BC SQL Explainer
Анализатор производительности SQL-запросов. Вставьте любой медленный запрос + вывод EXPLAIN ANALYZE и получите мгновенный диагноз: какие узлы являются "узкими местами", почему оценки строк неверны, какие индексы добавить (B-tree, GIN, частичные, составные) и какие изменения запроса помогут. Работает с PostgreSQL, MySQL и SQLite. Никаких внешних API — чистый анализ. Триггеры: "медленный запрос", "explain analyze", "оптимизировать sql", "запрос слишком медленный", "добавить индекс", "почему мой запрос медленный", "/sql-explainer".
машинный переводПоказать оригиналСкрыть оригинал«SQL query performance analyzer. Paste any slow query + EXPLAIN ANALYZE…»
SQL query performance analyzer. Paste any slow query + EXPLAIN ANALYZE output and get an instant diagnosis: which nodes are bottlenecks, why row estimates are off, which indexes to add (B-tree, GIN, partial, composite), and which query rewrites will help. Works with PostgreSQL, MySQL, and SQLite. Zero external API — pure analysis. Triggers on "slow query", "explain analyze", "optimize sql", "query too slow", "add index", "why is my query slow", "/sql-explainer".
Анализатор производительности SQL-запросов.
Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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
- предупреждение
frontmatter-yamlSKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: SQL query performance analyzer. Paste any slow query + EXPLAIN ANA… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении - предупреждение
name-formatname должен быть в kebab-case (строчные буквы, цифры, дефисы) - предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное поле фронтматтера "homepage"
Процессный рейтинг: все десять параметров 51/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 22, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (SQL Explainer) не совпадает с папкой (phy-sql-explainer)
- 60Инструменты и файлы. Используются инструменты (web, node), но во frontmatter они не объявлены
- 60Ошибки и развилки. Развилок: 2
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Шаги. Шагов: 22
- 100Стоимость исполнения. Тело инструкции 2811 токенов
- low Разделов верхнего уровня: 11. 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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +2Инструкции на одном языке
- +5В description 7 примера фраз-триггеров в кавычках
- +3Длина description 466 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 21 заголовков
- +3Пошаговые инструкции: 22 пунктов
- +4Есть примеры (17 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 62.