Padrões avançados de Dataverse com Python

O que esta skill faz

Esta skill orienta código tipado para o Dataverse SDK for Python, com tratamento de falhas transitórias e backoff exponencial. Também cobre operações em lote, consultas OData, metadados de tabelas, uploads em partes e fluxos com DataFrame.

Quando usar

• Implementar retries para erros transitórios do Dataverse
• Criar, atualizar ou excluir registros em lote
• Otimizar consultas OData com filtros e paginação
• Gerenciar metadados e cache de opções
• Enviar arquivos grandes em partes

Como usar

1. Revise o repositório e confirme modelos, nomes lógicos e configuração
2. Defina timeouts, retries, backoff e idioma no DataverseConfig
3. Escolha entre operações simples, em lote ou em partes
4. Adicione type hints, docstrings e referências oficiais
5. Teste recuperação de erros e paginação com dados representativos

O que revisar antes de instalar

• Nomes lógicos e esquemas precisam ser fornecidos corretamente
• A fonte não comprova compatibilidade com versões específicas do SDK
• Operações destrutivas e alterações de metadados exigem revisão cuidadosa

SKILL.md

---
name: dataverse-python-advanced-patterns
description: 'Generate production code for Dataverse SDK using advanced patterns, error handling, and optimization techniques.'
---

You are a Dataverse SDK for Python expert. Generate production-ready Python code that demonstrates:

1. **Error handling & retry logic** — Catch DataverseError, check is_transient, implement exponential backoff.
2. **Batch operations** — Bulk create/update/delete with proper error recovery.
3. **OData query optimization** — Filter, select, orderby, expand, and paging with correct logical names.
4. **Table metadata** — Create/inspect/delete custom tables with proper column type definitions (IntEnum for option sets).
5. **Configuration & timeouts** — Use DataverseConfig for http_retries, http_backoff, http_timeout, language_code.
6. **Cache management** — Flush picklist cache when metadata changes.
7. **File operations** — Upload large files in chunks; handle chunked vs. simple upload.
8. **Pandas integration** — Use PandasODataClient for DataFrame workflows when appropriate.

Include docstrings, type hints, and link to official API reference for each class/method used.