APR 17, 2026/Lettura: 6 minData engineering
Sviluppare e distribuire progetti dbt su Snowflake con Cortex Code
Una giornata tipo per un data engineer che lavora con dbt significa passare dalla scrittura della logica di trasformazione all’aggiornamento manuale dei file YAML per la documentazione, fino a districarsi tra i log di orchestrazione per risolvere i guasti della pipeline. È un ciclo continuo di passaggi di contesto tra strumenti e di molto codice scritto manualmente.
Ma con Cortex Code puoi avviare molte di queste task da un unico prompt.
Figura 1: Uche Nkadi e Bryan Gislason mostrano dal vivo come utilizzare Cortex Code per accelerare lo sviluppo della pipeline con dbt.
A differenza dei chatbot di intelligenza artificiale generalisti, Cortex Code è progettato specificamente per l’ecosistema Snowflake. Cortex Code comprende la relazione tra i metadati Snowflake e il tuo progetto dbt.
Sviluppo con riconoscimento del contesto
Figura 2: Scopri come Cortex Code esegue la scansione delle tabelle di origine, genera modelli, aggiunge test, esegue le build, convalida gli output e produce un report condivisibile, tutto dal tuo terminale. Ciò che prima richiedeva molto tempo e continui cambi di contesto tra strumenti ora si completa più rapidamente.
Invece di partire da un file .sql vuoto, puoi chiedere a Cortex Code di “creare un modello di staging per la tabella orders, convertendo i time stamp e rinominando le colonne in snake_case”. Cortex Code conosce le convenzioni dbt. Non si limita a scrivere SQL: utilizza automaticamente le macro {{ config(...) }} e {{ ref(...) }}, contribuendo a garantire che il codice sia modulare e “dbt native” fin dal primo tasto premuto.
Modifica e ottimizzazione rapide
Figura 3: Scopri come Cortex Code può analizzare le run_results.json del tuo progetto, identificare i modelli più lenti, segnalare quelli inutilizzati e suggerire ottimizzazioni specifiche che puoi applicare.
Con l’agente Cortex Code, puoi chiedergli di aggiungere a un modello un calcolo specifico, come profit_margin. L’agente aggiorna quindi in parallelo i file YAML per includere la nuova descrizione della colonna e i test generici pertinenti (come not_null o accepted_values).
Risoluzione intelligente dei problemi
Figura 4: Identifica rapidamente i colli di bottiglia, esegui un’analisi del blast radius e verifica la copertura dei test con Cortex Code.
Quando ti blocchi su una window function complessa o devi fare il join specifico di Snowflake, Cortex Code fornisce suggerimenti rapidi e contestualizzati, pensati per essere sintatticamente corretti, riducendo il ciclo di “tentativi ed errori” nel terminale.
Workflow flessibili
Figura 5: Tutti i tuoi dati in un unico agente di coding che supporta Snowflake, dbt e Apache Airflow.
Che tu utilizzi l’offerta nativa Snowflake per i progetti dbt, dbt Core open source o la piattaforma dbt, Cortex Code si integra nello stack e nei workflow esistenti. Fa da ponte tra l’ambiente di sviluppo locale e Snowflake, offrendo un’esperienza coerente basata sull’intelligenza artificiale, ovunque risieda il tuo codice.
Puoi accedere tramite:
- Interfaccia Snowsight: Se utilizzi la versione nativa dei progetti dbt su Snowflake, puoi accedere a Cortex Code direttamente nella UI Snowflake, Snowsight. Snowflake Workspaces include un DAG integrato e la lineage a livello di colonna. Con Cortex Code puoi creare progetti dbt, porre domande sui progetti dbt distribuiti e ispezionare i file.
- Cortex Code CLI: Con una semplice riga di codice, puoi portare l’agente di coding Cortex Code direttamente nel terminale per delegare task come la generazione della documentazione o la scrittura dei test.
Accedi a Cortex Code tramite Snowsight oppure scarica oggi la Cortex Code CLI.
