sql-master

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、审计日志查询。 使用场景： - 用户说"执行这个SQL" -> 执行 execute 或直接 dbskiter sql "SELECT..." - 用户说"优化这个SQL" -> 执行 rewrite - 用户说"分析SQL质量" -> 执行 analyze - 用户说"分析数据" -> 执行 data - 用户说"SQL补全" -> 执行 complete - 用户说"查看表结构" -> 执行 schema - 用户说"批量执行SQL文件" -> 执行 batch - 用户说"导出数据" -> 执行 export - 用户说"导入数据" -> 执行 import - 用户说"查看审计日志" -> 执行 audit 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 - dbskiter --output-mode=ai --database=<name> sql audit

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
"流式导出"	dbskiter --output-mode=ai --database=<name> sql export-stream --table=<表名> --output=<文件>	流式导出大表
"查看审计日志"	dbskiter --output-mode=ai --database=<name> sql audit	查询SQL审计日志

核心命令

1. 执行SQL

dbskiter --output-mode=ai --database=<数据库名> sql execute "<SQL语句>"

参数：

• --params：SQL参数（JSON格式）
• --limit：限制返回行数（默认100）
• --read-only：只读模式，禁止执行写操作
• --force：强制执行危险操作

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=50

2. 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"

# 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 = '[e-mail]'"

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

7. 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/excel，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

8. 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

# 指定列名导入
dbskiter --output-mode=ai --database=prod sql import data.csv --table=users --columns=id,name,email

9. 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：

dbskiter --output-mode=ai --database=prod sql batch queries.sql

10. 流式导出大表

dbskiter --output-mode=ai --database=<数据库名> sql export-stream --table=<表名> --output=<文件路径>

功能：流式导出大表数据，避免内存溢出

参数：

• --table（必需）：表名
• --output, -o（必需）：输出文件路径
• --format, -f：导出格式（csv/sql，默认csv）
• --where：WHERE条件
• --batch-size：每批导出的行数（默认10000）

11. 审计日志查询

dbskiter --output-mode=ai --database=<数据库名> sql audit

功能：查询SQL审计日志

可选参数：

• --risk-level：风险等级筛选（CRITICAL/HIGH/MEDIUM/SAFE）
• --hours：最近多少小时（默认24）
• --limit：返回数量限制（默认50）
• --stats：显示统计信息
• --cleanup：清理多少天前的记录

安全控制

sql-master提供完善的安全控制机制，防止误操作导致数据丢失。

风险等级定义

风险等级	操作类型	处理方式
CRITICAL	DROP DATABASE, DROP SCHEMA	默认禁止，必须使用 --force 才能执行
HIGH	DROP TABLE, TRUNCATE, DELETE无WHERE, UPDATE无WHERE	允许执行但返回警告，建议使用 --force
MEDIUM	DELETE带WHERE, UPDATE带WHERE, ALTER DROP COLUMN	允许执行，建议先验证影响范围
SAFE	SELECT, INSERT, CREATE等	正常执行

只读模式

使用 --read-only 参数开启只读模式，禁止任何写操作：

# 只读模式下只能执行SELECT
dbskiter --output-mode=ai --database=prod sql execute "SELECT * FROM users" --read-only

# 写操作会被拒绝
dbskiter --output-mode=ai --database=prod sql execute "DELETE FROM users WHERE id=1" --read-only

强制执行危险操作

对于CRITICAL级别的操作，必须使用 --force 参数：

# 使用--force强制执行
dbskiter --output-mode=ai --database=prod sql execute "DROP DATABASE testdb" --force

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