SQL Master 数据智能体

要解决的问题

SQL 开发常见卡点不是“不会写”，而是上下文不足：业务口径到查询映射、慢查询缺少 EXPLAIN、索引设计、方言差异、NULL / 分页 / 类型转换，以及从取数到图表报告之间的断点。

工作方式

• 意图识别：先区分生成、优化、设计、诊断、科普或可视化，再确认缺失的 schema、数据量级和性能目标。
• 生产级 SQL：输出会关注数据库版本和方言、显式处理 NULL、避免 SELECT *、避免在 WHERE/JOIN 条件列上写函数、避免字符串拼接和大偏移 OFFSET 分页。
• 诊断与优化：结合执行计划、慢查询、索引设计、数仓分层和 Hive 倾斜等场景给建议；在可复现场景下附最小 DDL 与 INSERT 测试数据。
• 数据 Pipeline：在依赖可用时，可连接 SQLite、MySQL、PostgreSQL、SQL Server、ClickHouse、Oracle，或读取 CSV、Excel、JSON、Parquet 等本地文件，再转入查询、转换、可视化和 HTML 报告。

边界

无 Python 依赖时只适合纯文本 SQL 生成、优化建议和原理解释；连接数据库、执行查询、文件读取和报告生成需要依赖环境。复杂查询仍应以真实 EXPLAIN 和测试数据验证为准。