary keys and tests

    2. Gusty/declarative SQL: **/dags/**/*.sql with YAML frontmatter
       - Parse frontmatter for: description, primary_key, tests
       - Note schema mappings

    3. AGENTS.md or CLAUDE.md files with data layer documentation

    Return a mapping of:
      table_name -> {description, primary_key, important_columns, layer}
    """
)

ステップ 3: 並列ウェアハウス検出

Task ツールを使用して、データベースごとに 1 つのサブエージェントを起動:

For each database in configured_databases:
    Task(
        subagent_type="general-purpose",
        prompt="""
        Discover all metadata for database {DATABASE}.

        Use the CLI to run SQL queries:
        # Scripts are relative to ../analyzing-data/
        uv run scripts/cli.py exec "df = run_sql('...')"
        uv run scripts/cli.py exec "print(df)"

        1. Query schemas:
           SELECT SCHEMA_NAME FROM {DATABASE}.INFORMATION_SCHEMA.SCHEMATA

        2. Query tables with row counts:
           SELECT TABLE_SCHEMA, TABLE_NAME, ROW_COUNT, COMMENT
           FROM {DATABASE}.INFORMATION_SCHEMA.TABLES
           ORDER BY TABLE_SCHEMA, TABLE_NAME

        3. For important schemas (MODEL_*, METRICS_*, MART_*), query columns:
           SELECT TABLE_NAME, COLUMN_NAME, DATA_TYPE, COMMENT
           FROM {DATABASE}.INFORMATION_SCHEMA.COLUMNS
           WHERE TABLE_SCHEMA = 'X'

        Return a structured summary:
        - Database name
        - List of schemas with table counts
        - For each table: name, row_count, key columns
        - Flag any tables with >100M rows as "large"
        """
    )

すべてのサブエージェントを並列実行 (複数の Task 呼び出しを含む単一メッセージ)。

ステップ 4: カテゴリカル値ファミリーを検出

OPERATOR、STATUS、TYPE、FEATURE などの主要なカテゴリカル列に対して、値ファミリーを検出します:

uv run cli.py exec "df = run_sql('''
SELECT DISTINCT column_name, COUNT(*) as occurrences
FROM table
WHERE column_name IS NOT NULL
GROUP BY column_name
ORDER BY occurrences DESC
LIMIT 50
''')"
uv run cli.py exec "print(df)"

関連する値を共通のプリフィックス/サフィックスでファミリーにグループ化します (例: Export* for ExportCSV, ExportJSON, ExportParquet)。

ステップ 5: 結果をマージ

ウェアハウスメタデータ + コードベースコンテキストを結合:

1. クイックリファレンステーブル — 概念 → テーブルマッピング (コードから見つかった場合は事前入力)
2. カテゴリカル列 — 主要フィルター列の値ファミリー
3. データベースセクション — データベースごとに 1 つ
4. スキーマサブセクション — スキーマでグループ化されたテーブル
5. テーブル詳細 — 列、行数、コードからの説明、警告

ステップ 6: warehouse.md を生成

ファイルを以下に書き込みます:

• .astro/warehouse.md (デフォルト — プロジェクト固有、バージョン管理可能)
• ~/.astro/agents/warehouse.md (--global フラグを指定した場合)

出力形式

# Warehouse Schema

> Generated by `/astronomer-data:warehouse-init` on {DATE}. Edit freely to add business context.

## Quick Reference

| Concept | Table | Key Column | Date Column |
|---------|-------|------------|-------------|
| customers | HQ.MODEL_ASTRO.ORGANIZATIONS | ORG_ID | CREATED_AT |
<!-- Add your concept mappings here -->

## Categorical Columns

When filtering on these columns, explore value families first (values often have variants):

| Table | Column | Value Families |
|-------|--------|----------------|
| {TABLE} | {COLUMN} | `{PREFIX}*` ({VALUE1}, {VALUE2}, ...) |
<!-- Populated by /astronomer-data:warehouse-init from actual warehouse data -->

## Data Layer Hierarchy

Query downstream first: `reporting` > `mart_*` > `metric_*` > `model_*` > `IN_*`

| Layer | Prefix | Purpose |
|-------|--------|---------|
| Reporting | `reporting.*` | Dashboard-optimized |
| Mart | `mart_*` | Combined analytics |
| Metric | `metric_*` | KPIs at various grains |
| Model | `model_*` | Cleansed sources of truth |
| Raw | `IN_*` | Source data - avoid |

## {DATABASE} Database

### {SCHEMA} Schema

#### {TABLE_NAME}
{DESCRIPTION from code if found}

| Column | Type | Description |
|--------|------|-------------|
| COL1 | VARCHAR | {from code or inferred} |

- **Rows:** {ROW_COUNT}
- **Key column:** {PRIMARY_KEY from code or inferred}
{IF ROW_COUNT > 100M: - **⚠️ WARNING:** Large table - always add date filters}

## Relationships

{Inferred relationships based on column names like *_ID}

コマンドオプション

オプション	効果
/astronomer-data:warehouse-init	.astro/warehouse.md を生成
/astronomer-data:warehouse-init --refresh	再生成、ユーザー編集を保持
/astronomer-data:warehouse-init --database HQ	特定のデータベースのみを検出
/astronomer-data:warehouse-init --global	~/.astro/agents/ に書き込み

ステップ 7: キャッシュを事前入力

warehouse.md を生成した後、概念キャッシュを入力します:

# Scripts are relative to ../analyzing-data/
uv run cli.py concept import -p .astro/warehouse.md
uv run cli.py concept learn customers HQ.MART_CUST.CURRENT_ASTRO_CUSTS -k ACCT_ID

ステップ 8: CLAUDE.md 統合を提供 (ユーザーに質問)

ユーザーに質問:

Would you like to add the Quick Reference table to your CLAUDE.md file?

This ensures the schema mappings are always in context for data queries, improving accuracy from ~25% to ~100% for complex queries.

Options:

1. Yes, add to CLAUDE.md (Recommended) - Append Quick Reference section
2. No, skip - Use warehouse.md and cache only

ユーザーが「はい」を選択した場合:

1. .claude/CLAUDE.md または CLAUDE.md が存在するかチェック
2. 存在する場合、クイックリファレンスセクションを追加 (重複を回避)
3. 存在しない場合、クイックリファレンスのみで .claude/CLAUDE.md を作成

追加するクイックリファレンスセクション:

## Data Warehouse Quick Reference

When querying the warehouse, use these table mappings:

| Concept | Table | Key Column | Date Column |
|---------|-------|------------|-------------|
{rows from warehouse.md Quick Reference}

**Large tables (always filter by date):** {list tables with >100M rows}

> Auto-generated by `/astronomer-data:warehouse-init`. Run `/astronomer-data:warehouse-init --refresh` to update.

「はい」の場合: .claude/CLAUDE.md または CLAUDE.md にクイックリファレンスセクションを追加します。

生成後

ユーザーに以下を伝えます:

Generated .astro/warehouse.md

Summary:
  - {N} databases, {N} schemas, {N} tables
  - {N} tables enriched with code descriptions
  - {N} concepts cached for instant lookup

Next steps:
  1. Edit .astro/warehouse.md to add business context
  2. Commit to version control
  3. Run /astronomer-data:warehouse-init --refresh when schema changes

リフレッシュ動作

--refresh が指定されている場合:

1. 既存の warehouse.md を読み込む
2. すべての HTML コメント (<!-- ... -->) を保持
3. クイックリファレンステーブルエントリ (ユーザーが追加) を保持
4. ユーザーが追加した説明を保持
5. 行数を更新し、新しいテーブルを追加
6. 削除されたテーブルを <!-- REMOVED --> コメントでマーク

キャッシュの古さ & スキーマドリフト

ランタイムキャッシュは、デフォルトで 7 日の TTL を持ちます。7 日後、キャッシュされたエントリは有効期限切れになり、次の使用時に再検出されます。

リフレッシュが必要な場合

以下の場合に /astronomer-data:warehouse-init --refresh を実行:

• スキーマ変更: テーブルが追加、名前変更、または削除された
• 列の変更: 新しい列が追加されたか、タイプが変更された
• デプロイ後: データパイプラインがスキーママイグレーションをデプロイしている場合
• 週次: 既知の変更がなくても、良い習慣として

古いキャッシュの兆候

以下の指標に注意:

• クエリが「テーブルが見つかりません」エラーで失敗する
• 結果が間違っているか古いように見える
• 新しいテーブルが検出されていない

手動キャッシュリセット

キャッシュの問題が疑わしい場合:

# Scripts are relative to ../analyzing-data/
uv run scripts/cli.py cache status
uv run scripts/cli.py cache clear --stale-only
uv run scripts/cli.py cache clear

コードベースパターン認識

パターン	ソース	抽出内容
**/models/**/*.yml	dbt	テーブル/列の説明、テスト
**/dags/**/*.sql	gusty	YAML frontmatter (説明、主キー)
AGENTS.md、CLAUDE.md	ドキュメント	データレイヤー階層、規約
**/docs/**/*.md	ドキュメント	ビジネスコンテキスト

サンプルセッション

User: /astronomer-data:warehouse-init

Agent:
→ Reading warehouse configuration...
→ Found 1 warehouse with databases: HQ, PRODUCT

→ Searching codebase for data documentation...
  Found: AGENTS.md with data layer hierarchy
  Found: 45 SQL files with YAML frontmatter in dags/declarative/

→ Launching parallel warehouse discovery...
  [Database: HQ] Discovering schemas...
  [Database: PRODUCT] Discovering schemas...

→ HQ: Found 29 schemas, 401 tables
→ PRODUCT: Found 1 schema, 0 tables

→ Merging warehouse metadata with code context...
  Enriched 45 tables with descriptions from code

→ Generated .astro/warehouse.md

Summary:
  - 2 databases
  - 30 schemas
  - 401 tables
  - 45 tables enriched with code descriptions
  - 8 large tables flagged (>100M rows)

Next steps:
  1. Review .astro/warehouse.md
  2. Add concept mappings to Quick Reference
  3. Commit to version control
  4. Run /astronomer-data:warehouse-init --refresh when schema changes