database-agent
/install database-agent
Database Agent 数据库智能助手
概述
本技能为 Java 后端开发提供智能数据库辅助能力,支持慢 SQL 分析、表结构规范巡检、安全数据订正和测试数据生成等自动化功能。可自动识别索引缺失、全表扫描、字段不规范等问题,生成优化建议与修复脚本;在数据订正时自动校验风险,防止无 WHERE 条件更新删除;并根据表结构智能生成业务合规的测试数据,大幅提升数据库开发与维护效率。
核心能力
1. 慢 SQL 分析
何时使用: 用户报告慢查询、性能问题或需要 SQL 优化时。
功能特性:
- 解析 SQL 执行计划,识别性能瓶颈
- 检测全表扫描、缺失索引和低效 JOIN
- 分析慢查询日志,定位问题查询
- 生成优化建议和索引创建脚本
使用方法:
- 使用
scripts/analyze_slow_sql.py分析 SQL 语句或执行计划 - 参考
references/sql_optimization_rules.md了解优化模式 - 生成包含具体建议的报告
示例场景:
- "分析这条慢 SQL:SELECT * FROM orders WHERE user_id = ?"
- "优化这个执行太慢的查询"
- "查找这个查询为什么做全表扫描"
2. 表结构规范巡检
何时使用: 用户需要根据最佳实践和标准验证数据库 schema 时。
功能特性:
- 检查字段命名规范(snake_case、无保留字)
- 验证数据类型和长度
- 检测缺失的主键或索引
- 识别不合规的默认值或可空字段
- 生成规范报告和修复脚本
使用方法:
- 使用
scripts/check_schema_compliance.py检查表结构 - 参考
references/database_standards.md了解规范规则 - 使用
scripts/generate_report.py导出结果到 Excel 报告
示例场景:
- "检查这个表结构是否符合最佳实践"
- "验证我们的数据库 schema 是否符合标准"
- "为所有表生成规范报告"
3. 安全数据订正
何时使用: 用户需要安全地执行批量数据更新或删除时。
功能特性:
- 验证 UPDATE/DELETE 语句的安全风险
- 检测缺失的 WHERE 子句(防止全表更新/删除)
- 识别危险操作(如更新主键)
- 要求对高风险操作进行确认
- 生成备份和回滚脚本
使用方法:
- 使用
scripts/validate_data_correction.py检查 SQL 安全性 - 参考
references/safe_operation_guidelines.md了解风险模式 - 执行前必须生成回滚脚本
示例场景:
- "将所有用户状态更新为激活"
- "删除 1 年前的记录"
- "帮我安全地订正这些数据"
关键安全规则:
- 永远不要执行没有 WHERE 子句的 UPDATE/DELETE
- 始终生成备份脚本
- 对影响超过 1000 行的操作要求明确确认
- 记录所有数据订正操作
4. 测试数据生成
何时使用: 用户需要用真实数据填充测试环境时。
功能特性:
- 根据表结构智能生成测试数据
- 遵循外键关系
- 支持自定义数据模式(邮箱、电话、日期)
- 生成业务合规数据(如有效的订单金额、真实的姓名)
- 按正确的依赖顺序创建数据
使用方法:
- 使用
scripts/generate_test_data.py创建测试数据 - 参考
references/test_data_patterns.md了解数据生成规则 - 通过 JSON 配置文件配置数量和模式
示例场景:
- "为数据库生成 1000 个测试用户"
- "创建包含真实数据的样本订单"
- "用样本数据填充测试环境"
工作流程
SQL 分析任务
- 接收 SQL 语句或执行计划
- 运行
scripts/analyze_slow_sql.py识别问题 - 生成优化建议
- 可选地创建索引创建脚本
Schema 验证任务
- 连接数据库或接收 DDL 语句
- 运行
scripts/check_schema_compliance.py - 生成规范报告
- 可选地生成修复脚本
数据订正任务
- 接收 UPDATE/DELETE SQL 语句
- 运行
scripts/validate_data_correction.py进行安全检查 - 如果安全,生成备份脚本
- 要求用户确认
- 执行并记录日志
测试数据生成任务
- 接收表结构或连接数据库
- 配置数据模式和数量
- 运行
scripts/generate_test_data.py - 按依赖顺序生成 INSERT 语句
资源
scripts/ 脚本目录
analyze_slow_sql.py- 分析 SQL 性能并生成优化建议check_schema_compliance.py- 根据标准验证表结构validate_data_correction.py- 验证数据修改操作的安全性generate_test_data.py- 根据表结构生成智能测试数据generate_report.py- 导出分析结果到 Excel 格式database_connector.py- JDBC 数据库连接工具
references/ 参考文档
sql_optimization_rules.md- SQL 优化最佳实践和模式database_standards.md- 数据库命名约定和设计标准safe_operation_guidelines.md- 数据操作的风险模式和安全规则test_data_patterns.md- 数据生成模式和业务规则
assets/ 资产文件
compliance_rules.json- 可配置的规范规则定义test_data_config.json- 测试数据生成配置模板report_template.xlsx- 规范报告的 Excel 报告模板
重要提示
- 执行数据库操作前始终验证用户权限
- 记录所有操作以便审计追踪
- 为任何数据修改生成回滚脚本
- 首先在非生产环境中测试生成的脚本
- 遵守数据库连接限制和查询超时
- 对大数据量使用批量操作
- 确保已安装 OpenClaw(本地或 Docker 部署)
- 在对话框中输入安装命令:
/install database-agent - 安装完成后,直接呼叫该 Skill 的名称或使用
/database-agent触发 - 根据 Skill 的参数说明提供必要输入,即可获得结构化输出
database-agent 是什么?
本技能应用于 Java 后端开发场景中的数据库操作。提供慢 SQL 智能分析、表结构规范巡检、安全数据订正与测试数据自动生成的自动化辅助能力。当用户请求数据库优化、schema 验证、安全数据更新或需要为数据库生成测试数据时使用此技能。 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件,目前累计下载 263 次。
如何安装 database-agent?
在 OpenClaw 或 Claude Code 对话框中运行命令「/install database-agent」即可一键安装,无需额外配置。
database-agent 是免费的吗?
是的,database-agent 完全免费,采用 MIT-0 许可证,可自由下载、安装和使用。
database-agent 支持哪些平台?
database-agent 跨平台运行,可在任意部署了 OpenClaw / Claude Code 的环境中使用(cross-platform)。
谁开发了 database-agent?
由 ningwang770(@ningwang770)开发并维护,当前版本 v1.0.0。