sql-optimization-patterns

Überblick über die sql-optimization-patterns-Skill

Was sql-optimization-patterns leistet

Die sql-optimization-patterns-Skill unterstützt einen Agenten dabei, langsame SQL-Abfragen zu diagnostizieren, verständlich zu erklären, warum eine Query langsam ist, und konkrete Verbesserungen bei Query-Struktur, Indizes, Joins, Pagination und der Auswertung von Ausführungsplänen vorzuschlagen. Besonders nützlich ist sie, wenn bereits ein echtes Performance-Problem vorliegt und du einen strukturierten Optimierungs-Workflow brauchst statt generischer Hinweise wie „füge einen Index hinzu“.

Für wen sich die Installation lohnt

Diese Skill passt gut zu Backend-Entwicklern, Datenbankingenieuren, Platform-Teams und Anwendungsentwicklern, die Queries gezielt beschleunigen wollen, ohne im Blindflug zu optimieren. Besonders relevant ist sie für Teams, die mit PostgreSQL-artiger EXPLAIN-Ausgabe arbeiten; die zugrunde liegenden Denkmuster lassen sich aber auch auf andere relationale Datenbanken übertragen.

Der konkrete Job-to-be-done

Nutzer brauchen in der Regel mehr als nur einen Syntax-Check. Typischerweise geht es darum:

• herauszufinden, warum eine Query langsam ist
• Symptome im Plan auf wahrscheinliche Ursachen zurückzuführen
• zwischen Query-Rewrite und Index-Änderungen sinnvoll zu wählen
• „Fixes“ zu vermeiden, die eine Query beschleunigen, aber Schreiblast oder Speicherverbrauch verschlechtern
• Trade-offs im Team klar zu kommunizieren

Genau hier ist sql-optimization-patterns deutlich hilfreicher als ein einfacher Prompt.

Was diese Skill anders macht

Der wichtigste Unterschied ist der musterorientierte Ansatz. Sie sagt nicht nur „optimiere SQL“, sondern lenkt den Agenten auf praxisnahe Themen aus dem Datenbank-Engineering, zum Beispiel:

• EXPLAIN und EXPLAIN ANALYZE lesen
• Sequential Scans, ungünstige Join-Entscheidungen und ineffiziente Pagination erkennen
• Index-Strategien bewusst auswählen
• häufige Anti-Patterns wie N+1-Zugriffsmuster behandeln

Wann sql-optimization-patterns gut passt – und wann eher nicht

Guter Fit:

• eine bekannte langsame Query
• ein Query-Plan, den du einfügen kannst
• verfügbare Schema-Details, Indizes und Kontext zu Zeilenmengen
• Performance-Arbeit mit Bezug auf API-Latenz oder Datenbanklast

Schwächerer Fit:

• kein Query-Text
• kein Ausführungsplan
• rein ORM-bezogene Architekturfragen ohne Sicht auf das SQL
• herstellerspezifisches Tuning, das von Engine-Interna abhängt, die im Prompt nicht mitgeliefert werden

So verwendest du die sql-optimization-patterns-Skill

Installationskontext für sql-optimization-patterns

Das Repository stellt in SKILL.md keinen eigenen Installer bereit. Installiere die Skill daher über deinen üblichen Skill-Loading-Workflow für das Repository wshobson/agents und stelle anschließend sicher, dass dein Agent auf die Skill mit dem Namen sql-optimization-patterns zugreifen kann.

Wenn deine Umgebung den üblichen Skills-Flow verwendet, ist der praktikable Weg: Repository hinzufügen und die Skill dann in einer Task per Namen aufrufen, die klar eine SQL-Optimierungsanalyse verlangt.

Diese Datei zuerst lesen

Starte mit:

• plugins/developer-essentials/skills/sql-optimization-patterns/SKILL.md

Diese Skill ist in sich geschlossen. Im Skill-Ordner gibt es keine ergänzenden references/, rules/ oder Skripte, daher steckt der Großteil der nutzbaren Anleitung in genau dieser einen Datei. Das ist gut für eine schnelle Einführung, bedeutet aber auch: Die Qualität deiner Eingaben zählt umso mehr.

Welche Eingaben die Skill braucht

Für belastbare Ergebnisse solltest du dem Agenten Folgendes geben:

• die SQL-Query
• Datenbank-Engine und Version, falls bekannt
• Tabellenschemata oder relevante Spalten
• vorhandene Indizes
• Größenordnung der Zeilenanzahl oder grobe Tabellengrößen
• die Ausgabe von EXPLAIN oder EXPLAIN ANALYZE
• das fachliche Ziel, zum Beispiel „reduce P95 endpoint latency“

Ohne Plan-Daten kann der Agent zwar weiterhin Muster und mögliche Ansätze nennen, die Empfehlungen sind dann aber deutlich weniger verlässlich.

Minimal brauchbarer Prompt

Ein funktionierender Prompt für die sql-optimization-patterns usage sieht zum Beispiel so aus:

Use the sql-optimization-patterns skill.

Database: PostgreSQL 15
Goal: reduce this query from 2.4s to under 200ms
Tables:
- users(id, email, created_at, status)
- orders(id, user_id, order_total, created_at)

Current indexes:
- users_pkey(id)
- orders_user_id_idx(user_id)

Query:
SELECT u.*, o.order_total
FROM users u
JOIN orders o ON u.id = o.user_id
WHERE u.created_at > NOW() - INTERVAL '30 days'
ORDER BY u.created_at DESC
LIMIT 100;

EXPLAIN ANALYZE:
[paste full plan]

Please identify likely bottlenecks, explain the plan, recommend query/index changes, and rank fixes by expected impact and risk.

Wie du aus einer groben Anfrage eine starke machst

Schwache Anfrage:

Make this SQL faster.

Starke Anfrage:

Use sql-optimization-patterns for Database Engineering.

I need:
1. plan interpretation
2. likely root cause
3. index recommendations with rationale
4. query rewrite options
5. tradeoffs for write amplification and storage
6. a safe rollout order

Engine: PostgreSQL 14
Traffic pattern: read-heavy API endpoint
Data scale: users 8M rows, orders 120M rows
Current problem: endpoint P95 is 1.8s, DB CPU spikes during peak
Query: [paste]
Plan: [paste]
Existing indexes: [paste]

Der zweite Prompt funktioniert besser, weil er der Skill genug operativen Kontext gibt, um Maßnahmen zu priorisieren, statt nur allgemeine Tipps aufzulisten.

Praktischer Workflow für die besten Ergebnisse

Ein sinnvoller Workflow ist:

1. die exakte Query und den vollständigen Plan einfügen
2. den Agenten bitten, die größten Kostentreiber in klarem, einfachem Deutsch zu erklären
3. nach 2–3 konkreten Maßnahmen fragen, nicht nach 10
4. für jede Maßnahme erwartete Vor- und Nachteile anfordern
5. zuerst die Änderung mit dem geringsten Risiko umsetzen
6. EXPLAIN ANALYZE erneut ausführen
7. Vorher und Nachher vergleichen

So bleibt die sql-optimization-patterns-Skill auf messbare Ergebnisse fokussiert statt in spekulatives Tuning abzurutschen.

Worin die sql-optimization-patterns-Skill besonders stark ist

Das Ausgangsmaterial betont vor allem:

• Interpretation von EXPLAIN
• Index-Strategie
• Analyse von Join-Mustern
• effiziente Pagination
• N+1-Query-Probleme

Damit ist die Skill besonders stark bei Optimierung auf Query-Ebene sowie bei Schema- und Index-Entscheidungen – nicht nur bei SQL-Formatierung.

Was du explizit anfragen solltest

Damit du bei sql-optimization-patterns install und in der Nutzung bessere Ergebnisse bekommst, solltest du den Agenten gezielt nach Folgendem fragen:

• „the single biggest bottleneck in this plan“
• „whether a new index or a query rewrite is the better first move“
• „which scan/join types are hurting me“
• „whether the query can become index-only“
• „how this change affects writes, vacuum, or storage“
• „what to measure after rollout“

Solche Fragen erzwingen Priorisierung – und genau das trennt oft hilfreiche Antworten von bloßem Rauschen.

Typische Hürden bei der Einführung

Die größten Blocker sind meist keine Installationsprobleme, sondern fehlende Belege:

• nur ein unvollständiger Plan
• keine Informationen zur Tabellengröße
• keine Liste der aktuellen Indizes
• ORM-generiertes SQL ohne fachlichen Kontext
• Fragen nach „best practices“ statt nach einer realen Problemstelle

Wenn du nur den Query-Text lieferst, bekommst du eher breite Vorschläge. Wenn du Plan, Schema und Workload-Kontext mitgibst, wird die Skill deutlich nützlicher für echte Entscheidungen.

So interpretierst du die Ausgabe sicher

Behandle nicht jeden vorgeschlagenen Index als kostenlosen Gewinn. Ein guter sql-optimization-patterns guide-Ansatz ist, immer zu prüfen:

• ob Filter- oder Join-Prädikate tatsächlich zur vorgeschlagenen Index-Reihenfolge passen
• ob die Query selektiv genug ist, um davon zu profitieren
• ob ein zusammengesetzter Index sinnvoller ist als mehrere Einzelspalten-Indizes
• ob die Maßnahme eine Query verbessert, dafür aber Inserts/Updates verschlechtert

Die Skill ist am stärksten, wenn du ihre Vorschläge als Hypothesen verstehst, die du sofort testen kannst.

FAQ zur sql-optimization-patterns-Skill

Lohnt sich sql-optimization-patterns auch, wenn ich SQL bereits gut beherrsche?

Ja – wenn du unter Zeitdruck konsistente Optimierungsanalysen willst. Der Mehrwert liegt nicht in grundlegender SQL-Kenntnis, sondern im strukturierten Musterkatalog rund um Pläne, Scan-Typen, Joins und Index-Entscheidungen.

Ist diese Skill anfängerfreundlich?

Ziemlich, aber Einsteiger sollten sie mit echten Beispielen verwenden. Viel klarer wird die Skill, wenn du Query-Text direkt mit der Ausgabe von EXPLAIN ANALYZE vergleichst. Wenn du mit Ausführungsplänen noch nicht vertraut bist, bitte den Agenten zuerst darum, jeden wichtigen Knoten in einfacher Sprache zu erklären, bevor er Änderungen empfiehlt.

Warum ist das besser als ein normaler AI-Prompt?

Ein normaler Prompt liefert oft allgemeine Tuning-Tipps. Die sql-optimization-patterns skill ist dagegen auf einen wiederholbaren Optimierungs-Workflow ausgerichtet und auf die praktischen Signale, die im Datenbank-Engineering wirklich zählen – vor allem Plan-Interpretation und Index-Strategie.

Braucht sql-optimization-patterns PostgreSQL?

Nein, aber die Beispiele sind klar PostgreSQL-lastig. Wenn du MySQL, SQLite, SQL Server oder eine andere Engine nutzt, gib den Engine-Namen und die entsprechende Plan-Ausgabe mit an, damit der Agent die Hinweise passend anpassen kann.

Wann sollte ich sql-optimization-patterns nicht verwenden?

Du solltest nicht hier starten, wenn das Hauptproblem eher bei folgenden Themen liegt:

• connection pooling
• lock contention ohne Query-Belege
• Infrastruktur-Sättigung außerhalb der Datenbank
• fehlende Caching-Strategie auf Anwendungsebene
• ORM-Fehlgebrauch, der das tatsächliche SQL verdeckt

In solchen Fällen kann die Skill später hilfreich sein, ist aber nicht das erste Werkzeug.

Kann die Skill auch bei Schema-Design helfen und nicht nur bei einer langsamen Query?

Ja. Die Skill deckt auch Index-Strategien und skalierbare Query-Muster ab und kann deshalb Schema-Entscheidungen unterstützen. Am wirkungsvollsten ist sie aber weiterhin dann, wenn sie an Zugriffsmuster, erwartete Filter, Joins, Sortierreihenfolgen und Datenvolumen gekoppelt ist.

So verbesserst du die sql-optimization-patterns-Skill

Gib sql-optimization-patterns bessere Belege

Der schnellste Weg zu besseren Ergebnissen ist, Folgendes mitzuliefern:

• vollständigen Query-Text statt einer Umschreibung
• vollständige Plan-Ausgabe statt nur der ersten Zeilen
• echte Laufzeiten aus EXPLAIN ANALYZE, wenn das sicher möglich ist
• vorhandene Indizes
• ungefähre Kardinalitäten und Zeilenanzahlen
• ob der Workload read-heavy oder write-heavy ist

Bessere Belege führen zu glaubwürdigeren Empfehlungen und zu weniger irrelevanten Index-Vorschlägen.

Bitte um priorisierte Empfehlungen

Die Skill ist deutlich nützlicher, wenn du darum bittest, Maßnahmen nach folgenden Kriterien zu priorisieren:

• erwarteter Einfluss auf die Latenz
• Implementierungsaufwand
• operatives Risiko
• Schreib-Overhead
• Reversibilität

So kann ein Team eine konkrete Entscheidung treffen, statt nur Ideen zu sammeln.

Erzwinge Trade-off-Analysen

Ein häufiger Fehler ist, eine leseoptimierte Lösung zu akzeptieren, die teure Writes oder aufgeblähte Indizes verursacht. Verbessere die Ausgabe von sql-optimization-patterns, indem du gezielt fragst:

• „What does this index cost on inserts and updates?“
• „Will this create redundant indexes?“
• „Would partitioning or a rewrite be better than another index?“
• „Is keyset pagination better here than offset pagination?“

Arbeite mit Vorher-Nachher-Iterationen

Nach der ersten Empfehlung solltest du den Plan erneut laufen lassen und die Skill bitten, Folgendes zu vergleichen:

• ursprünglicher Bottleneck
• neuer Bottleneck
• was sich verbessert hat
• was weiterhin teuer ist
• ob sich die nächste Optimierung überhaupt noch lohnt

Das ist der verlässlichste Weg, die Skill in einen Optimierungszyklus zu verwandeln statt in eine einmalige Antwort.

Achte auf typische Fehlermuster

Die häufigsten Fehler sind:

• Optimierung ohne ANALYZE-Daten
• Indizes für Filter mit niedriger Selektivität hinzufügen
• Join-Reihenfolge und Kardinalitätsschätzungen ignorieren
• SQL umschreiben, ohne den neuen Plan zu validieren
• sich auf eine einzelne Query konzentrieren und dabei ein vorgelagertes N+1-Muster übersehen

Du kannst diese Fehler reduzieren, indem du den Agenten bittest, Annahmen vor jeder Empfehlung explizit zu nennen.

Prompt-Muster, die die Ausgabequalität verbessern

Verwende Prompts wie diesen:

Use the sql-optimization-patterns skill and do not give generic advice.
Base recommendations on the query plan provided.
For each proposed fix, explain:
1. why it should help
2. what plan node it targets
3. what tradeoff it introduces
4. how to validate it after deployment

Dieses Format zwingt den Agenten dazu, jede Empfehlung mit konkreten Belegen aus dem Plan zu verknüpfen.

Teamweite Nutzung verbessern

Wenn diese Skill einem Team helfen soll, standardisiere die Eingabevorlage:

• engine/version
• query
• schema
• indexes
• plan
• table sizes
• target latency
• workload notes

So reduzierst du Streuung in den Inputs und machst sql-optimization-patterns for Database Engineering über Incidents und Code-Reviews hinweg deutlich besser wiederholbar.