Sql

postgres-patterns est une fiche pratique de référence rapide PostgreSQL pour l’optimisation des requêtes, la conception de schémas, l’indexation, la Row Level Security et le pool de connexions. Il aide les workflows d’ingénierie des bases de données à prendre des décisions plus rapides et plus fiables grâce à des bonnes pratiques concises, plutôt qu’à un prompt générique.

kotlin-exposed-patterns est un guide pratique pour l’ingénierie de bases de données en Kotlin avec JetBrains Exposed. Il couvre les requêtes DSL, le pattern DAO, `newSuspendedTransaction`, HikariCP, les migrations Flyway et les frontières de repository pour une couche d’accès aux données maintenable.

jpa-patterns est un guide pratique JPA/Hibernate pour le développement backend avec Spring Boot. Il couvre la conception des entités, les relations, l’optimisation des requêtes, les transactions, l’audit, la pagination et le pooling afin de réduire les erreurs ORM et d’améliorer les performances de la persistance.

La compétence database-migrations aide les équipes backend à planifier des changements de schéma sûrs, des backfills de données, des rollbacks et des déploiements sans interruption pour PostgreSQL, MySQL et les ORM courants. Utilisez-la pour des guides de database-migrations en production lorsque vous avez besoin d’étapes claires, de moins de verrous et de changements réversibles.

clickhouse-io est une skill centrée sur ClickHouse pour la conception de schémas, le SQL analytique, les patterns d’ingestion et l’optimisation des performances. Utilisez-la pour guider le choix des MergeTree, le partitionnement, les vues matérialisées et l’optimisation des requêtes selon la charge de travail.

data-analyst est une skill GitHub minimaliste qui oriente les agents vers SQL, pandas et l’analyse statistique de base pour l’exploration de données. Elle convient surtout aux utilisateurs qui veulent obtenir, depuis une seule couche de prompt SKILL.md, des requêtes, des transformations et des interprétations appuyées par du code.

Snowflake Automation aide les agents à utiliser Composio MCP pour découvrir des bases de données Snowflake, parcourir les schémas et les tables, exécuter du SQL et gérer des workflows d’ingénierie de bases de données avec le contexte de rôle, de warehouse, de filtre, de délai d’expiration et de sécurité.

googlebigquery-automation aide les agents à utiliser Rube MCP et Metabase pour accéder aux données BigQuery, vérifier les connexions, inspecter les métadonnées et lancer des analyses en SQL natif ou en MBQL sans deviner les schémas.

sql-optimization-patterns aide à diagnostiquer les SQL lentes grâce à l’analyse EXPLAIN, aux stratégies d’indexation, à l’optimisation des jointures, aux correctifs de pagination et à des conseils concrets de réécriture de requêtes pour les équipes d’ingénierie base de données.

dbt-transformation-patterns aide les agents à structurer des projets dbt avec des couches staging, intermediate et marts, ainsi qu’avec des recommandations sur les tests, la documentation et les modèles incrémentaux. Utilisez-la pour préparer une installation, poser l’ossature d’un nouveau repo ou refactorer du SQL vers des patterns d’analytics engineering plus propres pour les équipes Database Engineering.

spark-optimization est un guide pratique pour diagnostiquer les jobs Apache Spark lents grâce au partitionnement, au shuffle, au skew, au caching et au réglage mémoire. Utilisez-le pour installer la skill depuis wshobson/agents, consulter SKILL.md et appliquer des correctifs fondés sur des indices concrets issus de Spark UI, des paramètres du cluster et des schémas de requêtes.

postgresql-table-design aide les agents à concevoir ou relire des schémas PostgreSQL grâce à des règles concrètes sur les clés, la normalisation, les types de données, les contraintes, les index de clés étrangères et les pièges propres à PostgreSQL.

database-migration aide à planifier et générer des migrations de schéma et de données dans des workflows ORM et SQL, avec sécurité de rollback, déploiements progressifs et recommandations zero-downtime pour les équipes d’ingénierie base de données en production.

sql-database-assistant aide les ingénieurs base de données à écrire du SQL, analyser les performances des requêtes, préparer des migrations, explorer des schémas et faire le lien avec les patterns ORM dans PostgreSQL, MySQL, SQLite, SQL Server, Prisma, Drizzle, TypeORM et SQLAlchemy.

database-designer est une skill de Database Engineering pour analyser des schémas, recommander des index, choisir entre SQL et NoSQL, et planifier des migrations sûres avec des assistants Python et des références.

dummy-dataset génère des données de test réalistes au format CSV, JSON, SQL ou script Python. Il est utile pour créer des jeux de données fictifs, des démonstrations, du remplissage initial de bases de données, des tests QA et du nettoyage de données, en vous permettant de définir les colonnes, le nombre de lignes et des contraintes pour obtenir des exemples crédibles.

Le skill sql-queries transforme des questions métier et des objectifs d’analyse approximatifs en SQL optimisé pour BigQuery, PostgreSQL, MySQL et d’autres dialectes. Il prend en compte le contexte du schéma, précise les filtres et les agrégations, et aide à produire des sql-queries pour l’analyse de données, le reporting et l’exploration.

azure-resource-manager-sql-dotnet aide les développeurs backend à approvisionner et gérer des ressources Azure SQL depuis .NET avec Azure Resource Manager. Utilisez-le pour les serveurs, bases de données, pools élastiques, règles de pare-feu et groupes de basculement. Il est destiné aux tâches de plan de gestion, pas aux requêtes SQL ni à l’accès aux données ; pour cela, utilisez Microsoft.Data.SqlClient.

supabase-postgres-best-practices est un skill d’optimisation Supabase Postgres dédié au tuning des requêtes, à l’indexation, à la conception de schéma, aux performances RLS, au verrouillage et à la gestion des connexions.

database-schema-designer aide les développeurs et ingénieurs base de données à concevoir des schémas SQL ou NoSQL prêts pour la production, avec normalisation, indexation, contraintes et planification des migrations. Inclut des formulations de déclenchement, une checklist de conception de schéma et un modèle de migration pour générer et relire des schémas de façon concrète.

database-schema aide les agents à lire le contrat de la base de données avant d’écrire des requêtes, des migrations ou du code de modèle. Il réduit les mauvais noms de colonnes, les champs manquants et les incohérences de type en vérifiant d’abord les fichiers de schéma et les types générés. Utilisez ce guide database-schema pour des workflows d’ingénierie de base de données plus sûrs.

La skill query exécute des requêtes DuckDB sur une base de données attachée ou directement sur des fichiers. Elle accepte du SQL ou des questions en langage naturel, prend en charge les modes session et ad hoc, et convient à l’analyse de données, aux vérifications rapides et au travail itératif de requête avec DuckDB Friendly SQL.

attach-db vous aide à attacher un fichier de base de données DuckDB pour lancer immédiatement des requêtes avec /duckdb-skills:query. Le skill valide le fichier, vérifie que DuckDB est installé, examine les détails du schéma et écrit un état partagé afin que les requêtes suivantes puissent se rétablir automatiquement avec `duckdb -init`. Pensé pour les workflows d’ingénierie de bases de données qui ont besoin d’un guide attach-db fiable.

clickhouse-best-practices est un skill de bonnes pratiques ClickHouse pour l’ingénierie des bases de données. Il guide la conception du schéma, l’optimisation des requêtes, la stratégie d’insertion et la connexion des agents avec des recommandations fondées sur des règles, afin de faciliter le déclenchement, la revue et la citation de l’usage de clickhouse-best-practices dans les workflows ClickHouse.