airflow-dag-patterns
Faz seu agente criar fluxos de dados robustos usando Airflow. É útil para organizar tarefas repetitivas ou processos complexos. Garante que seus fluxos de trabalho sejam confiáveis e eficientes.
O que ela faz
Esta ferramenta ajuda a criar fluxos de trabalho automatizados (chamados DAGs) para o Apache Airflow, seguindo as melhores práticas. Ela garante que seus fluxos de trabalho sejam robustos, fáceis de testar e prontos para uso em produção.
Quando usar
- ✓Criar um sistema para processar dados automaticamente.
- ✓Organizar uma sequência de tarefas que precisam ser executadas em ordem.
- ✓Agendar trabalhos que rodam em horários específicos.
Exemplo do que pedir para a IA
“Me ajude a criar um fluxo de trabalho no Airflow para processar dados de vendas diariamente e alertar se algo der errado.”
Quer saber mais? Abra as seções abaixo.
Como usar
O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.
Link da skill
Mensagem pronta para colar
Como funciona
A IA usa padrões comprovados para estruturar seu fluxo de trabalho, definindo como as tarefas se conectam, como lidar com erros e como monitorar a execução. Ela foca em tornar as tarefas repetíveis e seguras.
Instalação
Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.
No terminal (Claude Code, Codex, Cursor), na pasta do projeto:
npx skills add sickn33/agentic-awesome-skills --skill airflow-dag-patternsOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/sickn33/agentic-awesome-skills/main/plugins/agentic-awesome-skills-claude/skills/airflow-dag-patterns/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
Padrões de DAGs do Apache Airflow
Padrões prontos para produção para o Apache Airflow, incluindo design de DAGs, operadores, sensores, testes e estratégias de implantação.
Use esta habilidade quando
- Criar orquestração de pipelines de dados com Airflow
- Projetar estruturas e dependências de DAGs
- Implementar operadores e sensores personalizados
- Testar DAGs do Airflow localmente
- Configurar o Airflow em produção
- Depurar execuções de DAGs com falha
Não use esta habilidade quando
- Você só precisa de um cron job simples ou script shell
- O Airflow não faz parte do seu conjunto de ferramentas
- A tarefa não está relacionada à orquestração de fluxos de trabalho
Instruções
- Identifique fontes de dados, agendamentos e dependências.
- Projete tarefas idempotentes com propriedade clara e retentativas.
- Implemente DAGs com ganchos de observabilidade e alertas.
- Valide em staging e documente runbooks operacionais.
Consulte resources/implementation-playbook.md para padrões detalhados, checklists e modelos.
Segurança
- Evite alterar agendamentos de DAGs de produção sem aprovação.
- Teste backfills e retentativas cuidadosamente para evitar duplicação de dados.
Recursos
resources/implementation-playbook.mdpara padrões detalhados, checklists e modelos.
Limitações
- Use esta habilidade apenas quando a tarefa corresponder claramente ao escopo descrito acima.
- Não trate a saída como substituta para validação específica do ambiente, testes ou revisão de especialistas.
- Pare e peça esclarecimentos se faltarem entradas necessárias, permissões, limites de segurança ou critérios de sucesso.
Perguntas frequentes
O que é um DAG?
DAG é a sigla para Directed Acyclic Graph (Grafo Direcionado Acíclico). No Airflow, é a forma como você define um fluxo de trabalho, mostrando as tarefas e a ordem em que elas devem ser executadas.
Por que usar 'melhores práticas'?
Usar melhores práticas torna seus fluxos de trabalho mais confiáveis, fáceis de entender, manter e menos propensos a falhas, especialmente quando muitas pessoas trabalham no mesmo projeto ou quando o sistema cresce.
Quando NÃO devo usar esta ferramenta?
Se você só precisa de um script simples que roda de vez em quando, ou se o Airflow não faz parte das ferramentas que você usa, esta ferramenta pode não ser a ideal.
Detalhes
Descrição original do autor
Build production Apache Airflow DAGs with best practices for operators, sensors, testing, and deployment. Use when creating data pipelines, orchestrating workflows, or scheduling batch jobs.
Popularidade
- Estrelas no GitHub
- 48 mil
- Posição no ranking
- #2112
- Licença
- MIT
- Atualizada em
- 15/10/2026
Comentários
- …
Mais skills deste repositório
00-andruia-consultant
Ajuda seu agente a iniciar ou melhorar projetos de IA. Ele analisa código, sugere ferramentas e cria planos de ação em espanhol.
sickn33/agentic-awesome-skills
007
Faz seu agente realizar auditorias de segurança e modelagem de ameaças. É útil para proteger projetos contra ataques e vulnerabilidades.
sickn33/agentic-awesome-skills
10-andruia-skill-smith
Ajuda seu agente a criar ou melhorar ferramentas de IA. Ele define como as ferramentas funcionam, escreve a documentação e valida a estrutura.
sickn33/agentic-awesome-skills
20-andruia-niche-intelligence
Faz seu agente criar um resumo sobre um setor específico. É útil para entender o contexto, regras, padrões de uso e riscos de um projeto, usando fontes confiáveis.
sickn33/agentic-awesome-skills
Skills parecidas
pytorch-patterns
Ajuda seu agente a usar o PyTorch para criar modelos de aprendizado de máquina. Ele aplica as melhores práticas para treinar modelos de forma eficiente e garantir que os resultados sejam consistentes.
affaan-m/ECC
evm-token-decimals
Ajuda seu agente a evitar erros com números decimais em diferentes redes blockchain. Garante que os valores de tokens sejam precisos em transações e cálculos.
affaan-m/ECC
knowledge-agent
Cria e consulta bases de conhecimento com inteligência artificial. Permite fazer perguntas sobre trabalhos passados ou compilar conhecimento sobre um tema.
thedotmack/claude-mem