Pular para o conteúdo
Skillpedia
Análise e planilhas48 mil · #3635

monte-carlo-validation-notebook

Gera relatórios SQL para verificar mudanças em dbt. Compara versões antes e depois para garantir a qualidade e a correção do código.

O que ela faz

Esta ferramenta cria um caderno de testes SQL para verificar mudanças em seus dados. Ela compara como os dados eram antes com como eles ficam depois das alterações, usando consultas SQL.

Quando usar

  • ✓Ao revisar mudanças em um projeto de dados (dbt).
  • ✓Quando você quer garantir que as alterações não quebraram nada.
  • ✓Para comparar dados entre um ambiente de produção e um de desenvolvimento.

Exemplo do que pedir para a IA

“Crie um caderno de testes SQL para a mudança no PR da GitHub [URL do PR] para os modelos 'vendas' e 'clientes'.”

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

https://github.com/sickn33/agentic-awesome-skills/blob/main/plugins/agentic-awesome-skills-claude/skills/monte-carlo-validation-notebook/SKILL.md

Mensagem pronta para colar

Use esta skill para me ajudar: https://github.com/sickn33/agentic-awesome-skills/blob/main/plugins/agentic-awesome-skills-claude/skills/monte-carlo-validation-notebook/SKILL.md Leia o arquivo SKILL.md desse link e siga as instruções dele na minha tarefa.
Como funciona

A ferramenta analisa as mudanças no seu projeto de dados (seja em um link da GitHub ou na sua máquina) e gera consultas SQL específicas. Essas consultas são agrupadas em um link que abre um caderno interativo para você ver os resultados.

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 monte-carlo-validation-notebook

Ou baixe só o arquivo:

curl -L https://raw.githubusercontent.com/sickn33/agentic-awesome-skills/main/plugins/agentic-awesome-skills-claude/skills/monte-carlo-validation-notebook/SKILL.md -o SKILL.md
Conteúdo técnico (SKILL.md)

Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.

Dica: Esta habilidade funciona bem com Sonnet. Execute /model sonnet antes de invocar para uma geração mais rápida.

Gere um Caderno SQL com consultas de validação para alterações no dbt.

Argumentos: $ARGUMENTS

Guia Detalhado

Leia o guia detalhado antes de executar esta habilidade. Ele contém o procedimento completo e o material de referência. Trate seus requisitos de segurança, pré-requisitos e validação como obrigatórios. Para um trabalho focado, carregue as seções relevantes; para um trabalho de ponta a ponta, leia o guia completamente.

Quando Usar

Use esta habilidade quando o usuário quiser validar alterações de modelos ou snapshots do dbt com consultas do Caderno SQL da Monte Carlo, seja de um PR do GitHub ou de um repositório dbt local.

Analise os argumentos:

  • Destino (obrigatório): primeiro argumento — uma URL de PR do GitHub ou caminho de repositório dbt local
  • URL Base MC (opcional): --mc-base-url <URL> — o padrão é https://getmontecarlo.com
  • Modelos (opcional): --models <model1,model2,...> — lista separada por vírgulas de nomes de arquivos de modelo (sem a extensão .sql) para gerar consultas. Apenas esses modelos serão incluídos. Por padrão, todos os modelos alterados são incluídos, até um máximo de 10.

Configuração

Pré-requisitos:

  • gh (GitHub CLI) — necessário para o modo PR. Deve estar autenticado (gh auth status).
  • python3 — necessário para scripts auxiliares.
  • pyyaml — instale com pip3 install pyyaml (ou pip install pyyaml, uv pip install pyyaml, etc.)

Observação: O SQL gerado usa sintaxe compatível com ANSI que funciona em Snowflake, BigQuery, Redshift e Athena. Pequenos ajustes podem ser necessários para peculiaridades específicas do warehouse.

Esta habilidade inclui dois scripts auxiliares em ${CLAUDE_PLUGIN_ROOT}/skills/monte-carlo-validation-notebook/scripts/:

  • resolve_dbt_schema.py - Resolve os esquemas de saída dos modelos dbt a partir das regras de roteamento dbt_project.yml e substituições de configuração do modelo.
  • generate_notebook_url.py - Codifica o YAML do caderno em uma URL de importação base64 e a abre no navegador.

Detecção de Modo

Detecta o modo automaticamente a partir do argumento de destino:

  • Se o destino se parecer com uma URL (contém :// ou github.com) -> Modo PR
  • Se o destino for um caminho (., /path/to/repo, caminho relativo) -> Modo Local

Contexto

Este comando gera um Caderno SQL contendo consultas de validação para alterações no dbt. O caderno pode ser aberto na interface do Caderno SQL do MC Bridge para validação interativa.

A saída é uma URL de importação que abre diretamente na interface do caderno:

<MC_BASE_URL>/notebooks/import#<base64-encoded-yaml>

Principais Recursos:

  • Parâmetros de Banco de Dados: Dois parâmetros text (prod_db e dev_db) para selecionar bancos de dados
  • Inferência de Esquema: Infere automaticamente o esquema por modelo a partir de dbt_project.yml e configurações de modelo
  • Consultas de Tabela Única: Consultas de validação básicas usando {{prod_db}}.<SCHEMA>.<TABLE>
  • Consultas de Comparação: Consultas antes/depois comparando {{prod_db}} vs {{dev_db}}
  • Uso Flexível: Os usuários podem definir ambos os parâmetros para o mesmo banco de dados para análise de banco de dados único

Referência da Especificação YAML do Caderno

Estrutura chave:

version: 1
metadata:
  id: string           # kebab-case + random suffix
  name: string         # display name
  created_at: string   # ISO 8601
  updated_at: string   # ISO 8601
default_context:       # optional database/schema context
  database: string
  schema: string
cells:
  - id: string
    type: sql | markdown | parameter
    content: string    # SQL, markdown, or parameter config (JSON)
    display_type: table | bar | timeseries

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 os inputs necessários, permissões, limites de segurança ou critérios de sucesso estiverem ausentes.
Perguntas frequentes

Preciso instalar algo?

Sim, você precisa ter o GitHub CLI (gh), Python 3 e a biblioteca PyYAML instalados no seu computador.

Onde posso usar as consultas geradas?

As consultas são compatíveis com bancos de dados como Snowflake, BigQuery, Redshift e Athena. Pode ser necessário um pequeno ajuste para cada um.

O que são os parâmetros 'prod_db' e 'dev_db'?

São campos no caderno que permitem que você escolha qual banco de dados usar para comparar os dados 'de produção' e 'de desenvolvimento'.

Detalhes

Descrição original do autor

Generates SQL validation notebooks for dbt PR changes with before/after comparison queries.

repo: sickn33/agentic-awesome-skills

Popularidade

Estrelas no GitHub
48 mil
Posição no ranking
#3635
Licença
MIT
Atualizada em
15/10/2026

Essa skill é útil?

0

Entre para votar.

Comentários

  • …

Mais skills deste repositório

Skills parecidas