К основному содержанию
команда

snowflake-semanticview — команда для Claude Code: обзор и установка

Команда автоматизирует создание, изменение и валидацию семантических представлений Snowflake через Snowflake CLI. Она формирует DDL со схемами звёзд, синонимами и комментариями.

Установить в Claude Code · Через claude-code-templates Все способы и платформы ↓
npx claude-code-templates@latest --command database/snowflake-semanticview
Открыть на GitHub

Что делает snowflake-semanticview

Команда помогает проектировать семантический слой в Snowflake по модели «звезда». Claude Code запрашивает параметры целевой базы, схемы, роли и хранилища, после чего собирает DDL для CREATE или ALTER SEMANTIC VIEW. Каждому измерению, факту и метрике добавляются комментарии и синонимы, которые команда извлекает из существующих комментариев таблиц или запрашивает у вас.

Главная часть процесса — обязательная валидация перед сохранением. Команда генерирует временный объект с суффиксом __tmp_validate и выполняет запрос через snow sql с указанным подключением. Если синтаксис или связи содержат ошибки, агент правит DDL до успешного выполнения. Только после этого DDL применяется к чистовому представлению, а временный объект удаляется.

Без установленного Snowflake CLI и заранее настроенного профиля через snow connection add команда не сможет отправить DDL на валидацию. Доступ к инструментам Bash и Read обязателен, чтобы агент мог читать файлы и запускать консольные команды snow.

Какие задачи решает

  • составить DDL семантического представления по схеме «звезда»
  • заполнить комментарии и синонимы для метрик и измерений
  • проверить DDL через временное представление __tmp_validate
  • применить проверенный DDL к постоянному объекту Snowflake

Примеры запросов агенту

  • Создай семантическое представление для витрины заказов в схеме analytics через /snowflake-semanticview
  • Проверь и обнови семантическое представление sales_monthly_sv с помощью Snowflake CLI
  • Добавь синонимы и метрики выручки в semantic view с валидацией через snow sql

Как установить snowflake-semanticview

1Через claude-code-templates

npx claude-code-templates@latest --command database/snowflake-semanticview

2Вручную: положить файлы

.claude/commands/snowflake-semanticview.md

Вызов — /snowflake-semanticview. Для всех проектов — ~/.claude/commands/

Вопросы о snowflake-semanticview

Как установить snowflake-semanticview в Claude Code?

Выполните команду npx claude-code-templates@latest --command database/snowflake-semanticview в терминале проекта. Шаблон команды запишется в .claude/commands/snowflake-semanticview.md.

Что делает команда snowflake-semanticview?

Она ведёт цикл работы с семантическими представлениями Snowflake: запрашивает параметры окружения, строит DDL по схеме «звезда» и наполняет синонимы. Перед фиксацией агент запускает тестовую проверку DDL в хранилище через snow sql.

Что нужно настроить до запуска snowflake-semanticview?

Требуются установленный Snowflake CLI и рабочее подключение. Настройте профиль командой snow connection add и убедитесь, что агенту разрешены инструменты Bash и Read.

Исходный текст

snowflake-semanticview.md · MIT
---
allowed-tools: Bash, Read
description: Create, alter, and validate Snowflake semantic views using Snowflake CLI (snow). Use when asked to build or troubleshoot semantic views/semantic layer definitions with CREATE/ALTER SEMANTIC VIEW, to validate semantic-view DDL against Snowflake via CLI, or to guide Snowflake CLI installation and connection setup.
---

# Snowflake Semantic Views

## One-Time Setup

- Verify Snowflake CLI installation by opening a new terminal and running `snow --help`.
- If Snowflake CLI is missing or the user cannot install it, direct them to https://docs.snowflake.com/en/developer-guide/snowflake-cli/installation/installation.
- Configure a Snowflake connection with `snow connection add` per https://docs.snowflake.com/en/developer-guide/snowflake-cli/connecting/configure-connections#add-a-connection.
- Use the configured connection for all validation and execution steps.

## Workflow For Each Semantic View Request

1. Confirm the target database, schema, role, warehouse, and final semantic view name.
2. Confirm the model follows a star schema (facts with conformed dimensions).
3. Draft the semantic view DDL using the official syntax:
   - https://docs.snowflake.com/en/sql-reference/sql/create-semantic-view
4. Populate synonyms and comments for each dimension, fact, and metric:
   - Read Snowflake table/view/column comments first (preferred source):
     - https://docs.snowflake.com/en/sql-reference/sql/comment
   - If comments or synonyms are missing, ask whether you can create them, whether the user wants to provide text, or whether you should draft suggestions for approval.
5. Create a temporary validation name (for example, append `__tmp_validate`) while keeping the same database and schema.
6. Always validate by sending the DDL to Snowflake via Snowflake CLI before finalizing:
   - Use `snow sql` to execute the statement with the configured connection.
   - If flags differ by version, check `snow sql --help` and use the connection option shown there.
7. If validation fails, iterate on the DDL and re-run the validation step until it succeeds.
8. Apply the final DDL (create or alter) using the real semantic view name.
9. Clean up any temporary semantic view created during validation.

## Synonyms And Comments (Required)

- Use the semantic view syntax for synonyms and comments:

```
WITH SYNONYMS [ = ] ( 'synonym' [ , ... ] )
COMMENT = 'comment_about_dim_fact_or_metric'
```

- Treat synonyms as informational only; do not use them to reference dimensions, facts, or metrics elsewhere.
- Use Snowflake comments as the preferred and first source for synonyms and comments:
  - https://docs.snowflake.com/en/sql-reference/sql/comment
- If Snowflake comments are missing, ask whether you can create them, whether the user wants to provide text, or whether you should draft suggestions for approval.
- Do not invent synonyms or comments without user approval.

## Validation Pattern (Required)

- Never skip validation. Always execute the DDL against Snowflake with Snowflake CLI before presenting it as final.
- Prefer a temporary name for validation to avoid clobbering the real view.

## Example CLI Validation (Template)

```bash
# Replace placeholders with real values.
snow sql -q "<CREATE OR ALTER SEMANTIC VIEW ...>" --connection <connection_name>
```

If the CLI uses a different connection flag in your version, run:

```bash
snow sql --help
```

## Notes

- Treat installation and connection setup as one-time steps, but confirm they are done before the first validation.
- Keep the final semantic view definition identical to the validated temporary definition except for the name.
- Do not omit synonyms or comments; consider them required for completeness even if optional in syntax.

© davila7 · MIT · davila7/claude-code-templates

Похожие слэш-команды

Все слэш-команды по теме «Данные и базы» →

Из того же набора804

Весь набор →
discord-bot-architect Помогает писать ботов для Discord на JavaScript и Python: слэш-команды, кнопки, меню, шардинг. Пригодится, когда бот выходит за пределы учебного примера. 106установок emerging-techniques-knowledge-distillation Скилл помогает спланировать перенос знаний от большой языковой модели к компактной: разбирает функции потерь, температуру и дистилляцию ответов. Пригодится для обучения student-модели. 106установок subagent-read-only-guard Хук PreToolUse запрещает субагентам Claude Code менять файлы и выполнять небезопасные команды в терминале. 105установок professional-communication Скилл помогает писать рабочие письма, сообщения команде и повестки встреч. Он пригодится, когда нужно объяснить техническую проблему руководителю или согласовать действия с коллегами. 104установок django-pro Скилл помогает проектировать и проверять приложения на Django: от ORM и DRF до асинхронных представлений, Celery и Channels. Пригодится для разработки API, тестов и настройки проекта. 103установок edit-audit-log Хук записывает в проектный журнал путь каждого файла, изменённого инструментом Edit, и время правки. Пригодится, если нужно проследить изменения между сессиями. 103установок distributed-training-deepspeed Помогает настроить распределённое обучение с DeepSpeed, ZeRO и асинхронным сбросом тензоров в DeepNVMe. Полезен инженерам при обучении тяжёлых нейросетей. 102установок hypothesis-generation Скилл помогает формулировать проверяемые научные гипотезы на основе наблюдений и данных литературы. Пригодится исследователям для планирования экспериментов и оформления отчётов в LaTeX. 101установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой