SQL智能助手

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= sql "SELECT * FROM users" dbskiter --output-mode=ai --database= sql execute "SELECT * FROM users" dbskiter --output-mode=ai --database= sql rewrite "SELECT * FROM users WHERE id = 1" dbskiter --output-mode=ai --database= sql analyze "SELECT * FROM orders" dbskiter --output-mode=ai --database= sql data "SELECT * FROM sales" dbskiter --output-mode=ai --database= sql complete "SELECT * FROM " dbskiter --output-mode=ai --database= sql schema --table=users dbskiter --output-mode=ai --database= sql batch queries.sql dbskiter --output-mode=ai --database= sql export --table=users --output=users.csv dbskiter --output-mode=ai --database= 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 = '[e-mail]'"

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"

text

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"

text

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"

text

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