一键在 Manus 中运行任何 Skill

extract-sql-log

星标40

分支4

更新时间2026年5月18日 05:54

서버 로그(ActionRunner/p6spy)에서 SQL 추출, 포맷팅, 마스킹 분석. 사용자가 Spring Boot 서버 로그를 붙여넣고 "SQL 뽑아줘", "SQL 정리해줘", "로그에서 쿼리 추출", "마스킹 확인", "어떤 SQL이 실행됐는지 분석" 등을 요청할 때 반드시 이 스킬 사용. actionSet JSON, query(xxx) 포맷 SQL, p6spy 로그가 섞인 텍스트도 처리 가능.

安装

用 Codex 或 Claude 帮你安装复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。

在 Manus 中运行

来源

msbaek

msbaek/dotfiles

打开 GitHub 仓库查看创作者相关仓库

下载

在 Manus 中运行

SQL Log Extractor

실행 모델 (필수)

~/.Codex/templates/delegation.md 변형 B 적용 — 단, subagent_type은 general-purpose 대신 sql-log-extractor 사용 (전용 sub-agent). (model="haiku", run_in_background=false, args=skill 호출 인자, 옵션=--all, --json, -o)

main context에서 직접 실행 금지.

서버 로그에서 SQL을 추출하고 포맷팅하며 ISMS 마스킹 컴플라이언스를 분석하는 스킬.

When to Use

사용자가 ActionRunner/p6spy 로그를 붙여넣고 SQL 정리 요청
서버 로그에서 INSERT/UPDATE/DELETE/SELECT 추출 필요
마스킹 데이터가 DB에 기록되는지 확인 필요
UPSERT의 ON DUPLICATE KEY UPDATE에 마스킹 필드 포함 여부 점검

Workflow

Step 1: 로그를 임시 파일에 저장

사용자가 제공한 로그 텍스트를 임시 파일에 저장한다.

# 로그를 파일로 저장
cat > /tmp/sql_log_input.txt << 'LOGEOF'
... (user's log text) ...
LOGEOF

Step 2: Python 파서 실행

이 스킬의 scripts/extract_sql.py를 사용해 기계적 파싱을 수행한다.

# INSERT/UPDATE/DELETE만 (기본)
python3 ~/.Codex/skills/extract-sql-log/scripts/extract_sql.py /tmp/sql_log_input.txt

# 전체 DML 포함 (SELECT 포함)
python3 ~/.Codex/skills/extract-sql-log/scripts/extract_sql.py --all /tmp/sql_log_input.txt

# JSON 출력 (프로그래밍 활용)
python3 ~/.Codex/skills/extract-sql-log/scripts/extract_sql.py --json /tmp/sql_log_input.txt

# 파일로 저장
python3 ~/.Codex/skills/extract-sql-log/scripts/extract_sql.py --all -o /tmp/sql_analysis.md /tmp/sql_log_input.txt

Step 3: 분석 보강 (Codex 판단 영역)

Python 파서가 기계적 추출을 하고, Codex는 다음을 추가 분석한다:

마스킹 데이터 판별: te**@, 010****0000, ***** 같은 패턴이 INSERT/UPDATE 값에 있는지 확인. 테스트 데이터(예: 테스트주소, 01000000000)와 마스킹 데이터를 구분.
UPSERT 마스킹 필드 검증: ON DUPLICATE KEY UPDATE 절에 마스킹 대상 필드가 포함되었는지 확인. INSERT에는 있어도 UPDATE에서 제외되어야 정상.
데이터 흐름 추적: SELECT에서 읽힌 마스킹 데이터가 FE를 거쳐 다시 INSERT/UPDATE로 돌아오는 패턴 식별 (예: FE가 마스킹된 응답 데이터를 mutation에 그대로 전송).
actionSet 컨텍스트: 어떤 비즈니스 flow인지 (재발송, 주문나눔, 클레임 저장 등) 식별하여 의미 부여.

Output Format

# SQL Log Analysis — [Flow Name]

## ActionSet 1: [Description]
> baseParms: `KEY=VALUE, ...`
> actions: `action1, action2, ...`

### 1. query(query_id) — TYPE → TABLE_NAME [badges]

\```sql
-- query_id: xxx
-- table: TABLE_NAME
-- masking fields: [if applicable]
FORMATTED SQL HERE
\```

---

## Masking Analysis

| # | query_id | Table | Masking Fields | INSERT Value | In UPDATE? | Status |
|---|----------|-------|---------------|-------------|-----------|--------|
| 1 | m_xxx    | TABLE | FIELD1, FIELD2| test data   | excluded  | ✅ safe |

## Conclusion
[Overall assessment]

Masking Fields Reference (thomas project)

Table	Masking Fields
SELL_DELIY_ADDR	ADDR1, ADDR2, RECIPIENT, RECIPIENT2, TEL, HP, SSN, SSN_ENC
SELL_DELIY_ADDR_ADD	PASS_NO, ACCT_NO, ACCT_NM, BIRTH
SELL_CER	TEL, HP, EMAIL
SELL / SELL_ADD	SSN, ACCT_NO
ONLINE_EVENT	USER_NM, CH_INFO, BIRTH, TEL
USER	USER_NM, EMAIL, TEL, HP
USER_DELIY_ADDR	ADDR1, ADDR2, RECIPIENT, TEL, HP

Badges

🔒 — SELECT가 마스킹 대상 필드 접근
⚠️ MASKED DATA — INSERT/UPDATE 값에 마스킹 패턴 감지
⚠️ VIOLATION — UPSERT UPDATE 절에 마스킹 필드 포함

Notes

p6spy 로그는 같은 쿼리를 여러 connection에서 중복 출력 → 자동 제거
m_user_action_merge는 ActionRunner 자동 감사 로그 → 별도 표시
actionSetWithoutMasking() 패턴 사용 여부도 코드 레벨에서 확인 권장

同仓库更多 Skills

同仓库

html-explain

msbaek/dotfiles

현재 세션에서 한 작업(또는 주어진 텍스트·파일)을 비전문가·미래의 자신도 이해하도록 쉽게 풀어 설명하는 인터랙티브 HTML 페이지 생성. 목차·단계별 펼침접힘·핵심요약·용어풀이 포함. ~/Desktop 저장 후 자동 오픈. 트리거: "쉽게 설명", "정리해줘", "복기", "풀어서 설명", "이해하기 쉽게", "설명해줘", "요약해줘".

2026-05-2240

msbaek/dotfiles

Turn any rough prompt, half-formed idea, or task description into a finished, ready-to-send prompt optimized for Opus 4.7 (with adaptive thinking) inside the chat app — Codex.ai, the Mac app, the iOS app — NOT the API. Use this skill whenever the user wants to write, rewrite, optimize, improve, sharpen, or polish a prompt for the chat app. Trigger phrases include "rewrite this prompt", "make this a better prompt", "optimize this prompt", "turn this into a prompt", "help me prompt this", "draft a prompt that...", "I want to ask...", or whenever the user pastes a draft prompt and asks for improvements. Also trigger when the user describes a task they plan to send into the chat app and clearly wants a reusable, well-structured prompt rather than a direct answer. The output is always a single, copy-pasteable prompt in a code block that the user sends as-is — never a template with placeholders. Always ends with the exact line "Think before answering (maximum reasoning)".

2026-05-1840

agent-evaluation

msbaek/dotfiles

Use this when you need to EVALUATE OR IMPROVE or OPTIMIZE an existing LLM agent's output quality - including improving tool selection accuracy, answer quality, reducing costs, or fixing issues where the agent gives wrong/incomplete responses. Evaluates agents systematically using MLflow evaluation with datasets, scorers, and tracing. IMPORTANT - Always also load the instrumenting-with-mlflow-tracing skill before starting any work. Covers end-to-end evaluation workflow or individual components (tracing setup, dataset creation, scorer definition, evaluation execution).

2026-05-1840

agf

msbaek/dotfiles

Codex 세션 탐색 및 분석. agf 데이터 소스(history.jsonl)를 활용한 세션 리스트 조회, 검색 및 상세 분석. "세션 목록", "session list", "세션 검색", "session search", "agf" 등의 요청 시 자동 적용.

2026-05-1840

analyzing-mlflow-session

msbaek/dotfiles

Analyzes an MLflow session — a sequence of traces from a multi-turn chat conversation or interaction. Use when the user asks to debug a chat conversation, review session or chat history, find where a multi-turn chat went wrong, or analyze patterns across turns. Triggers on "analyze this session", "what happened in this conversation", "debug session", "review chat history", "where did this chat go wrong", "session traces", "analyze chat", "debug this chat".

2026-05-1840

analyzing-mlflow-trace

msbaek/dotfiles

Analyzes a single MLflow trace to answer a user query about it. Use when the user provides a trace ID and asks to debug, investigate, find issues, root-cause errors, understand behavior, or analyze quality. Triggers on "analyze this trace", "what went wrong with this trace", "debug trace", "investigate trace", "why did this trace fail", "root cause this trace".

2026-05-1840

name

extract-sql-log

description

SQL Log Extractor

실행 모델 (필수)

main context에서 직접 실행 금지.

서버 로그에서 SQL을 추출하고 포맷팅하며 ISMS 마스킹 컴플라이언스를 분석하는 스킬.

When to Use

사용자가 ActionRunner/p6spy 로그를 붙여넣고 SQL 정리 요청
서버 로그에서 INSERT/UPDATE/DELETE/SELECT 추출 필요
마스킹 데이터가 DB에 기록되는지 확인 필요
UPSERT의 ON DUPLICATE KEY UPDATE에 마스킹 필드 포함 여부 점검

Workflow

Step 1: 로그를 임시 파일에 저장

사용자가 제공한 로그 텍스트를 임시 파일에 저장한다.

# 로그를 파일로 저장
cat > /tmp/sql_log_input.txt << 'LOGEOF'
... (user's log text) ...
LOGEOF

Step 2: Python 파서 실행

이 스킬의 scripts/extract_sql.py를 사용해 기계적 파싱을 수행한다.

# INSERT/UPDATE/DELETE만 (기본)
python3 ~/.Codex/skills/extract-sql-log/scripts/extract_sql.py /tmp/sql_log_input.txt

# 전체 DML 포함 (SELECT 포함)
python3 ~/.Codex/skills/extract-sql-log/scripts/extract_sql.py --all /tmp/sql_log_input.txt

# JSON 출력 (프로그래밍 활용)
python3 ~/.Codex/skills/extract-sql-log/scripts/extract_sql.py --json /tmp/sql_log_input.txt

# 파일로 저장
python3 ~/.Codex/skills/extract-sql-log/scripts/extract_sql.py --all -o /tmp/sql_analysis.md /tmp/sql_log_input.txt

Step 3: 분석 보강 (Codex 판단 영역)

Python 파서가 기계적 추출을 하고, Codex는 다음을 추가 분석한다:

마스킹 데이터 판별: te**@, 010****0000, ***** 같은 패턴이 INSERT/UPDATE 값에 있는지 확인. 테스트 데이터(예: 테스트주소, 01000000000)와 마스킹 데이터를 구분.
UPSERT 마스킹 필드 검증: ON DUPLICATE KEY UPDATE 절에 마스킹 대상 필드가 포함되었는지 확인. INSERT에는 있어도 UPDATE에서 제외되어야 정상.
데이터 흐름 추적: SELECT에서 읽힌 마스킹 데이터가 FE를 거쳐 다시 INSERT/UPDATE로 돌아오는 패턴 식별 (예: FE가 마스킹된 응답 데이터를 mutation에 그대로 전송).
actionSet 컨텍스트: 어떤 비즈니스 flow인지 (재발송, 주문나눔, 클레임 저장 등) 식별하여 의미 부여.

Output Format

# SQL Log Analysis — [Flow Name]

## ActionSet 1: [Description]
> baseParms: `KEY=VALUE, ...`
> actions: `action1, action2, ...`

### 1. query(query_id) — TYPE → TABLE_NAME [badges]

\```sql
-- query_id: xxx
-- table: TABLE_NAME
-- masking fields: [if applicable]
FORMATTED SQL HERE
\```

---

## Masking Analysis

| # | query_id | Table | Masking Fields | INSERT Value | In UPDATE? | Status |
|---|----------|-------|---------------|-------------|-----------|--------|
| 1 | m_xxx    | TABLE | FIELD1, FIELD2| test data   | excluded  | ✅ safe |

## Conclusion
[Overall assessment]

Masking Fields Reference (thomas project)

Table	Masking Fields
SELL_DELIY_ADDR	ADDR1, ADDR2, RECIPIENT, RECIPIENT2, TEL, HP, SSN, SSN_ENC
SELL_DELIY_ADDR_ADD	PASS_NO, ACCT_NO, ACCT_NM, BIRTH
SELL_CER	TEL, HP, EMAIL
SELL / SELL_ADD	SSN, ACCT_NO
ONLINE_EVENT	USER_NM, CH_INFO, BIRTH, TEL
USER	USER_NM, EMAIL, TEL, HP
USER_DELIY_ADDR	ADDR1, ADDR2, RECIPIENT, TEL, HP

Badges

🔒 — SELECT가 마스킹 대상 필드 접근
⚠️ MASKED DATA — INSERT/UPDATE 값에 마스킹 패턴 감지
⚠️ VIOLATION — UPSERT UPDATE 절에 마스킹 필드 포함

Notes

p6spy 로그는 같은 쿼리를 여러 connection에서 중복 출력 → 자동 제거
m_user_action_merge는 ActionRunner 자동 감사 로그 → 별도 표시
actionSetWithoutMasking() 패턴 사용 여부도 코드 레벨에서 확인 권장