SKILLEMALL.ai

BD database-optimization

Эксперт по оптимизации производительности баз данных. Охватывает оптимизацию SQL-запросов, проектирование стратегий индексирования, анализ планов запросов, оптимизацию ORM, настройку пулов соединений. Поддерживает PostgreSQL, MySQL, SQLite. Используется, когда у пользователя возникают: медленные запросы, проблемы с производительностью базы данных, необходимость спроектировать индексы, проанализировать планы запросов, оптимизировать SQL-запросы, решить проблему N+1 запросов, настроить пулы соединений, проанализировать блокировки базы данных, оптимизировать ORM-запросы, диагностировать мониторинг базы данных. Следует использовать этот навык, даже если пользователь говорит только «запрос медленный», «добавить индекс», «оптимизация SQL», «база данных зависла».

машинный переводПоказать оригиналСкрыть оригинал«数据库性能优化专家技能。涵盖 SQL 查询优化、索引策略设计、查询计划分析、ORM 优化、连接池调优。支持 PostgreSQL、MySQL…»

数据库性能优化专家技能。涵盖 SQL 查询优化、索引策略设计、查询计划分析、ORM 优化、连接池调优。支持 PostgreSQL、MySQL、SQLite。当用户遇到:慢查询、数据库性能问题、需要设计索引、分析查询计划、优化 SQL 语句、解决 N+1 查询问题、调优连接池、分析数据库锁、优化 ORM 查询、数据库监控诊断时,立即使用此技能。即使用户只说'查询很慢'、'加个索引'、'SQL 优化'、'数据库卡了',也应触发此技能。

ClawHub Agent Skills автор: paudyyin v1.0.0 MIT-0 2 файла тело ≈ 2 955 токенов Открыть источникclawhub.ai проанализирован 34 ч назад

Эксперт по оптимизации производительности баз данных.

Как процесс D 38/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, когда включается

СправочникPostgreSQLMySQLРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
67
Прогон на моделях
не было
Процессный рейтинг
D
38/100
Процесс не доведён
Шаги вес 15
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 38/100

  • 0Шаги. Инструкция сплошным текстом, шаги не выделены
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2955 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле

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)
  • +3Нет пошаговых инструкций или чек-листа
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -221 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 217 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 34 заголовков
  • +4Есть примеры (25 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.

Внешние проверки

ClawHub: clean
This is a disclosed database-optimization reference skill with no executable code, hidden behavior, or data export behavior found.
LLM: benign (high) · VirusTotal: · 27 июн. 2026 г.