SKILLEMALL.ai
GitHub ↗ EN Войти

AB text-to-sql

Поддерживает генерацию SQL-запросов с помощью естественного языка; используется, когда пользователям нужно настроить базу данных Text-to-SQL, управлять темами данных или генерировать SQL с помощью вопросов на естественном языке.

машинный переводПоказать оригиналСкрыть оригинал«Support generating SQL queries through natural language; use when user…»

Support generating SQL queries through natural language; use when users need to configure Text-to-SQL database, manage data topics, or generate SQL with natural language questions

ClawHub Agent Skills автор: AskSqlAI v1.0.2 MIT-0 7 файлов тело ≈ 4 866 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Поддерживает генерацию SQL-запросов с помощью естественного языка; используется, когда пользователям нужно настроить базу данных Text-to-SQL, управлять темами…

Как процесс B 70/100 · Почти готов — слабые места: когда включается, согласованность, отчётность по ходу

ГенераторИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
93
Прогон на моделях
не было
Процессный рейтинг
B
70/100
Почти готов
Отчётность по ходу вес 2
0
Когда включается вес 12
20
Согласованность вес 8
40
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Секреты в коде secret-high-entropy-token scripts/query_sql.py:54
      Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
      boundary = b'----…0gW'
      в кавычках

    Просканировано файлов: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "dependency"

    Процессный рейтинг: все десять параметров 70/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 40Согласованность. Имя во frontmatter (text-to-sql) не совпадает с папкой (text2sql)
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 70Ошибки и развилки. Развилок: 7
    • 70Стоимость исполнения. Тело инструкции 4866 токенов
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 164
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 179 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 32 заголовков
    • +3Пошаговые инструкции: 164 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (14 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)
    • +3Все 4 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.

    Внешние проверки

    ClawHub: suspicious
    This text-to-SQL skill may be useful, but it handles database credentials and sends database or spreadsheet contents to asksql.ai in ways that are not clearly disclosed or tightly scoped.
    LLM: suspicious (high) · 8 июл. 2026 г.