SQL智能助手

SKILL.md

---
name: sql-master
description: |
  SQL智能助手，支持SQL执行、重写优化、质量分析、数据分析、智能补全、Schema查询、批量执行、数据导入导出。

  使用场景：
  - 用户说"执行这个SQL" → execute 或直接 dbskiter sql "SELECT..."
  - 用户说"优化这个SQL" → rewrite
  - 用户说"分析SQL质量" → analyze
  - 用户说"分析数据" → data
  - 用户说"SQL补全" → complete
  - 用户说"查看表结构" → schema
  - 用户说"批量执行SQL文件" → batch
  - 用户说"导出数据" → export
  - 用户说"导入数据" → import

  用法：
  - dbskiter --output-mode=ai --database=<name> sql "SELECT * FROM users"
  - dbskiter --output-mode=ai --database=<name> sql execute "SELECT * FROM users"
  - dbskiter --output-mode=ai --database=<name> sql rewrite "SELECT * FROM users WHERE id = 1"
  - dbskiter --output-mode=ai --database=<name> sql analyze "SELECT * FROM orders"
  - dbskiter --output-mode=ai --database=<name> sql data "SELECT * FROM sales"
  - dbskiter --output-mode=ai --database=<name> sql complete "SELECT * FROM "
  - dbskiter --output-mode=ai --database=<name> sql schema --table=users
  - dbskiter --output-mode=ai --database=<name> sql batch queries.sql
  - dbskiter --output-mode=ai --database=<name> sql export --table=users --output=users.csv
  - dbskiter --output-mode=ai --database=<name> sql import data.csv --table=users
---

# 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

```bash
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**：
```bash
# 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=50
```

### 2. 重写SQL优化

```bash
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**：
```bash
# 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

```bash
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**：
```bash
dbskiter --output-mode=ai --database=prod sql analyze "SELECT * FROM users WHERE email = 'test@test.com'"
```

### 4. 数据分析

```bash
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**：
```bash
# 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

```bash
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**：
```bash
# 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

```bash
# 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**：
```bash
# 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=orders
```

### 7. 导出数据

```bash
# 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**：
```bash
# 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=1000
```

### 8. 导入数据

```bash
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**：
```bash
# 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=500
```

### 9. 批量执行SQL文件

```bash
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**：
```bash
# 批量执行SQL文件
dbskiter --output-mode=ai --database=prod sql batch queries.sql
```

## AI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
```