# Deklaratywne potoki

Deklaratywne potoki pozwalają definiować, konfigurować i wdrażać Qlik Talend Data Integration projekty potoków całkowicie w kodzie, używając plików YAML. Edytujesz pliki w dowolnym zintegrowanym środowisku programistycznym lub systemie kontroli wersji, a następnie wdrażasz je, aby tworzyć lub aktualizować projekty.

## Kiedy używać potoków deklaratywnych

Używaj deklaratywnych potoków do promowania:

* Współpraca

* Ciągła Integracja / Ciągłe Dostarczanie

* Powtarzalne wdrożenie do różnych środowisk

* Automatyzacja sterowana API

Oto typowe zastosowania:

* Definiuj potoki w kodzie dla ciągłej integracji i automatyzacji rozwoju.

* Wdrażaj identyczne konfiguracje potoku w wielu środowiskach (programistycznym, weryfikacyjnym, produkcyjnym).

* Ponowne użycie i udostępnianie definicji potoków między projektami lub zespołami.

* Automate tworzenie projektów na dużą skalę bez pracy ręcznej.

## Jak to działa

Projekt potoku jest reprezentowany jako zestaw plików YAML zorganizowany w strukturę folderów, która odzwierciedla zadania i zbiory danych projektu. Pliki YAML są łatwiejsze do czytania, przeglądania różnic, recenzowania, ponownego użycia i tworzenia automatyzacji.

Możesz eksportować istniejący projekt jako YAML, edytować pliki i zaimportować je z powrotem, aby zastosować zmiany. Jeśli projekt jest połączony z kontrolą wersji, pliki YAML są bezpośrednio dostępne w Twoim repozytorium GitHub.

Więcej informacji na temat struktury pliku YAML można znaleźć w [Pobieranie i edycja konfiguracji potoku](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/DeclarativePipelines/Retrieving-editing-pipeline-configuration.htm).

InformacjaPliki powiązań (qtcp\_bindings\_definition.json i binding.json) pozostają w formacie JSON w celu zachowania zgodności z API powiązań. Dla starszego eksportu lub w istniejących projektach GitHub, plik nazywa się bindingTemplate.json i nie qtcp\_bindings\_definition.json.

## Typowy przepływ pracy

Zanim zaczniesz, musisz skonfigurować swoje środowisko programistyczne i kontrolę wersji. Więcej informacji zawiera temat [Pierwsze kroki z potokami deklaratywnymi](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/DeclarativePipelines/Getting-started-declarative-pipelines.htm).

Typowy deklaratywny potok pracy wygląda następująco:

1. Pobierz konfigurację potoku

   Możesz eksportować istniejący projekt jako YAML, pobrać go z kontroli wersji lub rozpocząć od szablonu.

   [Pobieranie i edycja konfiguracji potoku](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/DeclarativePipelines/Retrieving-editing-pipeline-configuration.htm)

2. Edytuj konfigurację potoku

   Zmodyfikuj pliki YAML w swoim środowisku programistycznym. Możesz dodawać zadania, zmieniać wybrane źródła i aktualizować ustawienia.

   [Przewodnik dewelopera: Potoki deklaratywne](http://qlik.dev/manage/di-projects/declarative-pipelines/)

3. Zweryfikuj konfigurację potoku

   sprawdź pliki pod kątem błędów składniowych i semantycznych przed wdrożeniem potoku.

   [Walidowanie konfiguracji potoku](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/DeclarativePipelines/Validating-pipeline-configuration.htm)

4. Wdróż konfigurację potoku

   Zaimportuj pliki, aby utworzyć lub zaktualizować projekt w Qlik Talend Data Integration.

   Możesz również zatwierdzić pliki w kontroli wersji i wykonać zastosowanie z kontroli wersji w projekcie w Qlik Talend Data Integration.

   [Wdrażanie konfiguracji potoku](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/DeclarativePipelines/Deploying-pipeline-configuration.htm)

## Relacja z kontrolą wersji

Gdy projekt jest połączony z kontrolą wersji, pliki YAML są przechowywane bezpośrednio w Twoim repozytorium GitHub. Możesz edytować pliki YAML w GitHubie lub w dowolnym IDE, a następnie zastosować zmiany z powrotem w projekcie.

Aby uzyskać informacje na temat łączenia projektu z kontrolą wersji, zobacz [Zarządzanie projektami potoku przy użyciu kontroli wersji](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/VersionControl/Project-version-control.htm).

InformacjaJeśli masz istniejący projekt, który jest połączony z kontrolą wersji i używa starszego formatu JSON, możesz go migrować do YAML. Więcej informacji zawiera temat [Migracja projektu do formatu YAML](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/DeclarativePipelines/Retrieving-editing-pipeline-configuration.htm#Migrate).

## Używanie asystentów AI do konfigurowania potoków

Korzystaj z asystentów AI (takich jak GitHub Copilot czy Anthropic Claude), aby usprawnić tworzenie i edytowanie konfiguracji YAML. Aby zapewnić dokładność i zgodność ze standardami projektu, obserwować te najlepsze praktyki:

1. **Wybierz model o wysokich możliwościach** — Użyj modelu premium o dużym kontekście (na przykład Anthropic Claude Sonnet 4.6 lub nowszy) zamiast standardowego lub „automatycznego” modelu do złożonego generowania YAML i przestrzegania schematu. Zaawansowane modele poprawnie interpretują złożone schematy potoków i tworzą dokładniejsze konfiguracje.

2. **Skonfiguruj instrukcje AI specyficzne dla projektu** — Popraw jakość konfiguracji generowanej przez AI, dostarczając modelowi kontekst projektu. Utwórz plik instrukcji w katalogu głównym swojego obszaru roboczego VS Code. Wybierz jedną z następujących opcji:

   * CLAUDE.md (dla rozszerzenia kodu Anthropic Claude)

   * .github/copilot-instructions.md (dla GitHub Copilot)

   Zawartość pliku instrukcji powinna być następująca:

   ```
   This is a Qlik Talend Cloud Pipeline (QTCP) project. Before any project advice or YAML edits, I MUST read the source of truth first:
   https://raw.githubusercontent.com/qlik-oss/schemas/refs/heads/main/qtcp/ai-instructions.md
   ```

## Używanie asystentów AI z Qlik narzędziami MCP

Gdy wdrożysz Qlik serwer MCP w swojej dzierżawie, asystenci AI mogą używać dedykowanych narzędzi MCP, aby programowo zarządzać projektami potoków.

### Wymagania wstępne

* Qlik Serwer MCP jest wdrożony w Twojej dzierżawie

* Masz uprawnienie Qlik MCP: Dozwolone przypisane za pośrednictwem niestandardowej roli

* Masz uprawnienia do tworzenia lub edytowania projektów potoków

* Klient AI z obsługą MCP (taki jak VS Code z GitHub Copilot) jest skonfigurowany do używania Qlik serwera MCP

### Dostępne możliwości MCP dla potoków danych

Asystenci AI mogą korzystać z następujących możliwości do konfigurowania i zarządzania projektami potoków:

* **Wyszukaj miejsca** — Uzyskaj listę dostępnych miejsc.

* **Wyszukaj połączenia** — Uzyskaj listę dostępnych połączeń danych.

* **Wyszukaj projekty** — Pobierz listę istniejących projektów potoku.

* **Wyszukaj obiekty połączenia** — Odkryj dostępne tabele i widoki ze źródła danych.

* **Pobierz szczegóły projektu potoku** — Pobierz wartości powiązań projektu.

### Powiązane zasoby

* Aby wdrożyć serwer MCP, zobacz [Qlik serwer MCP](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikMCP/Qlik-MCP-server.htm)

* Aby uzyskać szczegółową dokumentację narzędzi MCP, zobacz [Qlik Narzędzia MCP](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikMCP/Qlik-MCP-server-tools.htm)

* Wymagania dotyczące uprawnień, patrz [Qlik dostęp do serwera MCP i uprawnienia](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikMCP/Qlik-MCP-Permissions.htm)