looker-to-databricks-skill은(는) 무엇을 하나요?
Google Looker 메타데이터를 Databricks AI/BI로 마이그레이션하기 위한 에이전트 스킬입니다.
Google Looker 메타데이터를 Databricks AI/BI로 마이그레이션하기 위한 에이전트 스킬입니다.
이 스킬은 Google Looker의 메타데이터(모델, 뷰, 탐색, 대시보드 등)를 Databricks AI/BI 환경으로 마이그레이션하는 과정을 자동화합니다. 기존 Looker 리소스를 분석하고 변환하여 Databricks의 Lakehouse AI/BI 기능과 호환되는 형식으로 재구성함으로써, 수작업 마이그레이션에 드는 시간과 오류를 크게 줄여줍니다. 주로 Claude Code, Cursor, Codex와 같은 AI 에이전트 플랫폼에서 사용할 수 있으며, LookML 파일을 읽어서 Databricks SQL 웨어하우스, 대시보드, 알림 등에 적합한 형식으로 변환하는 식으로 동작합니다. 개발자와 데이터 엔지니어는 이 스킬을 통해 Looker에서 Databricks로의 전환 작업을 보다 효율적이고 일관성 있게 수행할 수 있습니다.
npx skills add liamperritt/looker-to-databricks-skillInstalled? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Google Looker 메타데이터를 Databricks AI/BI로 마이그레이션하기 위한 에이전트 스킬입니다.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.