← 返回 Skills 市场
259
总下载
0
收藏
0
当前安装
15
版本数
在 OpenClaw 中安装
/install dbcheck
功能描述
执行 MySQL、PostgreSQL、Oracle、SQL Server、DM8 数据库健康巡检，内置 100+ 条增强风险分析规则 + 本地 Ollama AI 大模型诊断建议，一键生成专业 Word 巡检报告。适用于 DBA 和运维人员快速掌握数据库运行状况、排查风险。项目地址：https://github...
使用说明 (SKILL.md)
\r \r
DBCheck — 数据库自动化巡检工具\r
\r
安全声明（必读）\r \r 本 Skill 的数据流向完全可控，如下所示：\r
用户凭据 → [本地 Python 脚本] → 数据库服务器 → 巡检结果 → [本地 Word 报告]\r ↘\r → [本地 Ollama] → AI 建议（可选）\r ```\r \r - ✅ **数据库凭据**：仅用于建立连接，**不会写入磁盘持久文件**，**不会发送到任何第三方**\r - ✅ **AI 诊断**：**仅支持本地部署的 Ollama**（地址必须为 localhost / 127.0.0.1），代码层面强制校验，**不支持 OpenAI / DeepSeek 等任何远程 API**\r - ✅ **SSH 连接**：使用 `AutoAddPolicy` 自动接受主机密钥（适用于内网可信环境），连接仅用于采集系统资源指标\r - ✅ **本地文件写入**：巡检结果以 Word 报告形式保存在本地 `reports/` 目录；`history.json` 存储历史趋势数据（纯数值指标）；`autoDoc.log` 为运行日志。**所有文件均在本地，不含敏感凭据**\r - ⚠️ **限制**：本 Skill 仅用于合法授权的数据库巡检，请勿用于未授权访问\r
\r
核心能力\r
\r | 能力 | 说明 |\r |------|------|\r | 📊 100+ 条增强风险规则 | 覆盖 MySQL 18+ / PostgreSQL 16+ / Oracle 20+ / SQL Server 15+ / DM8 16+ 全维度，每条附修复 SQL |\r | 🤖 AI 智能诊断（仅本地 Ollama） | 调用本地部署的大模型（需安装 Ollama）生成个性化优化建议，API 地址强制校验为 localhost，数据绝不外传 |\r | 📈 历史趋势分析 | 多次巡检数据聚合，生成指标趋势折线图（存储在本地 history.json） |\r | 🌐 Web UI 可视化 | 浏览器完成全部操作，含趋势图和 AI 配置页面 |\r \r
安全架构详解\r
\r
数据不外传的保障机制\r
\r
- 代码层硬限制：
AIAdvisor类在初始化时检查 backend 值，openai/deepseek/custom等非 ollama 值会被强制降级为disabled\r - URL 地址校验：Ollama 的 API URL 必须是
localhost或127.0.0.1，非本地地址会导致 AI 诊断自动禁用\r - Web API 校验：
/api/ai_config接口保存配置时同时校验 backend 和 URL，双重保险\r - 无远程 API 代码：已移除
_call_openai()等所有远程调用方法，仅保留_call_ollama()\r \r
本地文件说明\r
\r
| 文件/目录 | 用途 | 是否含敏感信息 |\r
|-----------|------|----------------|\r
| reports/*.docx | 巡检 Word 报告 | 含数据库结构和配置（不含密码） |\r
| history.json | 历史趋势数据 | 仅含数值指标（CPU/内存/连接数等） |\r
| autoDoc.log | 运行日志 | 含执行过程信息（不含密码） |\r
\r
支持的数据库\r
\r | 数据库 | 驱动 | 默认端口 | SSH 系统采集 | 特有巡检项 |\r |--------|------|---------|-------------|-----------|\r | 🐬 MySQL | pymysql | 3306 | ✅ 支持 | 主从复制、binlog、查询缓存 |\r | 🐘 PostgreSQL | psycopg2 | 5432 | ✅ 支持 | 归档模式、缓存命中率、dead tuples |\r | 🔴 Oracle | oracledb / cx_Oracle | 1521 | ✅ 支持 | 表空间、SGA/PGA、RAC、ASM、Data Guard、Redo、备份 |\r | 🟠 SQL Server | pyodbc (ODBC Driver 17) | 1433 | ❌ 不支持 | 等待统计、锁与阻塞、备份检查 |\r | 🟡 DM8 | dmpython | 5236 | ✅ 支持 | 表空间、SGA/PGA、DM8 缓冲池、备份、DM8 特有视图 |\r \r
DM8 SSH 说明：通过 SSH 采集达梦服务器的主机级系统信息（CPU/内存/磁盘）。连接失败时自动降级为本地采集器。\r \r
触发条件\r
\r 当用户请求以下任意一项时，加载本 Skill 并执行：\r \r
- 对数据库做健康检查 / 健康巡检 / 体检\r
- 检查 MySQL / PostgreSQL / Oracle / SQL Server / DM8（达梦）的运行状态、连接数、缓存命中率等\r
- 生成数据库巡检报告 / 健康报告\r
- 数据库风险排查 / 巡检\r
- "帮我巡检一下 XX 数据库"\r
- "生成一份 MySQL/PostgreSQL/Oracle/SQL Server/DM8 巡检报告"\r \r
前置准备\r
\r
必需信息\r
\r
开始巡检前，必须向用户收集以下信息（缺少任何一项都要询问，不要自行猜测）：\r
\r
| 参数 | 说明 | 默认值 |\r
|------|------|--------|\r
| db_type | 数据库类型 | 需用户确认：mysql / pg / oracle / sqlserver / dm |\r
| host | 数据库主机 IP 或域名 | 需用户确认 |\r
| port | 数据库端口 | MySQL 默认 3306，PG 默认 5432，Oracle 默认 1521，DM8 默认 5236 |\r
| user | 数据库用户名 | 需用户确认 |\r
| password | 数据库密码 | 需用户确认 |\r
| label | 数据库标签（用于报告命名） | 需用户确认，如 "生产库-MySQL" |\r
| inspector | 巡检人员姓名 | 需用户确认 |\r
\r
Oracle 专用参数\r
\r
| 参数 | 说明 |\r
|------|------|\r
| service_name 或 sid | Oracle 服务名或 SID（二选一，必填） |\r
| 特权连接 | 用户名输入 sys as sysdba 可建立 SYSDBA 特权连接 |\r
\r
DM8 注意事项\r
\r
| 参数 | 说明 |\r
|------|------|\r
| database | 无需填写，DM8 连接用户即 Schema，无需指定 database 参数 |\r
| 驱动安装 | 需 pip install dmpython |\r
| 连接特性 | dmPython 为惰性连接，connect() 成功不代表真正连通，需通过游标执行探测 SQL 才能确认 |\r
\r
可选信息\r
\r
| 参数 | 说明 |\r
|------|------|\r
| ssh_host | SSH 主机 IP（采集系统资源时需要，DM8 除外） |\r
| ssh_port | SSH 端口，默认 22 |\r
| ssh_user | SSH 用户名 |\r
| ssh_password | SSH 密码 |\r
| ssh_key | SSH 私钥文件路径（与密码二选一） |\r
\r
安全提醒：\r
- 数据库/SSH 凭据仅用于建立连接，不写入持久文件，不发送到任何第三方\r
- AI 诊断（如启用）仅使用本地 Ollama（localhost），API 地址在代码和 API 层面均有校验\r
- 巡检结果（Word 报告）保存在本地
reports/目录，历史数据存储在本地history.json\r- SSH 连接使用
AutoAddPolicy（适合内网可信环境）\r \r
工具选择\r
\r
使用 execute_command 工具执行 Python 脚本。不要使用 del /F 或 rm -rf 等危险命令。\r
\r
脚本路径\r
\r
DBCheck 工具位于 Agent 的 skills 目录中，通过 run_inspection.py 非交互式入口执行。\r
\r
依赖检查\r
\r 先检查依赖是否完整：\r \r
python -c "import pymysql, psycopg2, docxtpl, paramiko, psutil, openpyxl, docx" 2>&1\r
```\r
\r
如有缺失，提示用户安装：\r
\r
```bash\r
pip install pymysql psycopg2-binary paramiko openpyxl docxtpl python-docx pandas psutil flask oracledb dmpython pyodbc flask_socketio\r
```\r
\r
### 执行巡检\r
\r
#### MySQL 巡检\r
\r
```bash\r
cd \x3Cskill_scripts_dir>\r
python run_inspection.py \\r
--type mysql \\r
--host \x3C数据库IP> \\r
--port 3306 \\r
--user \x3C用户名> \\r
--password \x3C密码> \\r
--label "\x3C数据库标签>" \\r
--inspector "\x3C巡检人员姓名>"\r
```\r
\r
#### PostgreSQL 巡检\r
\r
```bash\r
cd \x3Cskill_scripts_dir>\r
python run_inspection.py \\r
--type pg \\r
--host \x3C数据库IP> \\r
--port 5432 \\r
--user \x3C用户名> \\r
--password \x3C密码> \\r
--database \x3C数据库名，默认postgres> \\r
--label "\x3C数据库标签>" \\r
--inspector "\x3C巡检人员姓名>"\r
```\r
\r
#### Oracle 巡检\r
\r
```bash\r
cd \x3Cskill_scripts_dir>\r
python run_inspection.py \\r
--type oracle \\r
--host \x3C数据库IP> \\r
--port 1521 \\r
--user \x3C用户名> \\r
--password \x3C密码> \\r
--service_name \x3C服务名> \\r
--label "\x3C数据库标签>" \\r
--inspector "\x3C巡检人员姓名>"\r
```\r
\r
> **Oracle 特权连接**：用户名输入 `sys as sysdba`，工具自动识别并使用 SYSDBA 模式连接。\r
\r
#### SQL Server 巡检\r
\r
```bash\r
cd \x3Cskill_scripts_dir>\r
python run_inspection.py \\r
--type sqlserver \\r
--host \x3C数据库IP> \\r
--port 1433 \\r
--user \x3C用户名> \\r
--password \x3C密码> \\r
--database \x3C数据库名，默认master> \\r
--label "\x3C数据库标签>" \\r
--inspector "\x3C巡检人员姓名>"\r
```\r
\r
> **SQL Server 注意**：需要安装 ODBC Driver 17。无需填写 `--service_name` 参数。\r
\r
#### DM8（达梦）巡检\r
\r
```bash\r
cd \x3Cskill_scripts_dir>\r
python run_inspection.py \\r
--type dm \\r
--host \x3C数据库IP> \\r
--port 5236 \\r
--user \x3C用户名> \\r
--password \x3C密码> \\r
--label "\x3C数据库标签>" \\r
--inspector "\x3C巡检人员姓名>"\r
```\r
\r
> **DM8 注意**：无需填写 `--database` 参数，连接用户即 Schema。SSH 采集连接失败时自动降级为本地采集器。\r
\r
#### 带 SSH 系统资源采集（MySQL / PostgreSQL / Oracle）\r
\r
```bash\r
python run_inspection.py \\r
--type mysql \\r
--host \x3CIP> \\r
--user \x3C用户名> \\r
--password \x3C密码> \\r
--label "\x3C标签>" \\r
--inspector "\x3C姓名>" \\r
--ssh-host \x3CSSH主机IP> \\r
--ssh-user \x3CSSH用户名> \\r
--ssh-password \x3CSSH密码>\r
```\r
\r
#### 完整参数参考\r
\r
```\r
--type 数据库类型: mysql / pg / oracle / sqlserver / dm（必需）\r
--host 数据库主机 IP 或域名（必需）\r
--port 数据库端口（默认 MySQL 3306，PG 5432，Oracle 1521，SQL Server 1433，DM8 5236）\r
--user 数据库用户名（必需）\r
--password 数据库密码（必需）\r
--service_name Oracle 服务名（Oracle 专用）\r
--sid Oracle SID（Oracle 专用，与 service_name 二选一）\r
--database 数据库名（PG/SQL Server 专用，默认 postgres/master）\r
--label 数据库标签，用于报告命名（必需）\r
--inspector 巡检人员姓名（必需）\r
--ssh-host SSH 主机 IP（可选，SQL Server/DM8 暂不支持）\r
--ssh-port SSH 端口（默认 22）\r
--ssh-user SSH 用户名（可选）\r
--ssh-password SSH 密码（可选）\r
--ssh-key SSH 私钥文件路径（可选，与密码二选一）\r
```\r
\r
### 报告输出\r
\r
- 报告自动保存在 `\x3Cscripts_dir>/reports/` 目录下\r
- 文件名格式：\r
- MySQL：`MySQL巡检报告_\x3C标签>_\x3C时间戳>.docx`\r
- PostgreSQL：`PostgreSQL巡检报告_\x3C标签>_\x3C时间戳>.docx`\r
- Oracle：`Oracle巡检报告_\x3C标签>_\x3C时间戳>.docx`\r
- SQL Server：`SQLServer_\x3C标签>_\x3C时间戳>.docx`\r
- DM8：`DM8巡检报告_\x3C标签>_\x3C时间戳>.docx`\r
- 报告可用 Microsoft Word 或 WPS 打开\r
\r
### 报告结构（各数据库通用）\r
\r
生成的 Word 报告包含以下章节（各数据库结构略有差异）：\r
\r
- **封面**：数据库基本信息（名称/版本/实例/主机名/启动时间/巡检人员/平台/报告时间）\r
- **第1章**：数据库基本信息（版本/实例名/服务器版本等）\r
- **第2章**：巡检执行摘要（执行时间、耗时、异常项统计）\r
- **第3章**：表空间使用情况（各数据库文件使用率）\r
- **第4章**：会话与事务（活动会话列表 + 阻塞事务）\r
- **第5章**：内存分析（SGA/PGA + 各缓冲池详情，DM8 含 DM8 特有缓冲池）\r
- **第6章**：重做日志与归档\r
- **第7章**：系统资源监控（CPU/内存/磁盘，SSH 采集或本地采集）\r
- **第8章**：对象与用户安全\r
- **第9章**：备份与归档（Oracle/DM8 含备份集检查）\r
- **第10章**：风险与建议（80+ 条增强规则，每条附修复 SQL）\r
- **第11章**：报告说明\r
\r
> Oracle 报告额外包含：RAC 集群信息、ASM 磁盘组、Data Guard 状态、Undo 表空间、Profile 密码策略等。 \r
> DM8 报告额外包含：DM8 缓冲池详情、DM8 特有视图等。\r
\r
### 常见错误处理\r
\r
| 错误信息 | 原因 | 解决方案 |\r
|---------|------|--------|\r
| `pymysql: Access denied` | 用户名或密码错误 | 核对数据库账户信息 |\r
| `Can't connect to MySQL server` | 防火墙阻止或端口不对 | 确认端口、防火墙、安全组规则 |\r
| `psycopg2: connection refused` | PG 端口不对或未监听该地址 | 检查 postgresql.conf 的 listen_addresses |\r
| `ORA-01017` (Oracle) | 用户名/口令无效 | 确认密码（注意大小写）；如用 SYSDBA 请输入完整格式 `sys as sysdba` |\r
| `ORA-00904` (Oracle) | 无效列名/标识符 | 部分高级视图在低版本 Oracle 中不存在，标记⚠跳过不影响整体巡检 |\r
| Oracle 连接需要 Instant Client？ | 使用 oracledb 驱动则不需要 | 推荐使用 oracledb（纯 Python，无需 Instant Client）|\r
| `dmPython returned a result with an exception set` (DM8) | dmPython 为惰性连接，探测失败 | 检查端口（默认 5236）、用户名、密码、服务器访问权限 |\r
| `SSH 采集失败` | SSH 认证失败或目标机器无相关命令 | 检查用户名密码或私钥路径；确认目标机器有 `top/free/df/lscpu` 命令 |\r
| `Permission denied`（SSH） | SSH 认证失败 | 检查用户名密码或私钥路径 |\r
| `command not found: lscpu` | 精简版 Linux 缺少命令 | 报告该部分显示"N/A"，不影响数据库数据 |\r
\r
### 结果展示\r
\r
巡检完成后：\r
\r
1. 告知用户报告文件完整路径\r
2. 使用 `open_result_view` 工具打开报告文件供用户查看\r
3. 简要汇报关键发现（如发现高风险项，单独列出）\r
4. 提示用户报告中风险建议仅供参考，需结合实际业务评估\r
\r
## 限制与注意事项\r
\r
- 本 Skill 仅用于**合法授权的数据库巡检**，请勿用于未授权访问\r
- SSH 采集依赖目标机器的 `top`、`free`、`df`、`lscpu` 命令（使用 `AutoAddPolicy` 接受主机密钥）\r
- 报告生成依赖 `python-docx` 和 `docxtpl` 库，务必确保已安装\r
- Oracle 支持 11g R2 / 12c / 19c / 21c 及以上版本，部分高级视图在不同版本间有差异，工具已做兼容处理\r
- DM8 巡检依赖 `dmpython` 驱动（`pip install dmpython`）；V$ 视图列名与 Oracle 有较大差异，工具已针对 DM8 实测列名做过适配\r
- SQL Server 巡检依赖 `pyodbc`（`pip install pyodbc`）和 **ODBC Driver 17**（需单独安装）\r
- **本地文件写入**：巡检会在 `reports/` 生成 Word 报告、在当前目录写入 `history.json`（纯数值指标）、`autoDoc.log`（运行日志），均在本地机器上\r
- **AI 诊断限制**：仅支持本地 Ollama，API 地址必须是 localhost/127.0.0.1；不支持任何远程 AI 服务\r
安全使用建议
What to check before installing/using:
- Do NOT pass database or SSH passwords on the command line if you care about secrecy: passing --password exposes secrets in process lists and may be captured by system logs or the agent's command history. Prefer interactive prompt, stdin, or a secure secret store.
- Review run_inspection.py and the code paths that build the 'context' object to confirm they do not include raw passwords or private keys before being serialized into history.db/context_json. If passwords are serialized, the tool contradicts its 'no persistent credentials' claim.
- The tool uses SSH with AutoAddPolicy (auto-accept host keys). Only enable SSH collection in fully trusted internal networks and prefer managing known_hosts yourself to avoid MITM risk.
- Confirm Ollama is truly local (localhost/127.0.0.1) and reachable only locally; the code claims to enforce this—verify enforcement in AIAdvisor._call_ollama and API config endpoints.
- Inspect and secure the files the tool writes: reports/, history.db, dbc_config.json, autoDoc.log. Restrict file permissions and remove or encrypt history.db if it stores sensitive metadata.
- When installing Python deps, install from trusted registries and consider a virtualenv/container to isolate the tool from other system components.
- If you need higher assurance, have someone you trust audit the full scripts (especially run_inspection.py, analyzer.py, db_history.py and any web_ui endpoints) to confirm no background network exfiltration, and to confirm passwords/keys are never written or sent off-host.
Confidence would increase if the code review confirms: passwords are never stored in context_json, run_inspection prompts for secrets (not CLI args), and AI calls are strictly bound to localhost. In absence of that, treat this skill as useful but with privacy/operational risk and run it in an isolated environment or after code review.
功能分析
Type: OpenClaw Skill
Name: dbcheck
Version: 2.3.5
The 'dbcheck' skill is a comprehensive database health inspection tool for MySQL, PostgreSQL, Oracle, SQL Server, and DM8. It collects system-level metrics (CPU, memory, disk) using local OS utilities or remote SSH connections via 'paramiko' and generates Word reports. A key security feature in 'scripts/analyzer.py' is the 'AIAdvisor' class, which strictly enforces that AI-driven diagnosis only communicates with a local Ollama instance (localhost/127.0.0.1), explicitly disabling remote providers like OpenAI to prevent data exfiltration. The code is well-structured, includes internationalization, and its behavior aligns perfectly with the documented administrative purpose.
能力标签
能力评估
Purpose & Capability
The files and instructions match the declared purpose: database health checks for MySQL/Postgres/Oracle/SQL Server/DM8, local Ollama support, local report/history storage. The skill does not request unrelated cloud credentials or env vars. Minor note: SKILL.md is 'instruction-first' but the package includes many code files (scripts/*) — this is normal but worth noting.
Instruction Scope
Runtime instructions direct the agent to run Python scripts and to collect DB and optional SSH credentials from the user. Those examples show passing passwords via command-line flags (e.g. --password <pwd>), which exposes secrets in process arguments and agent logs. The instructions also require use of SSH with AutoAddPolicy (automatically accepting host keys) which weakens MITM protections. The SKILL.md claims 'no sensitive data is written', but code (db_history.SQLiteHistoryManager) persists a full 'context' JSON and history.db; it's unclear whether that serialized context could contain sensitive fields. The AI adapter enforces localhost for Ollama (good), but the agent/integration will execute arbitrary Python scripts on the host — so the instructions give the agent substantial access to run code and write files locally.
Install Mechanism
There is no automatic install spec; the skill is delivered as scripts and recommends pip installs. That keeps installer risk low (no remote binary downloads embedded in install). The dependency list is large but consistent with a DB inspection/reporting tool. Users must run pip install manually, so review of packages before install is straightforward.
Credentials
The skill declares no required environment variables or external credentials, which aligns with the stated local-only design. However, it requests user-supplied DB and optional SSH credentials at runtime and documents command-line usage that passes those secrets as args. The code persists history.db and writes reports/ and dbc_config.json in the skill area; the saved context_json may include more data than expected. The number of sensitive inputs (DB user/password, SSH password/key, SYSDBA flag) is appropriate for the function, but the handling (CLI args and serialization into context) may expose them unintentionally.
Persistence & Privilege
always:false (good). The skill persistently writes files: history.db (SQLite), reports/*.docx, dbc_config.json and logs in the skill directory. This is expected for a history/reporting tool, but these files should be protected and audited because they may contain DB metadata and possibly sensitive configuration. The skill does not request elevated system privileges or modify other skills.
如何使用
- 确保已安装 OpenClaw（本地或 Docker 部署）
- 在对话框中输入安装命令：
/install dbcheck - 安装完成后，直接呼叫该 Skill 的名称或使用
/dbcheck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
版本历史
v2.3.5
**SQL Server支持、新架构提升及多项增强**
- 新增 SQL Server（pyodbc，ODBC Driver 17）一键健康巡检，支持风险分析与专业Word报告导出
- 风险规则扩展至100+，覆盖MySQL / PostgreSQL / Oracle / DM8 / SQL Server五大主流数据库
- 多语言结构重构，新增国际化支持与i18n目录（含中英文）
- 历史趋势分析和慢SQL分析脚本完善，新增脚本 slow_query_analyzer.py
- 安全声明和说明文档全面升级，支持数据库标签、自定义Inspector姓名等更多参数
- 删除旧Oracle入口和License管理，精简并统一主程序结构
v2.3.3
- 新增 README.md，提供快速入门和使用说明
- 新增 scripts/main_oracle_full.py，扩展 Oracle 巡检入口
- 移除 scripts/ai_config.json 和 scripts/web_ui.py，优化目录结构、移除冗余模块
- scripts/analyzer.py、scripts/main.py、scripts/main_oracle.py 等核心脚本多项改进和调整
- 文档和使用指引同步更新，增强可读性和实用性
v2.3.2
dbcheck 2.3.2
- main_dm.py, main_mysql.py, main_oracle.py, and main_pg.py updated.
- version.py updated to reflect new version.
- Maintenance release with code adjustments across inspection entry scripts for MySQL, PostgreSQL, Oracle, and DM8.
- No changes to core skill description or workflow.
v2.3.1
dbcheck 2.3.1
- 新增支持 DM8 数据库通过 SSH 采集主机级系统信息（CPU/内存/磁盘），连接失败时自动降级为本地采集
- SKILL.md 文档同步更新，修正 DM8 SSH 采集能力描述及用户操作说明
- 版本号已更新至 2.3.1
v2.3.0
No changes detected in this version.
- No file changes between v2.3.0 and the previous release.
- Functionality and documentation remain unchanged.
v1.0.9
**重大升级：支持 Oracle 和 DM8 数据库，风险规则扩展至 80+ 条。**
- 新增对 Oracle 和 DM8（达梦）数据库的自动化健康巡检与报告生成功能
- 框架支持 MySQL、PostgreSQL、Oracle、DM8 四大主流数据库，一键切换
- 巡检规则由 16+ 增强至 80+，覆盖更多数据库参数、异常、性能和安全场景
- 新增独立子模块：Oracle 和 DM8 主程序（`main_oracle.py`, `main_dm.py`）及统一版本文件
- 报告结构同步升级，适配多数据库差异化信息
- 依赖说明与执行命令同步更新，支持新库（如 oracledb, dmpython）
v1.0.8
**本版本强化安全，完全杜绝AI数据外传，所有AI分析仅支持本地Ollama，全面增加用户安全感知和本地数据隔离说明。**
- AI 智能诊断功能现仅允许连接本地 Ollama，禁止远程 API（如 OpenAI/DeepSeek/custom）；代码和 Web 层面强制后端和 URL 地址双重校验
- 技术文档新增可视化的数据流向和安全架构详解，明确所有敏感数据仅在本地流转
- 明确说明本地文件结构、内容、是否含敏感信息等，增强合规性和用户理解
- SKILL.md 进一步细化凭据用途、写入机制、敏感信息处理逻辑
- 清理代码/文档中关于远程AI的逻辑与描述，强制 KYC 仅为本地大模型生成建议
- 兼容原 Word 报告、历史数据、Web UI 能力说明，未
v1.0.7
dbcheck 1.0.7
- AI诊断功能现仅支持本地 Ollama 大模型，所有巡检数据仅在本地处理、绝不外传
- 更新了安全说明：详细说明 AI 数据安全和 SSH 主机密钥策略
- SKILL.md 文档显著增强了“数据安全”、“AI诊断说明”与“SSH连接说明”相关内容
- 删除对云端 AI（如 DeepSeek/OpenAI）的描述，强调本地化能力和隐私保障
- 不涉及脚本逻辑改动，主要为说明文档（SKILL.md）和相关配置补充与强化
v1.0.6
dbcheck 1.0.6
- Updated scripts/web_ui.py (details not shown).
- No changes to user-facing documentation or features.
- Maintains all existing health checks, reporting workflow, and usage patterns.
v1.0.5
- 新增 Web UI 前端：实现通过浏览器进行可视化巡检、指标趋势图与 AI 配置操作
- scripts/main_mysql.py、main_pg.py、analyzer.py 等核心逻辑优化，支持与 Web UI 的集成交互
- 技术文档（SKILL.md）更新，完善对 Web UI 用法与能力的说明
- 项目结构整理，新增 scripts/web_ui.py，提升扩展性
v1.0.4
- 新增集成 16+ 条增强风险分析规则，报告中包含修复 SQL 速查小节
- 支持 AI 大模型（如 DeepSeek / OpenAI / Ollama）生成智能化巡检建议，需配置 ai_config.json
- 增加历史巡检指标趋势分析及 Web UI 可视化说明
- 文档内容补充数据库安全、性能、配置等多维度自动巡检能力
- 新增 scripts/ai_config.json 与 scripts/analyzer.py 文件用于 AI 配置与分析
v1.0.3
No changes detected in this version.
- No file changes or feature updates were made in version 1.0.3.
- Functionality and documentation remain unchanged from the previous release.
v1.0.2
- No code or documentation changes detected in this version.
- Functionality remains the same as previous release.
v1.0.1
dbcheck v1.0.1 changelog
- 增加 security.md 文件，补充安全说明与合规指引。
- SKILL.md 新增 license 字段与详细安全说明，强调本地执行和凭据不外传。
- 优化安全提示（凭据用途、存放位置等表述更明晰）。
- 精简常见错误处理，移除与已不适用脚本场景相关的说明。
- 文档表述更规范，部分命令与参数示例统一格式。
v1.0.0
Initial release of dbcheck: Automated MySQL/PostgreSQL health inspection tool with Word report generation.
- Supports one-click database health checks for MySQL and PostgreSQL, including risk analysis and professional Word-format reports.
- Collects essential user inputs (database type, host, user, password, label, inspector, etc.) before inspection.
- Uses run_inspection.py for non-interactive execution and offers optional SSH-based system resource collection.
- Provides clear error handling guidance and installation instructions for required Python dependencies.
- Automatically opens the inspection report for user review and highlights key findings after each inspection.
元数据
常见问题
DBCheck 轻量级开源数据库巡检工具 是什么？
执行 MySQL、PostgreSQL、Oracle、SQL Server、DM8 数据库健康巡检，内置 100+ 条增强风险分析规则 + 本地 Ollama AI 大模型诊断建议，一键生成专业 Word 巡检报告。适用于 DBA 和运维人员快速掌握数据库运行状况、排查风险。项目地址：https://github... 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件，目前累计下载 259 次。
如何安装 DBCheck 轻量级开源数据库巡检工具？
在 OpenClaw 或 Claude Code 对话框中运行命令「/install dbcheck」即可一键安装，无需额外配置。
DBCheck 轻量级开源数据库巡检工具 是免费的吗？
是的，DBCheck 轻量级开源数据库巡检工具 完全免费，采用 MIT-0 许可证，可自由下载、安装和使用。
DBCheck 轻量级开源数据库巡检工具 支持哪些平台？
DBCheck 轻量级开源数据库巡检工具 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 DBCheck 轻量级开源数据库巡检工具？
由 fiyo（@fiyo）开发并维护，当前版本 v2.3.5。
推荐 Skills