AC cm-postgres-query-optimizer
Анализирует медленные запросы PostgreSQL, интерпретирует вывод EXPLAIN ANALYZE, выявляет узкие места в производительности и рекомендует индексы, переписывание запросов и настройку конфигурации. Разбирает планы запросов для поиска последовательных сканирований, вложенных циклов по большим таблицам, плохого порядка соединения и отсутствующих индексов. Используйте, когда вас просят оптимизировать SQL-запрос, проанализировать медленный запрос, прочитать вывод EXPLAIN, предложить индексы PostgreSQL, настроить план запроса, исправить медленный запрос к базе данных или улучшить производительность запроса. Активация: «медленный запрос», «оптимизация запроса», «EXPLAIN ANALYZE», «производительность PostgreSQL», «план запроса», «последовательное сканирование», «предложение индекса», «настройка postgres», «оптимизатор запросов», «производительность базы данных», «медленный SQL», «pg_stat».
машинный переводПоказать оригиналСкрыть оригинал«Analyze slow PostgreSQL queries, interpret EXPLAIN ANALYZE output, ide…»
Analyze slow PostgreSQL queries, interpret EXPLAIN ANALYZE output, identify performance bottlenecks, and recommend indexes, query rewrites, and configuration tuning. Parses query plans to find sequential scans, nested loops on large tables, poor join ordering, and missing indexes. Use when asked to optimize a SQL query, analyze a slow query, read EXPLAIN output, suggest PostgreSQL indexes, tune a query plan, fix a slow database query, or improve query performance. Triggers on "slow query", "query optimization", "EXPLAIN ANALYZE", "PostgreSQL performance", "query plan", "sequential scan", "index suggestion", "postgres tuning", "query optimizer", "database performance", "slow SQL", "pg_stat".
Анализирует медленные запросы PostgreSQL, интерпретирует вывод EXPLAIN ANALYZE, выявляет узкие места в производительности и рекомендует индексы, переписывание…
Как процесс C 60/100 · Есть пробелы — слабые места: входы и предусловия, согласованность, повторный запуск
Как улучшить
- 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 · 0
✓ Критических и высоких находок нет
Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 60/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (cm-postgres-query-optimizer) не совпадает с папкой (postgres-query-optimizer)
- 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Ошибки и развилки. Развилок: 4
- 100Шаги. Шагов: 27
- 100Стоимость исполнения. Тело инструкции 3306 токенов
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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 12 примера фраз-триггеров в кавычках
- +3Длина description 699 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 18 заголовков
- +3Пошаговые инструкции: 27 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (13 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.