AgentHubAgentHub

使用场景/数据库查询

数据库 MCP(PostgreSQL / MySQL / Redis)

用自然语言查询、分析数据库。适合数据分析、运维排查、生成 SQL(需在受控环境使用)。

共匹配 741 个资源 · 第 9 / 16 页

什么是数据库查询?

数据库 MCP 让 AI 用自然语言查库:把「最近 30 天每日订单额」翻译成 SQL、解释慢查询执行计划、导出生成报表、对照 Schema 回答字段含义。Postgres / MySQL / SQLite 类 Server 提供连接与只读执行工具,Redis 类侧重键空间巡检。

安全是第一约束:务必使用只读账号接入,配合行级权限或视图收敛可见范围;开启语句白名单或人工确认写操作;生产库前先在同构的 staging 库演练。SQLite / DuckDB MCP 直接读本地文件,适合个人数据分析且无泄露连接串的风险。

提效实践:让 MCP 暴露 schema 检索工具,AI 先取相关表结构再写 SQL,可显著降低对不存在列的幻觉;把常用查询沉淀为 Skill,团队共享同一套「问数」口径。

适合做什么

  • 开发环境数据探查
  • 生成只读分析 SQL
  • Schema 文档化
  • Redis 键空间巡检

不太适合

  • 生产库无限制的写操作
  • 未脱敏的敏感表直接暴露给 AI
常见组合: Postgres MCP + SQL 分析 Skill → 对话式 BI

相关资源

查看全部 →

ClickHouse 日志查询(Supabase)

SkillSkillsMP

针对 ClickHouse 支撑的 logs 表(logs.all.otel 分析端点)编写、评审与迁移 Supabase 日志查询。只要任务涉及 Logs Explorer SQL、log_attributes map、按日志 source 查询(edge_logs、postgres_logs、auth_logs 等)、把旧的 BigQuery cross join unnest(metadata) 日志查询翻译为 ClickHouse,或在 apps/studio/data/logs 与 apps/studio/components/interfaces/Settings/Logs 中接入分析日志 SQL 时使用。用户即使只说“日志查询”“Logs Explorer”或粘贴一段 BigQuery 日志查询待转换也应使用,不必非要提到 ClickHouse。

source

React Hook Form 规范(Supabase)

SkillSkillsMP

在 monorepo 内正确使用 React Hook Form——数据流、订阅、reset、脏状态、数字输入以及受控输入规则。在编写或修改任何表单代码、给已有表单加字段、使用 watch/useWatch/formState/getValues/setValue/reset、把表单接入 dialog 或 sheet、或实现提交/取消底栏之前先加载本 skill,即使改动看起来很简单。仓库中普遍存在 RHF 反模式,不加载本 skill 会照抄它们。表单布局与选用组件请再加载 studio-ui-patterns。

source

React Hook Form 规范(Claude Skills)

SkillSkillsMP

在 monorepo 内正确使用 React Hook Form——数据流、订阅、reset、脏状态、数字输入以及受控输入规则。在编写或修改任何表单代码、给已有表单加字段、使用 watch/useWatch/formState/getValues/setValue/reset、把表单接入 dialog 或 sheet、或实现提交/取消底栏之前先加载本 skill,即使改动看起来很简单。仓库中普遍存在 RHF 反模式,不加载本 skill 会照抄它们。表单布局与选用组件请再加载 studio-ui-patterns。

source

ClickHouse 日志查询(Claude Skills)

SkillSkillsMP

针对 ClickHouse 支撑的 logs 表(logs.all.otel 分析端点)编写、评审与迁移 Supabase 日志查询。只要任务涉及 Logs Explorer SQL、log_attributes map、按日志 source 查询(edge_logs、postgres_logs、auth_logs 等)、把旧的 BigQuery cross join unnest(metadata) 日志查询翻译为 ClickHouse,或在 apps/studio/data/logs 与 apps/studio/components/interfaces/Settings/Logs 中接入分析日志 SQL 时使用。用户即使只说“日志查询”“Logs Explorer”或粘贴一段 BigQuery 日志查询待转换也应使用,不必非要提到 ClickHouse。

source

维护者审阅

SkillSkillsMP

以 node-redis 维护者身份审阅 GitHub issue 或 pull request 链接,逐层评估其主张是否真实、是否实际重要、能否用已支持的功能解决、范围界定是否正确、是否更适合另一种设计,以及是否值得投入维护者与贡献者精力。用于评估 issue 的有效性或严重度、决定优先处理还是关闭、判断所请求的功能是未被满足的需求还是仅是可发现性/使用上的缺口、判断某 PR 是否值得打磨到可合并、比较开启的 PR 或备选设计、区分代码质量与仓库就绪度,或撰写简明的维护者评估。当应请求关闭、补充证据或代码改动时,还生成礼貌、简洁、完整、可直接粘贴的维护者评论。

source

Next.js 缓存组件

SkillSkillsMP

面向 Next.js 16 应用的代码生成与转换,使用 Cache Components(PPR)。当用户请求在项目或页面级别“转换为使用 cacheComponents”、创建带正确缓存指令的新 Next.js 页面/组件、将页面拆分为缓存与动态部分并配合 Suspense 边界、或使用 Next.js 16 新缓存模型(包括 use cache、cacheLife、Suspense 以及对缓存友好的匿名 Supabase 客户端数据获取)时使用。

source

Electric 代理认证

SkillSkillsMP

搭建服务端代理以安全转发 Electric shape 请求。涵盖 ELECTRIC_PROTOCOL_QUERY_PARAMS 转发、服务端 shape 定义(table、where、params)、清理 content-encoding/content-length 头、为 electric-offset/electric-handle/electric-schema/electric-cursor 头配置 CORS、注入 auth token、Bun fetch 并发上限(BUN_CONFIG_MAX_HTTP_REQUESTS 默认 256)、仅限服务端的 ELECTRIC_SECRET/SOURCE_SECRET、通过 WHERE 位置参数实现租户隔离、onError 401 token 刷新,以及子集安全性(AND 语义)。在创建代理路由、添加鉴权或为 Electric 配置 CORS 时加载。

source

Electric 部署

SkillSkillsMP

通过 Docker、Docker Compose 或 Electric Cloud 部署 Electric。涵盖 DATABASE_URL(直连,非连接池)、ELECTRIC_SECRET(v1.x 起必需)、开发用 ELECTRIC_INSECURE、wal_level=logical、max_replication_slots、ELECTRIC_STORAGE_DIR 持久化、用于池化查询的 ELECTRIC_POOLED_DATABASE_URL、用 ELECTRIC_DATABASE_USE_IPV6 启用 IPv6、Kubernetes 就绪探针(200 与 202)、复制槽清理,以及 Postgres v14+ 要求。在部署 Electric 或为逻辑复制配置 Postgres 时加载。

source

首次覆盖智能体 Initiation of Coverage Agent

v1.0.4

SkillClawHub9.8k

依托东方财富数据库,面向沪深京港美上市公司(A 股、港股、美股、北交所),生成首次覆盖报告或深度研究报告。 当用户提及「首次覆盖」「首次覆盖报告」「初始覆盖」「深度研究」「深度报告」「个股深度」「公司深度」「标的深度分析」,或要求对某只股票/上市公司撰写全面、体系化的研究报告时,必须触发本 Skill。

source

业绩点评智能体 Earnings Review Agent

v1.0.3

SkillClawHub9.8k

依托东方财富数据库,面向沪深京港美五大市场的上市公司/股票,生成业绩点评类输出(含财报分析、业绩解读)。 当用户明确提出业绩点评、财报分析、业绩解读需求,或出现「业绩点评」「财报点评」「业绩分析」「季报/半年报/年报点评」「财务分析」「盈利分析」「业绩解读」等表述时,应触发本 Skill。

source

严格代码审查员

v0.1.0

SkillClawHub6.6k

以零容忍态度进行严谨、对抗式的代码审查。当用户要求批判性审查我的代码或 PR、点评我的代码、找我代码的问题或问这段代码哪里不对时使用。可发现安全漏洞、偷懒模式、边界失败与不良实践,覆盖 Python、R、JavaScript/TypeScript、SQL 与前端代码,细致审查错误处理、类型安全、性能、可访问性与代码质量,并给出带严重级别(Blocking、Required、Suggestions)的结构化反馈与具体可执行的建议。

source

常见问题

AI 会不会直接改坏生产数据?

用只读账号从连接层杜绝写操作;确需写入时走「AI 生成 SQL → 人工审核 → 受控执行」流程,并要求带回滚方案。

本地分析用哪个最省事?

SQLite / DuckDB 类 MCP 最轻——直接指向本地文件,无需服务与凭证;Postgres 类需要连接串,建议指向 staging。

自然语言生成的 SQL 可信吗?

让 AI 先读取 schema、给出解释再执行,并用小样本 LIMIT 验证口径,正确率会高很多。涉及金额与去重的关键报表仍建议人工复核 SQL。

配套安装与配置教程

相关场景