sql-queries

sql-queries 技能概览

sql-queries 技能能做什么

sql-queries 技能会把业务问题和初步的分析目标转成适用于常见数仓和数据库的 SQL。它最适合的场景是：你已经知道想要什么结果，却还不清楚该怎么写出正确的 joins、filters、aggregations 或方言语法。

谁应该使用它

如果你是产品经理、分析师、数据工程师，或者正在做报表、探索分析、临时分析的 AI 用户，就可以使用 sql-queries。当你需要一条能匹配具体 schema、而不是通用模板的 sql-queries for Data Analysis 查询时，它尤其有帮助。

它为什么不一样

这个技能不只是“根据提示词写 SQL”。它会要求提供 schema 上下文，询问目标 dialect，并尽量输出经过优化、便于解释的结果。也正因为如此，当查询正确性、性能和表关系比单纯速度更重要时，它会更合适。

如何使用 sql-queries 技能

安装 sql-queries

使用下面的 repo 路径安装该技能：
npx skills add phuryn/pm-skills --skill sql-queries

对于 sql-queries install，请先确认技能已经添加到 pm-data-analytics/skills/sql-queries 下，然后在工作流中使用之前先打开技能文件查看。

先准备好正确的输入

一条高质量的 sql-queries usage，通常从三项信息开始：问题、SQL dialect 和 schema。一个好的提示词应该说明你需要什么指标或哪些行数据、时间范围或过滤条件，以及任何分组或排序规则。

好的输入：

• “写一条 PostgreSQL 查询，展示过去 12 周按注册 cohort 划分的每周活跃用户数。”
• “使用这个 BigQuery schema，找出按总收入排名前 20 的客户，并排除退款。”

较弱的输入：

• “帮我给我的数据写个 SQL 查询。”

先阅读 repo 文件

先打开 SKILL.md，再查看附近可能存在的仓库说明，例如 README.md、AGENTS.md、metadata.json 或支持文件夹。在这个 repo 里，SKILL.md 是主要事实来源，所以最快的做法是先读清楚用途、工作流步骤和示例模式，再去发起提示。

组织请求，让输出更好

给这个技能足够结构，才能让它更准确地推断 joins 和指标。已知的话就直接提供表名；说明你想要的是基于 CTE 的查询还是紧凑版查询；还要说明结果是希望能直接运行，还是需要大量注释。如果数据库很大，也要写明性能约束，比如限制扫描范围、避免 cross joins，或者优先使用日期分区过滤。

sql-queries 技能常见问题

sql-queries 只适合有经验的 SQL 用户吗？

不是。它也能帮助初学者，但如果你能用自然语言准确说出想要的数据，结果会好得多。若你连指标、粒度或日期窗口都描述不清，通常就需要反复迭代几轮。

sql-queries 支持哪些数据库？

这个技能面向 BigQuery、PostgreSQL、MySQL 以及其他 dialect，并且会明确要求你确认目标 engine。这个 dialect 检查很重要，因为函数、引号、日期处理方式和性能模式都会不同。

什么时候不该用 sql-queries？

如果你需要的是经过完全验证的生产级查询，但又无法提供足够的 schema 细节，就不适合用它；如果任务更接近数据库设计，而不是查询编写，也不适合。对于那些过于模糊、无法转成可度量结果的问题，它的匹配度也较弱。

它和普通提示词有什么不同？

普通提示词也许能生成一条看起来可行的查询，但 sql-queries 技能会把流程推向 schema 阅读、dialect 选择、优化和可测试性。这样一来，当查询依赖真实表结构时，能减少大量猜测。

如何改进 sql-queries 技能

把 schema 和意图一起提供

提升质量最有效的方法，就是把业务问题和表结构配套提供。把列名、表关系和已知边界情况一起给出来，这样技能就能选对 join 路径和聚合粒度，而不是自己臆造。

说明会改变查询的约束

如果你在意性能，就直接说出来。比如是否要排除 null、去重用户、处理退款、考虑时区，或者只筛选分区日期。这些细节往往比问题本身的措辞更能改变 SQL。

第一版就要求校验

一套好的 sql-queries guide 工作流是：先生成查询，检查假设，再在发现问题时要求第二版。如果第一版答案过于宽泛，就让技能简化 joins、解释每个 CTE，或者改写成另一种 dialect。

把输出当草稿，不要盲目当最终版

这个技能最好作为查询加速器来用。运行之前先检查 join keys、分组粒度和过滤逻辑，尤其是在 sql-queries for Data Analysis 场景下，粒度只要有一点偏差，就可能把结果拉歪。