drawio-databricks

Draw.io Databricks

draw.io で正確な Databricks レイクハウスアーキテクチャ図を作成します。このスキルは薄いフロントエンドです。決定論的エンジン、バリデーター、ルールは drawio-ai CLI 経由で利用する drawio-ai-kit パッケージに含まれています。

0. 事前確認 — CLI のインストールが必要です

command -v drawio-ai >/dev/null 2>&1 || echo "Install the Kit first:  npm i -g github:sparklabx/drawio-ai-kit"

drawio-ai が PATH にない場合は、処理を中止し、ユーザーに npm i -g github:sparklabx/drawio-ai-kit を実行するよう伝えてください。自分で npm i -g を実行してはいけません — ユーザーの許可なしに、ユーザーのグローバル環境を変更してはなりません。

1. ビルドを委任する（ハーネスが対応している場合に推奨）

ハーネスがシェルコマンドを実行し、画像を読み取れる自律型サブエージェント（例：Claude Code の Task ツール、汎用エージェント）を起動できる場合は、ビルドの一連の処理をサブエージェントに実行させてください。ルール、アイコン検索、すべてのレンダリング／修正の反復処理を、この会話の負荷なしで実行できます。対応していない場合（またはサブエージェントが画像を読み取れない場合）は、以下のインラインパスに進んでください。同じ処理、同じルールです。

起動する前に、サブエージェントが確認できない内容を解決してください。図の範囲、出力ディレクトリ（ユーザーのプロジェクト内の絶対パス）、ファイル名を決定します。上記の事前確認は自分で実行してください。複数の図を依頼された場合は、それぞれに異なるファイル名を割り当て、図ごとにサブエージェントを並列で起動してください。

モデルの振り分け — ハーネスでサブエージェントのモデルを選べる場合は、タスクの負荷に応じて振り分けてください。ルールの Templates 表のテンプレートに一致する依頼（再現は機械的で、バリデーターのアドバイス文字列が修正方法をすべて説明します）には、高速／低コストのモデル階層（Claude Haiku クラス — 画像認識に対応していること）を使用してください。自由形式の図や新しいアーキテクチャには、デフォルトの高性能モデルを使用してください。低コストのサブエージェントが VALIDATE を ok 以外で返すか、ITERATIONS が 3 を超えた場合は、インラインで引き継ぐ前に、高性能モデルでもう一度だけ起動してください。複数の図を依頼された場合は、それぞれ個別に振り分けてください。

サブエージェントへのプロンプト（<...> をすべて埋めてください）：

Build a Databricks lakehouse architecture .drawio diagram with the drawio-ai CLI.
Request: <user's request + clarifications, verbatim>
Output: <ABS_PROJECT_DIR>/<NAME>.drawio — never write inside the Kit, never into cwd.
Follow exactly:
1. Set ROOT="$(drawio-ai root)". Read $ROOT/docs/api-cheatsheet.md — the full layout-engine
   API in one file; never read library source.
2. Run `drawio-ai workflow` and `drawio-ai principles --mode databricks` — the source of
   truth. (Fallback if a command is blocked: read $ROOT/rules/*.md directly.)
3. Look up every icon with ONE batched `drawio-ai search "a, b, c"`; never recolor icons.
4. Scaffold, don't write: `drawio-ai scaffold --list`, pick the closest template, then
   `drawio-ai scaffold <name>.mjs -o <dir>/build.mjs` — the script arrives runnable and
   self-checking. Edit only the deltas; Write a new script only if no template is close
   AND you'd change more than half of it.
5. Each `node build.mjs` run prints validate JSON AND the render's machine-readable
   `issues` list. Fix from THAT checklist — all issues in one Edit round — then re-run.
   Loop until issues is empty.
6. Only when issues is empty: Read the PNG once as final visual confirmation. Target <= 2
   PNG reads total. Then render once WITHOUT --check for the final deliverable PNG.
Do NOT invoke any drawio skill — this prompt already contains the full procedure.
Do not ask questions — make the standard choice and record it under ASSUMPTIONS.
Return EXACTLY this block, nothing else:
DRAWIO: <absolute path to .drawio>
PNG: <absolute path to .png>
VALIDATE: <verbatim final validate JSON>
ICONS: <comma-separated icon names used>
ITERATIONS: <number of render/fix cycles>
SUMMARY: <one sentence describing the diagram>
ASSUMPTIONS: <choices made without asking, or "none">

DRAWIO、PNG、SUMMARY をそのままユーザーに伝えてください。この会話で .drawio や PNG を再読込してはいけません。サブエージェントはすでに画像認識によるセルフチェックを実行済みです。VALIDATE が ok 以外の場合は、インラインパスに切り替えてください（build .mjs と .drawio は返されたパスにあります）。

インラインパス（サブエージェントに非対応の場合）

1. 共通ワークフロー

drawio-ai workflow

各図で実行する、ビルド → 検証 → レンダリング → プロジェクトパスへの書き込みの一連の処理が表示されます。これを読み、プロセスの正式な基準としてください。

2. ドメインルール

drawio-ai principles --mode databricks

Databricks のルール、共通原則、カタログのカテゴリを返します。

3. エンジンでビルドし、検証とレンダリングを実行する

Kit のインストールディレクトリを特定し、エンジンを絶対パスで import します（正確な方法は共通ワークフローに記載されています）。

ROOT="$(drawio-ai root)"     # absolute path to the installed Kit

宣言型レイアウトエンジンを使ってビルドしてください（手書きの座標は使用しないでください）。その後、次を実行します。 drawio-ai validate <file> → drawio-ai render <file> -o <file>.png（画像認識によるセルフチェックのために PNG をRead）→ .drawio をユーザーのプロジェクト内の絶対パスに書き込みます（Kit 内や cwd には書き込まないでください）。

ドメインに関する注意事項

論理レイヤー：メダリオンアーキテクチャ Bronze (raw) → Silver (cleaned) → Gold (business-ready)。デプロイメントの分割：Databricks のコントロールプレーンは Databricks が管理します（図で表現する必要はありません）。データプレーン（コンピューティング）は PrivateLink または VNet インジェクションを介して顧客のクラウドアカウント内に配置されます — 顧客の VPC／クラウド境界内に入れ子で示してください。Unity Catalog はワークスペース全体のメタデータを管理します。

セルフチェック（納品前に実施）

• レイアウトエンジンで構築している — 手書きの座標を使用していない。
• drawio-ai validate → ok、警告なし、アドバイスなし。
• drawio-ai suggest-layout → 推奨されるアーキタイプがレイアウトと一致し、スパース（one-icon-frame）警告がない。
• すべてのアイコンが drawio-ai search から取得されている（カテゴリの色はそのまま）。
• drawio-ai render の画像認識によるセルフチェックに合格している。
• 出力先が Kit ではなく、ユーザーのプロジェクト内になっている。