SQL Master — SQL 查询、数据获取智能体

⚠️ 使用前必读

本 Skill 需要 Python 依赖。首次使用前必须安装依赖：

bash
skillhubinstall installskill sql-master

工具会自动检测 Python3 环境、pip 可用性，并安装所有依赖。

依赖安装方式

方式	命令	适用场景
自动安装（推荐）	skillhubinstall installskill sql-master	一键安装，自动处理
手动安装

pip install -r requirements.txt | 熟悉 Python 环境的用户 |

无依赖使用（受限模式）

如果无法安装依赖，本 Skill 提供以下降级能力：

✅ 可用功能：

• - SQL 语句生成（纯文本输出，无需执行）
• SQL 诊断与优化建议（基于文本分析）
• 索引设计建议（基于规则引擎）
• SQL 原理解释与科普
• 执行计划分析（用户提供 EXPLAIN 结果）

❌ 不可用功能：

• - 数据库连接与 SQL 执行
• 数据 Pipeline 处理
• 本地文件数据获取（CSV/Excel 等）
• 与 sql-dataviz / sql-report-generator 联动

---

🔗 Skill 协作关系

本 Skill 与 sql-dataviz、sql-report-generator 组成完整的数据分析流水线：

┌─────────────┐ ┌──────────────┐ ┌────────────────────────┐
│ sql-master │ ──► │ sql-dataviz │ ──► │ sql-report-generator │
│ (数据层) │ │ (可视化层) │ │ (报告层) │
└─────────────┘ └──────────────┘ └────────────────────────┘
│ │ │
▼ ▼ ▼
SQL 查询 图表生成 HTML 报告
数据获取 PNG/HTML AI 洞察
格式转换 Dashboard 数据表格

协作模式

模式	组合	适用场景
单独使用	sql-master	仅需 SQL 查询/生成/优化
可视化

sql-master + sql-dataviz | SQL 查询 → 图表输出 | | 完整流程 | sql-master + sql-dataviz + sql-report-generator | 完整数据分析报告 |

🥇 最优使用方式：三 Skill 串联

python
from scripts.unified_pipeline import UnifiedPipeline

result = (
UnifiedPipeline(销售分析)
.from_file(sales.csv) # sql-master: 数据获取
.query(SELECT region, SUM(sales) as total FROM data GROUP BY region)
.interactivechart(bar, xcol=region, y_col=total) # sql-dataviz: 可视化
.insights(value_cols=[total]) # AI 洞察
.report(title=销售报告, output=report.html) # sql-report-generator: 报告
)

决策指南

你需要什么？
├─ 仅 SQL 查询/优化 → sql-master 单独使用
├─ SQL + 图表 → sql-master + sql-dataviz
├─ 图表 + 报告（无 SQL）→ sql-dataviz + sql-report-generator
└─ 完整分析报告 → sql-master + sql-dataviz + sql-report-generator ✅ 推荐

---

新增功能：统一 Pipeline 编排（三 Skill 端到端）

scripts/unified_pipeline.py

打通 sql-master → sql-dataviz → sql-report-generator 的端到端自动化：

python
from scripts.unifiedpipeline import UnifiedPipeline, analyzefile

完整 Pipeline

result = ( UnifiedPipeline(销售分析) .from_file(sales.csv) # 数据源 .query(SELECT region, SUM(sales) as total FROM data GROUP BY region) # SQL .interactivechart(bar, xcol=region, y_col=total, title=区域销售) # 交互图 .chart(line, xcol=region, ycol=total) # 静态图 (PNG) .insights(value_cols=[total]) # AI 洞察 .report(title=销售报告, output=report.html) # 完整报告 ) print(result.log())

一键分析

result = analyze_file(sales.csv, output=report.html)

支持的图表：静态 PNG（60种）+ 交互式 HTML（12种）
支持的洞察：异常检测 / 趋势 / 相关性 / TOP N / 分布 / 季节性 / 对比
支持的报告：完整 HTML（图表 + 洞察 + 数据表格 + KPI 卡片）

新增功能：数据库连接执行层 + 数据 Pipeline

1. 数据库连接（scripts/database_connector.py）

支持 SQLite / MySQL / PostgreSQL / SQL Server / ClickHouse / Oracle

python
from scripts.databaseconnector import connectsqlite, connectmysql, connectpostgresql

SQLite（本地文件）

conn = connect_sqlite(data/sales.db) result = conn.execute(SELECT region, SUM(amount) FROM sales GROUP BY region) print(result.df) # DataFrame 访问 print(result.to_dict()) # dict 访问 result.to_csv(output.csv) # 导出 CSV result.to_json(output.json) # 导出 JSON

MySQL

conn = connect_mysql(host=localhost, port=3306, username=root, password=xxx, database=mydb) result = conn.execute(SELECT * FROM orders WHERE date >= 2024-01-01) print(result.summary()) # 可读摘要

PostgreSQL

conn = connect_postgresql(host=localhost, database=mydb, username=postgres, password=xxx) tables = conn.get_tables() # 获取所有表名 schema = conn.get_schema(orders) # 获取表结构 conn.close()

2. 本地文件数据获取（scripts/file_connector.py）

支持 CSV / Excel / JSON / Parquet / SQLite 等所有主流格式，自动 SQL 查询 + 格式转换

python
from scripts.fileconnector import loadfile, load_directory

加载本地文件

fc = load_file(data/sales.csv) # 单个文件 fc = load_directory(data/reports/) # 目录下所有文件 fc = load_file(data/*.csv) # 通配符匹配

print(fc.shape) # (10000, 12)
print(fc.columns) # [date, region, amount, ...]
print(fc.df.head()) # DataFrame

用途一：SQL 查询（自动建 SQLite 内存表）

result = fc.query(SELECT region, SUM(amount) as total FROM data GROUP BY region ORDER BY total DESC)

用途二：格式转换

fc.tocsv(output/salesreport.csv) fc.toexcel(output/salesreport.xlsx) fc.tojson(output/salesreport.json) fc.toparquet(output/salesreport.parquet) fc.tosqlite(output/sales.db, tablename=sales)

用途三：传给 sql-dataviz 画图

b64 = fc.todataviz(line, xcol=month, y_col=sales, title=月度销售趋势)

3. SQL Pipeline 流水线（scripts/pipeline.py）

三大用途一气呵成：数据获取 → SQL 查询 → 格式转换 → 可视化 → HTML 报告

python
from scripts.pipeline import SQLPipeline

方式一：从文件开始

p = ( SQLPipeline() .from_file(data/sales.csv) .query(SELECT region, SUM(amount) as total FROM data GROUP BY region) .tocsv(output/regionalsales.csv) .toexcel(output/regionalsales.xlsx) )

方式二：从数据库开始

p = SQLPipeline().from_db(dialect=sqlite, database=data.db) p.query(SELECT * FROM sales WHERE amount > 1000) p.query(SELECT region, COUNT(*) FROM data GROUP BY region)

方式三：从 DataFrame 开始

import pandas as pd df = pd.read_csv(data.csv) p = SQLPipeline().from_dataframe(df)

管道操作

p.query(SELECT region, SUM(amount) as total FROM data GROUP BY region) p.transform(lambda df: df[df[total] > 1000]) # 过滤 p.todataviz(bar, xcol=region, y_col=total, title=区域销售排行) p.to_report(title=销售分析报告, output=output/re