원클릭으로 Manus에서 모든 스킬 실행

db-inspector

스타8

포크1

업데이트2026년 6월 12일 03:35

数据库实例巡检与报告生成，支持配置检查、性能检查、安全检查、报告生成、智能巡检、异常检测、根因分析、风险预测。使用场景： - 用户说"巡检" -> 执行 run - 用户说"生成报告" -> 执行 report - 用户说"检查配置" -> 执行 run --type configuration - 用户说"建立基线" -> 执行 baseline --create - 用户说"智能巡检" -> 执行 intelligent - 用户说"异常检测" -> 执行 anomalies - 用户说"根因分析" -> 执行 root-cause - 用户说"风险预测" -> 执行 risks 用法： - python -m dbskiter --output-mode=ai --database=<name> inspector run - python -m dbskiter --output-mode=ai --database=<name> inspector report --output report.html - python -m dbskiter --output-mode=ai --database=<name> inspector baseline --create - python -m dbskiter --output-mode=ai --database=<name> inspector intelligent - python -m dbskiter --output-mode=ai --database=<name> inspector anomalies --metric=cpu_usage - python -m dbskiter --output-mode=ai --database=<name> inspector root-cause --issue="CPU飙升" - python -m dbskiter --output-mode=ai --database=<name> inspector risks --days=7

설치

Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.

Manus에서 실행

출처

magicCzc

magicCzc/dbskiter

GitHub 저장소 열기 Creator 저장소 보기

다운로드

Manus에서 실행

관련 직업SOC

SOC 직업 분류 기준

소프트웨어 개발자컴퓨터 및 수학직·SOC 15-1252

SKILL.md

readonly

이 저장소의 다른 Skills

같은 저장소

db-diagnose

magicCzc/dbskiter

数据库诊断与优化，支持实时诊断、TOP SQL分析、慢查询分析、SQL诊断、锁分析、空间诊断、连接分析、复制诊断、索引推荐、性能快照、瓶颈分析、单表诊断、表膨胀/碎片分析、索引使用分析、VACUUM分析、表空间碎片分析。使用场景： - 用户说"数据库慢了" -> 执行 realtime - 用户说"CPU飙高了" -> 执行 top - 用户说"SQL有问题" -> 执行 sql "<SQL>" - 用户说"有死锁/阻塞" -> 执行 locks - 用户说"空间不够了" -> 执行 space - 用户说"连接数满了" -> 执行 connections - 用户说"慢查询" -> 执行 slow-queries - 用户说"推荐索引" -> 执行 recommend-indexes - 用户说"全面检查" -> 执行 report - 用户说"性能分析" -> 执行 performance-snapshot - 用户说"瓶颈分析" -> 执行 bottleneck - 用户说"诊断单表" -> 执行 table - 用户说"表膨胀/碎片" -> 执行 bloat - 用户说"索引使用情况" -> 执行 index-usage - 用户说"VACUUM状态" -> 执行 vacuum（PostgreSQL） - 用户说"表空间碎片" -> 执行 tablespace-fragmentation（Oracle） - 用户说"复制延迟" / "主从同步" -> 执行 replication（ClickHouse） - 用户说"锁等待" / "死锁" -> 执行 locks（ClickHouse/SQLite）用法： - python -m dbskiter --output-mode=ai --database=<name> diagnose realtime - python -m dbskiter --output-mode=ai --database=<name> diagnose top - python -m dbskiter --output-mode=ai --database=<name> diagnose sql "SELECT * FROM users" - python -m dbskiter --output-mode=ai --database=<name> diagnose sl

2026-06-128

db-lock-analyzer

magicCzc/dbskiter

数据库锁分析与死锁检测，支持当前锁分析、死锁检测、锁等待链追踪、锁统计报告、事务终止。使用场景： - 用户说"看锁" -> 执行 analyze - 用户说"死锁" -> 执行 deadlocks - 用户说"阻塞" -> 执行 chains - 用户说"锁报告" -> 执行 report - 用户说"终止事务" -> 执行 kill <事务ID> 用法： - python -m dbskiter --output-mode=ai --database=<name> lock analyze - python -m dbskiter --output-mode=ai --database=<name> lock deadlocks - python -m dbskiter --output-mode=ai --database=<name> lock chains - python -m dbskiter --output-mode=ai --database=<name> lock report - python -m dbskiter --output-mode=ai --database=<name> lock kill <transaction_id>

2026-06-128

db-monitor

magicCzc/dbskiter

数据库健康监控，支持健康检查、异常检测、容量预测、趋势分析、基线对比。智能数据源选择： - Oracle 数据库自动使用 Zabbix 监控 - MySQL 数据库优先使用直连，其次使用 Prometheus - 支持 Z 系列资产组（如 Z18, Z5）自动识别使用场景： - 用户说"检查健康" -> 执行 health - 用户说"有异常吗" -> 执行 anomalies - 用户说"容量够吗" -> 执行 capacity - 用户说"采集指标" -> 执行 collect - 用户说"看历史" -> 执行 history - 用户说"高级容量预测" -> 执行 capacity-advanced - 用户说"趋势分析" -> 执行 trend - 用户说"基线对比" -> 执行 compare 用法： - python -m dbskiter --output-mode=ai --database=<name> monitor health - python -m dbskiter --output-mode=ai --database=<name> monitor anomalies - python -m dbskiter --output-mode=ai --database=<name> monitor capacity --resource=disk - python -m dbskiter --output-mode=ai --database=<name> monitor collect - python -m dbskiter --output-mode=ai --database=<name> monitor history <metric> - python -m dbskiter --output-mode=ai --database=<name> monitor capacity-advanced --resource=disk - python -m dbskiter --output-mode=ai --database=<name> monitor trend --metric=cpu_usage - python -m dbskiter --output-mode=ai --database=<name> monitor compare --metric=qps

2026-06-128

db-scheduler

magicCzc/dbskiter

数据库调度工具，支持备份、定时任务管理、任务执行日志、调度器守护进程、DAG工作流、备份验证、备份恢复。使用场景： - 用户说"备份数据库" -> 执行 backup - 用户说"验证备份" -> 执行 backup-verify - 用户说"恢复备份" -> 执行 backup-restore - 用户说"定时任务" -> 执行 task - 用户说"查看任务日志" -> 执行 logs - 用户说"启动调度器" -> 执行 daemon start - 用户说"创建工作流" -> 执行 workflow 用法： - python -m dbskiter --output-mode=ai --database=<name> scheduler backup --type=full - python -m dbskiter --output-mode=ai --database=<name> scheduler backup-verify <file> - python -m dbskiter --output-mode=ai --database=<name> scheduler backup-restore <file> - python -m dbskiter --output-mode=ai --database=<name> scheduler task list - python -m dbskiter --output-mode=ai --database=<name> scheduler task add daily_backup "0 2 * * *" - python -m dbskiter --output-mode=ai --database=<name> scheduler logs - python -m dbskiter --output-mode=ai --database=<name> scheduler daemon start

2026-06-128

db-security

magicCzc/dbskiter

数据库安全审计，支持SQL注入检测、敏感数据扫描、权限审计、登录安全监控、审计日志分析、密码策略检查、配置安全审计。使用场景： - 用户说"安全检查" -> 执行 audit - 用户说"检测注入" -> 执行 sql-injection - 用户说"扫描敏感数据" -> 执行 sensitive-data - 用户说"安全评分" -> 执行 score - 用户说"检查权限" -> 执行 permissions - 用户说"登录安全" -> 执行 login-security - 用户说"审计日志" -> 执行 audit-log - 用户说"高危操作" -> 执行 high-risk - 用户说"密码策略" -> 执行 password-policy - 用户说"弱密码" -> 执行 weak-passwords - 用户说"配置安全" -> 执行 config 用法： - python -m dbskiter --output-mode=ai --database=<name> security audit - python -m dbskiter --output-mode=ai --database=<name> security sql-injection "<SQL>" - python -m dbskiter --output-mode=ai --database=<name> security sensitive-data - python -m dbskiter --output-mode=ai --database=<name> security score - python -m dbskiter --output-mode=ai --database=<name> security permissions - python -m dbskiter --output-mode=ai --database=<name> security login-security - python -m dbskiter --output-mode=ai --database=<name> security audit-log - python -m dbskiter --output-mode=ai --database=<name> security high-risk - python -m

2026-06-128

db-sql-auditor

magicCzc/dbskiter

SQL全生命周期审核，支持SQL规范审核、性能评估、DDL影响分析、SQL优化、索引推荐。使用场景： - 用户说"审核SQL" -> 执行 sql "<SQL>" - 用户说"检查规范" -> 执行 sql "<SQL>" - 用户说"DDL影响" -> 执行 ddl "<DDL>" - 用户说"查看规则" -> 执行 rules - 用户说"优化SQL" -> 执行 optimize "<SQL>" - 用户说"推荐索引" -> 执行 recommend-indexes "<SQL>" 用法： - python -m dbskiter --output-mode=ai --database=<name> audit sql "SELECT * FROM users" - python -m dbskiter --output-mode=ai --database=<name> audit file queries.sql - python -m dbskiter --output-mode=ai --database=<name> audit ddl "ALTER TABLE users ADD COLUMN age INT" - python -m dbskiter --output-mode=ai --database=<name> audit rules - python -m dbskiter --output-mode=ai --database=<name> audit optimize "SELECT * FROM users WHERE age > 18" - python -m dbskiter --output-mode=ai --database=<name> audit recommend-indexes "SELECT * FROM orders WHERE user_id = 1"

2026-06-128

name

db-inspector

description

数据库巡检 Skill

安全原则

本Skill的所有操作均为只读查询，不会修改任何数据：

规则	说明
只读操作	巡检命令只执行SELECT/SHOW/DESCRIBE等查询操作
禁止写操作	不得通过巡检命令执行DELETE/UPDATE/INSERT/DROP等写操作
基线创建只记录快照	baseline --create只记录当前配置快照，不修改数据库
报告生成只读	report命令只生成报告文件，不修改数据库

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
"巡检"	`python -m dbskiter --output-mode=ai --database=<name> inspector run`	执行完整巡检
"生成报告"	`python -m dbskiter --output-mode=ai --database=<name> inspector report`	生成巡检报告
"检查配置"	`python -m dbskiter --output-mode=ai --database=<name> inspector run --type configuration`	仅检查配置
"检查安全"	`python -m dbskiter --output-mode=ai --database=<name> inspector run --type security`	仅安全检查
"建立基线"	`python -m dbskiter --output-mode=ai --database=<name> inspector baseline --create`	创建性能基线
"智能巡检"	`python -m dbskiter --output-mode=ai --database=<name> inspector intelligent`	智能巡检分析
"异常检测"	`python -m dbskiter --output-mode=ai --database=<name> inspector anomalies`	检测指标异常
"根因分析"	`python -m dbskiter --output-mode=ai --database=<name> inspector root-cause`	分析问题根因
"风险预测"	`python -m dbskiter --output-mode=ai --database=<name> inspector risks`	预测未来风险

核心命令

1. 执行完整巡检

python -m dbskiter --database=<数据库名> inspector run

输出：健康评分、风险统计、巡检项详情

评分标准：

90-100：优秀
70-89：良好
<70：需要关注

可选参数：

--type：指定巡检类型（configuration/performance/storage/security/capacity/replication）
--format：输出格式（text/json/html/markdown）
--output：输出文件路径

2. 生成报告

python -m dbskiter --database=<数据库名> inspector report --output report.html

支持格式：HTML、Markdown、JSON

3. 基线管理

dbskiter --database=<数据库名> inspector baseline --create

用途：建立性能基线，用于后续对比

可选参数：

--create：创建新基线
--compare：与基线对比

4. 智能巡检

dbskiter --database=<数据库名> inspector intelligent

功能：异常检测、根因分析、风险预测、智能建议

可选参数：

--metrics-file：指标历史数据文件（JSON格式）

5. 异常检测

dbskiter --database=<数据库名> inspector anomalies --metric=cpu_usage

功能：检测突然飙升、逐渐增长、周期性异常、基线偏离

参数：

--metric（必需）：指标名称（如cpu_usage, memory_usage）
--hours：检测最近多少小时的数据（默认24）

6. 根因分析

dbskiter --database=<数据库名> inspector root-cause --issue="CPU飙升"

功能：分析异常事件的根因，提供解决建议

参数：

--issue（必需）：问题描述（如"CPU使用率飙升"）

7. 风险预测

dbskiter --database=<数据库名> inspector risks --days=7

功能：预测未来7天/30天的容量和性能风险

参数：

--days：预测天数（默认7天）

巡检类型

configuration：配置检查
performance：性能检查
storage：存储检查
security：安全检查
capacity：容量检查
replication：复制检查

数据库支持

数据库	配置检查	性能检查	存储检查	安全检查	容量检查	状态
MySQL	支持	支持	支持	支持	支持	生产就绪
Oracle	支持	支持	支持	支持	支持	生产就绪
PostgreSQL	支持	支持	支持	支持	支持	生产就绪
SQL Server	支持	支持	支持	支持	支持	生产就绪
ClickHouse	支持	支持	支持	支持	支持	生产就绪
SQLite	支持	支持	支持	支持	支持	生产就绪
通用(Generic)	基础	基础	基础	基础	基础	可用

通用巡检器（GenericInspector）说明：

通用巡检器通过标准 SQL 和 INFORMATION_SCHEMA 自动探测数据库能力，为任意 JDBC 兼容数据库提供基础巡检能力。

支持的数据库类型：

Trino / Presto
DuckDB
Apache Derby
H2
HSQLDB
任何支持 JDBC 4.0+ 和 INFORMATION_SCHEMA 的数据库

通用巡检器采集指标：

检查项	数据源	说明
数据库类型与版本	VERSION() / @@version	数据库方言和版本号
Schema 数量	INFORMATION_SCHEMA.TABLES	Schema 总数
表总数	INFORMATION_SCHEMA.TABLES	BASE TABLE 数量
活跃连接数	pg_stat_activity / v$session / sys.dm_exec_sessions	当前活跃会话
数据库总大小	pg_database_size / information_schema / PRAGMA	存储容量
索引数量	INFORMATION_SCHEMA.STATISTICS	索引总数
TOP 大表	INFORMATION_SCHEMA.TABLES	行数最多的表
数据库用户	CURRENT_USER / USER()	当前连接用户

SQLite 巡检项：

配置检查：缓存大小、日志模式（journal_mode）、同步模式（synchronous）
性能检查：大表检测、缺少索引检测
存储检查：数据库文件大小、碎片率
安全检查：文件权限（POSIX系统）
容量检查：表数量
完整性检查：PRAGMA integrity_check

ClickHouse 巡检项：

配置检查：max_memory_usage、max_execution_time、query_log启用状态
性能检查：慢查询数、高内存使用查询、连接数、复制延迟
存储检查：大表检测、parts数量过多检测
安全检查：默认用户密码配置
容量检查：总数据量、磁盘使用
复制检查：Replicated表复制队列、复制延迟

SQL Server 巡检项：

配置检查：最大内存、MAXDOP、恢复模式、安全设置
性能检查：缓冲区命中率、过程缓存命中率、等待统计
存储检查：文件增长设置、日志文件大小、磁盘空间
安全检查：认证模式、sa账户、权限配置、密码策略
容量检查：数据库大小、磁盘使用率、增长趋势

AI决策流程

场景1：用户说"巡检一下数据库"

步骤1：执行 dbskiter --database=<name> inspector run
步骤2：解读健康评分和风险统计
步骤3：如果有严重问题，建议进一步诊断
步骤4：生成报告：dbskiter --database=<name> inspector report

场景2：用户说"分析一下为什么CPU高"

步骤1：执行 dbskiter --database=<name> inspector root-cause --issue="CPU飙升"
步骤2：查看根因分析结果
步骤3：给出解决建议

场景3：用户说"预测一下未来风险"

步骤1：执行 dbskiter --database=<name> inspector risks --days=30
步骤2：解读风险预测结果
步骤3：给出预防和应对措施