让您的智能体能够审计 Python 和 BigQuery 流水线在成本安全、幂等性和生产就绪度方面的情况，识别失控的成本和数据损坏风险。
当您在审查新的 BigQuery 数据流水线脚本时
当您想在部署数据作业前发现潜在的成本激增时
当您需要确保数据流水线可以安全地重复运行而不会重复数据时
提供您的 BigQuery 流水线的 Python 脚本或 SQL 代码
查看涵盖成本风险、干跑（dry run）和循环设计的审计报告
检查针对分区过滤和扫描大小优化的建议 SQL 修复方案
应用推荐的幂等性模式，如 MERGE 或去重视图
你
审计这个将每日销售数据加载到 BigQuery 的 Python 脚本。我想确保它是成本高效的。
Agent
我已审计了您的脚本，发现一个会触发 90 个独立查询的高风险循环。我提供了一个补丁，改为使用带有分区过滤器的单个集合式查询，这将使您的预估成本降低 85%，并确保作业是幂等的。
让你的智能体能够设计和优化由 BigQuery 驱动的 Looker Studio 仪表板，专注于性能、成本和清晰的可视化。
赋予您的智能体执行全面 SEO 审计的能力，识别影响您网站搜索表现的技术、页面内（on-page）和内容问题。
赋予您的智能体使用 squirrelscan CLI 的 230 多条规则审核网站 SEO、性能、安全性和辅助功能问题的能力。
让您的智能体能够审计 Web 界面是否符合 Vercel 设计和 UX 最佳实践。
使您的代理能够使用星型架构和 DAX 度量值构建并优化 Power BI 语义模型。
