- name
- sql-master
- description
- |
SQL Master Skill
目标
帮助用户执行SQL、优化SQL、分析SQL质量、理解数据结构。
何时使用
当用户提到以下关键词时使用此skill：
| 用户说法 | 执行命令 | 说明 |
|---|---|---|
| "执行SQL" / "跑一下这个SQL" | dbskiter --output-mode=ai --database=<name> sql "<SQL>" 或 dbskiter --output-mode=ai --database=<name> sql execute "<SQL>" | 执行SQL语句 |
| "优化SQL" / "重写SQL" | dbskiter --output-mode=ai --database=<name> sql rewrite "<SQL>" | 重写SQL优化性能 |
| "分析SQL" / "SQL质量" | dbskiter --output-mode=ai --database=<name> sql analyze "<SQL>" | 分析SQL质量评分 |
| "分析数据" / "数据统计" | dbskiter --output-mode=ai --database=<name> sql data "<SQL>" | 分析查询结果数据特征 |
| "SQL补全" / "自动完成" | dbskiter --output-mode=ai --database=<name> sql complete "<部分SQL>" | 智能补全建议 |
| "表结构" / "Schema" | dbskiter --output-mode=ai --database=<name> sql schema --table=<表名> | 查看表结构 |
| "有哪些表" | dbskiter --output-mode=ai --database=<name> sql schema | 列出所有表 |
| "批量执行SQL文件" | dbskiter --output-mode=ai --database=<name> sql batch <文件> | 批量执行文件中的SQL |
| "导出数据" | dbskiter --output-mode=ai --database=<name> sql export --table=<表名> --output=<文件> | 导出表数据 |
| "导入数据" | dbskiter --output-mode=ai --database=<name> sql import <文件> --table=<表名> | 导入数据到表 |
核心命令（9个）
1. 执行SQL
dbskiter --output-mode=ai --database=<数据库名> sql execute "<SQL语句>"参数：
--params='{"key": "value"}'：SQL参数（JSON格式）--limit=100：限制返回行数
示例：
# 基础查询
dbskiter --output-mode=ai --database=prod sql execute "SELECT * FROM users LIMIT 10"
# 带参数
dbskiter --output-mode=ai --database=prod sql execute "SELECT * FROM users WHERE age > %(age)s" --params='{"age": 18}'
# 限制返回行数
dbskiter --output-mode=ai --database=prod sql execute "SELECT * FROM orders" --limit=502. 重写SQL优化
dbskiter --output-mode=ai --database=<数据库名> sql rewrite "<SQL语句>"功能：
- 展开
SELECT *为具体字段 - 优化 WHERE 条件
- 推荐索引
- 重写低效JOIN
示例：
# 优化SELECT *
dbskiter --output-mode=ai --database=prod sql rewrite "SELECT * FROM users WHERE id = 1"
# 输出：SELECT id, name, email FROM users WHERE id = 1
# 优化复杂查询
dbskiter --output-mode=ai --database=prod sql rewrite "SELECT * FROM orders o JOIN users u ON o.user_id = u.id WHERE u.status = 'active'"3. 分析SQL质量
dbskiter --output-mode=ai --database=<数据库名> sql analyze "<SQL语句>"输出：
- 质量评分（0-100分）
- 等级（A/B/C/D/F）
- 问题列表
- 优化建议
评分标准：
- 90-100分：A级（优秀）
- 80-89分：B级（良好）
- 70-79分：C级（一般）
- 60-69分：D级（较差）
- <60分：F级（危险）
示例：
dbskiter --output-mode=ai --database=prod sql analyze "SELECT * FROM users WHERE email = 'test@test.com'"4. 数据分析
dbskiter --output-mode=ai --database=<数据库名> sql data "<查询SQL>"功能：分析查询结果的数据特征
- 每列的数据类型
- 空值数量
- 唯一值数量
- 数值列的统计（最小/最大/平均值）
- 示例值
示例：
# 分析订单数据
dbskiter --output-mode=ai --database=prod sql data "SELECT * FROM orders WHERE created_at > '2024-01-01'"
# 分析用户数据
dbskiter --output-mode=ai --database=prod sql data "SELECT age, city, status FROM users"5. SQL智能补全
dbskiter --output-mode=ai --database=<数据库名> sql complete "<部分SQL>"功能：根据部分SQL提供补全建议
- 表名补全
- 字段名补全
- SQL关键字补全
- 函数补全
示例：
# 补全表名
dbskiter --output-mode=ai --database=prod sql complete "SELECT * FROM "
# 补全字段
dbskiter --output-mode=ai --database=prod sql complete "SELECT id, name, "
# 补全WHERE条件
dbskiter --output-mode=ai --database=prod sql complete "SELECT * FROM users WHERE "6. Schema查询
# 列出所有表
dbskiter --output-mode=ai --database=<数据库名> sql schema
# 查看指定表结构
dbskiter --output-mode=ai --database=<数据库名> sql schema --table=<表名>输出：
- 所有表名列表
- 表字段详情（名称、类型、是否可空、默认值）
- 索引信息
示例：
# 列出所有表
dbskiter --output-mode=ai --database=prod sql schema
# 查看users表结构
dbskiter --output-mode=ai --database=prod sql schema --table=users
# 查看orders表结构和索引
dbskiter --output-mode=ai --database=prod sql schema --table=orders7. 导出数据
# 导出表数据
dbskiter --output-mode=ai --database=<数据库名> sql export --table=<表名> --output=<文件路径> --format=<格式>
# 导出查询结果
dbskiter --output-mode=ai --database=<数据库名> sql export --query="<SQL>" --output=<文件路径> --format=<格式>参数：
--table: 表名（与--query二选一）--query: SQL查询语句（与--table二选一）--output, -o: 输出文件路径（必需）--format, -f: 导出格式（csv/json/sql，默认csv）--where: WHERE条件（仅table模式）--limit: 限制导出行数
示例：
# 导出users表为CSV
dbskiter --output-mode=ai --database=prod sql export --table=users --output=users.csv
# 导出为JSON格式
dbskiter --output-mode=ai --database=prod sql export --table=users --output=users.json --format=json
# 导出查询结果
dbskiter --output-mode=ai --database=prod sql export --query="SELECT * FROM orders WHERE status='pending'" --output=pending_orders.csv
# 只导出前1000行
dbskiter --output-mode=ai --database=prod sql export --table=users --output=users.csv --limit=10008. 导入数据
dbskiter --output-mode=ai --database=<数据库名> sql import <文件路径> --table=<表名> --format=<格式>参数：
--table, -t: 目标表名（必需）--format, -f: 文件格式（csv/json/sql，默认csv）--columns: 指定列名（逗号分隔，CSV格式用）--batch-size: 批量插入大小（默认1000）
示例：
# 从CSV导入
dbskiter --output-mode=ai --database=prod sql import users.csv --table=users
# 从JSON导入
dbskiter --output-mode=ai --database=prod sql import users.json --table=users --format=json
# 从SQL文件导入
dbskiter --output-mode=ai --database=prod sql import users.sql --format=sql
# 指定列名导入
dbskiter --output-mode=ai --database=prod sql import data.csv --table=users --columns=id,name,email
# 调整批量大小
dbskiter --output-mode=ai --database=prod sql import large_data.csv --table=users --batch-size=5009. 批量执行SQL文件
dbskiter --output-mode=ai --database=<数据库名> sql batch <文件路径>功能：批量执行文件中的SQL语句
示例：
# 批量执行SQL文件
dbskiter --output-mode=ai --database=prod sql batch queries.sqlAI决策流程
场景1：用户说"执行这个SQL"
步骤1：提取用户提供的SQL
步骤2：执行 dbskiter --output-mode=ai --database=<name> sql execute "<SQL>"
步骤3：展示结果（最多50行）
步骤4：告知总行数和耗时场景2：用户说"优化这个SQL"
步骤1：提取用户提供的SQL
步骤2：执行 dbskiter --output-mode=ai --database=<name> sql rewrite "<SQL>"
步骤3：展示优化后的SQL和解释
步骤4：如果质量评分<80，建议进一步优化场景3：用户说"查看表结构"
步骤1：提取表名
步骤2：执行 dbskiter --output-mode=ai --database=<name> sql schema --table=<表名>
步骤3：展示表结构和索引信息