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"...
---
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
```
don't have the plugin yet? install it then click "run inline in claude" again.