“技能问题”：湖仓一体 Agent 的以数据为中心的优化

编码 Agent 正成为数据基础设施的用户，但其成功不仅取决于模型质量，还依赖于教导 Agent 使用系统的技能与环境文件。本文研究了如何优化这些工件，使其适用于基于分支湖仓架构（Bauplan）的 Agent。在该环境中，无头 API 和类 Git 数据原语通过代码、分支、提交和合并暴露数据工作流。核心观点是：分支湖仓将数据 Agent 评估从输出匹配问题转化为状态验证问题。我们提出了一种以数据为中心的优化流水线，生成任务 - 验证器对，在隔离沙箱中执行候选技能，并利用轨迹级信号和湖仓状态的程序化检查进行评分。初步评估显示，优化后的技能在 25 个任务上将准确率提高了 31.9%。