搜索「SQL」的结果

io.github.NousResearch/hermes-agent/darwinian-evolver

使用 Imbue 的进化循环对提示词、正则、SQL/代码进行演化优化。

io.github.metabase/metabase/native-parameters

通过 question_write 的 native 编写原生 SQL 问题的模板标签——标签种类、field-filter 与 raw-variable 的区别、template_tags 结构、widget 类型、[[ ]] 可选块、把标签接入仪表盘。首次传 template_tags 前先读本技能。触发语:"给我的 SQL 加筛选控件""把这个查询参数化""字段筛选器""为什么我的变量查不到行""把仪表盘筛选器接到 SQL 卡片"。

io.github.PostHog/posthog/querying-posthog-data

在编写任何 HogQL/SQL 或调用 execute-sql 查询 PostHog 前的必读内容。当用户想搜索、查找或对 PostHog 实体（insight、仪表盘、群组、feature flag、实验、问卷、hog flow、数据仓库、person 等）做复杂聚合，以及查询分析数据（趋势、漏斗、留存、生命周期、路径、粘性、Web 分析、错误追踪、日志、会话、LLM traces）时使用。对受治理的业务或遥测指标（MRR、激活、计费用量、活跃组织、失败率）同样是第一站：先从原始事件或使用带类型的领域工具推导之前，检查语义层（system.information_schema.metrics 中的规范指标）。涵盖 HogQL 与 ClickHouse SQL 的语法差异、系统表 schema（system.*）、可用函数、查询示例与 schema 发现工作流。

io.github.supabase/supabase/clickhouse-logs-queries

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。

io.github.zhaoxuya520/reverse-skill/pentest-tools

主动渗透测试工具链。覆盖信息收集、端口扫描、漏洞扫描、Web 渗透、SQL 注入、目录爆破、密码破解等场景。通过 MCP server（pentestMCP / mcp-security-hub）将 20+ 安全工具暴露给 AI agent。触发关键词：渗透测试、端口扫描、Nmap、漏洞扫描、Nuclei、SQL 注入、SQLMap、目录爆破、FFUF、密码破解、Hashcat、信息收集、子域名、Web 渗透、ZAP、Burp。

io.github.K-Dense-AI/scientific-agent-skills/paperclip

使用 GXL 的 Paperclip CLI 检索和阅读生物医学论文全文、FDA/PMDA/EMA 监管文件、临床试验注册信息和 UniProt/PDB/ChEMBL 条目。涵盖用 PAPERCLIP_API_KEY 安装与鉴权 `paperclip` 二进制、/papers、/fda、/trials、/proteins、/clipboard 下的只读虚拟文件系统、来源范围的语义搜索、全语料 grep、元数据查询与 SQL、跨多篇论文的 map/reduce 阅读、图像视觉分析、带论断核验的可选论文仓库，以及锁定行号的引用。当被要求安装 paperclip、运行 paperclip search/grep/map/reduce/sql/repo、通过 paperclip 查找或阅读生物医学文献、监管文件或临床试验，或生成带行号的引用时使用。

io.github.PostHog/posthog/creating-box-plot-insights

在 PostHog 中创建基于产品分析或 SQL 的箱线图 insight。当用户要求创建、构建或保存箱线图、可视化数值分布、跨日期或分组比较四分位数/中位数，或把 SQL 结果变成箱线图时使用。在标准 Trends 箱线图与 SQL insight 之间做出选择、校验分布数据、保存 insight 并验证。

io.github.PostHog/posthog/debugging-experiments

为查看自己结果的客户调试和支持 PostHog Experiments（A/B 测试）。只要粘贴了实验支持工单或客户提出结果相关问题就使用，最常见的是“为什么我的曝光不均？”“为什么某个变体没有流量？”“为什么我缺少/只见很少曝光？”“为什么出现偏差横幅？”“为什么 PostHog 的数字和我的 SQL 对不上？”。以只读方式拉取实验真实数据，对照已知成因清单匹配，产出面向客户的解释、修复方案与相关数字的评审。加载 diagnosing-experiment-results 作为深度诊断库。不触发：创建实验（用 creating-experiments）、仅配置放量（configuring-experiment-rollout）或指标（configuring-experiment-analytics）、询问生命周期问题（managing-experiment-lifecycle），或行为异常的是底层 feature flag 而非结果（用 debugging-feature-flags）。

io.github.PostHog/posthog/turning-engineering-analytics-into-insights

把工程分析（PR / CI）数据转化为已保存的 PostHog insight、仪表盘与订阅，并说明如何用 SQL 直接查询产品数据。涵盖经 engineering-analytics-sources 发现按团队的 GitHub 仓库表、在 HogQL 中复刻精心的列语义、在涉及产品逻辑时读取暴露的 engineering_analytics_* 仓库视图（CI 成本、指纹化失败行、提交归属）、用 insight-create 保存查询，以及用 subscriptions-create 安排投递。当被要求“把这个存成 insight”“把 CI 健康度/合并时长做成仪表盘”“每周给我邮件发 PR 吞吐量”“画 CI 成本图”“跟踪首次评审时长”“订阅这些数字”“对 CI 成功率告警”或询问“工程分析读取哪些数据/表/视图”时使用。临时性 CI 与合并问题用 diagnosing-ci-and-merge-bottlenecks；调查某个具体 CI 失败用 investigating-ci-failures。

io.github.supabase/supabase/explorer

构建与修改 Supabase Studio Explorer 界面，包括 notebook、chat、SQL 代码片段、查询单元格及其共用的工具栏模式。

io.github.twentyhq/twenty/qa-scout

针对运行中的 Twenty 应用对 PR 做浏览器 QA:在 main 上合并后触发,或合并前通过 qa-scout 标签触发。从 PR diff 推导用户可见场景,用 Playwright MCP 浏览器执行,以 SQL 核验数据库效果,检查服务器与 worker 日志中被吞掉的错误,输出结构化结论和报告。由 ci-e2e-main.yaml 在确定性 e2e 套件后调用;也可针对本地 dev 栈手动运行。

io.github.code-yeongyu/oh-my-openagent/data-scientist

以混合引擎策略进行专业数据处理：优先使用常驻内核引擎——DuckDB 加上常驻的 Python 技术栈（Polars/numpy/matplotlib），在 harness 支持的 js/py eval 内核中保持常驻，其他环境则用 bun/uv 单次执行——并按动作决定放置方式（内存内、流式、远端就地）。触发词：analyze the data、what is in this CSV/parquet/json、summarize this、group by、filter rows、sort by、join these files、merge datasets、time series trend、compare yesterday and today、distribution/histogram、correlation、clean duplicates、handle missing values、dataset larger than RAM、SQL query on files、DataFrame operations、chart/plot this data、DuckDB vs Polars selection、quick data exploration CLI。不适用于：纯文本/代码查看、配置文件或极小的内联计算。

io.github.PostHog/posthog/exploring-llm-traces

使用 PostHog 的 MCP 工具调试并检查 LLM/AI 代理 trace。当用户粘贴 trace 或会话 URL（如 /ai-observability/traces/<id> 或 /ai-observability/sessions/<id>）、要求调试某个 trace、弄清哪里出了问题、检查代理是否正确使用了工具、验证上下文/文件是否被呈现、检查子代理行为、分析 LLM 决策，或研究 token 用量与成本时使用。当针对 `events.properties.$ai_input` / `$ai_output_choices` 的原始 SQL/HogQL 返回为空时也使用——消息内容只存在于专用的 `posthog.ai_events` 表中。

io.github.PostHog/posthog/formatting-insight-axes

在通过 `posthog:insight-create` 或 `posthog:insight-update` 创建或更新 insight 时选对 y 轴单位——同时覆盖 TrendsQuery（`trendsFilter.aggregationAxisFormat`）与 SQL insight（`DataVisualizationNode`、`chartSettings.yAxis[].settings.formatting`）。当代理即将仅为换算单位添加 `formula`（如把秒除以 60 显示为分钟）、`math_property` 或 SQL 列是时长、货币、比率或大计数，或用户在图表 insight 语境中提到“格式化 y 轴”“duration”“seconds”“minutes”“hours”“milliseconds”“ms”“percentage”“%%”“currency”“decimals”“axis label”“axis unit”时使用。

io.github.PostHog/posthog/writing-code-comments

判定一条代码注释是否该存在，并强制留下的注释解释“为什么”而非“是什么”。在用任何语言（Python、TypeScript、Go、Rust、SQL）编写或编辑注释前务必使用，也用于评审新增注释的 diff。清除 clutter 代码库的注释类型：复述代码的旁白、变更历史与聊天上下文备注（“之前做了 X”“按 PR #123”“AI:”）、易失效的度量与现状标记（“约 20 分钟构建”“目前”“今天”）、被注释掉的代码与冗余 docstring。保留有价值的注释：不显然的 why、关于非本地影响的警告、指向未来读者无法自行重建上下文的线索。不适用于面向用户的文案（见 `/writing-user-facing-copy`）或提交信息。

io.github.PostHog/posthog/diagnosing-experiment-results

诊断 PostHog 实验中的偏差、异常与怪异结果。涵盖 0 曝光实验、样本比例失配、身份碎片化、多变体曝光、不均分导致的排除偏差、显著性陷阱（提前偷看、A/A、贝叶斯 vs 频率派）、PostHog 与 SQL 结果不一致、运行中途编辑后的意外，以及通过按变体分组问卷做定性跟进。 触发条件：用户问“我的实验有偏差吗”或“为什么 0 曝光”、提及偏差横幅、说某个变体看起来怪异/不对/不对劲、发现显著性翻转或 A/A 显著、PostHog 数字与其 SQL 不一致、报告中途编辑后的意外，或想为实验收集定性反馈/问卷。 不触发：创建实验（用 creating-experiments）、仅配置放量（用 configuring-experiment-rollout）或指标（用 configuring-experiment-analytics）、仅询问生命周期问题（用 managing-experiment-lifecycle）。

io.github.garrytan/gbrain/data-loss-gate

在任何可能导致数据丢失的批量删除、清理或破坏性操作之前的确认门禁——涵盖 shell 层（rm -rf、git rm、批量 sed）与 brain 层（批量 forget、删除清扫、purge-deleted、移除 source、裸 SQL 清空表）。会展示可恢复性说明卡，并要求用户明确回答 yes 后才继续。这是路由约定，并非操作边界的强制手段。

io.github.affaan-m/ECC/django-security

Django 安全最佳实践：认证、授权、CSRF 防护、SQL 注入防范、XSS 防范及安全部署配置。适用于审查 Django 认证、输入处理或部署设置。

io.github.PostHog/posthog/investigating-logs

在 PostHog 项目中调查日志：确认某个服务或部署是否健康、解释错误尖峰、分诊事故，或读懂日志流在说什么。当用户要求“查看日志”、询问某个服务、部署、发布或变更是否正常或引发了问题、为什么错误上升或变化了什么，或想要日志中可见故障的根因时使用。指导使用日志 MCP 工具（服务概览、模式挖掘、前后模式对比、分桶计数、facets、原始行），让调查从汇总开始而不是原始行或对日志表手写 SQL。

io.github.github/awesome-copilot/migrating-oracle-to-postgres-stored-procedures

将 Oracle PL/SQL 存储过程迁移到 PostgreSQL PL/pgSQL。翻译 Oracle 专有语法，保留方法签名与类型锚定参数，适当利用 orafce，并应用显式排序规则映射（仅在合适时使用 COLLATE "C"，必要时采用 locale 排序规则）。适用于数据库迁移期间把 Oracle 存储过程或函数转换为 PostgreSQL 等价实现。

io.github.PostHog/posthog/optimizing-clickhouse-and-hogql-queries

ClickHouse 与 HogQL 查询的优化流程。当 HogQL 查询、查询运行器、insight 或报表太慢，手写的 ClickHouse 查询（经 `sync_execute` 或在迁移中）太慢，ClickHouse 超时或触及内存限制，排查 `system.query_log` 中的慢查询记录，或评审拟议的 HogQL printer 性能改动时使用。涵盖提取 ClickHouse SQL、常见坏味道（`FROM ... FINAL`、对 properties 的 JSONExtract、缺失 skip index、自连接、CTE 膨胀）、对着真实集群度量，以及在正确的层（printer、查询运行器或迁移）应用修复。不覆盖 Postgres / Django ORM / 应用库查询；那些需要 pganalyze 与 `query-performance-optimization.md` 的 Postgres 章节。

io.github.mukul975/Anthropic-Cybersecurity-Skills/securing-historian-server-in-ot-environment

审计并加固 OT 环境中的过程 Historian 服务器（OSIsoft PI、Honeywell PHD、GE Proficy、AVEVA Historian）：Purdue 层级网络定位、接口访问控制、经数据二极管或 PI-to-PI 连接器的安全 DMZ 复制、SQL 注入防范与过程数据完整性。适用于审计或加固 Historian 服务器，或设计经 DMZ 的安全 OT-to-IT 数据复制。

io.github.mukul975/Anthropic-Cybersecurity-Skills/performing-web-application-scanning-with-nikto

运行开源 Web 服务器/应用扫描器 Nikto：检测 7000 多个潜在危险文件/程序、核查 1250 多种服务器的过时版本，识别 XSS、SQL 注入、错误配置、默认凭据与脆弱 CGI 脚本。适用于 Web 应用漏洞扫描、安全评估、周期性安全测试或验证 Web 服务器安全控制。

io.github.mukul975/Anthropic-Cybersecurity-Skills/performing-web-application-firewall-bypass

利用编码技巧、HTTP 方法操纵、参数污染与载荷混淆绕过 Web 应用防火墙，把 SQL 注入、XSS 等利用载荷 smuggling 过 WAF 检测规则。适用于已确认的漏洞被 WAF 挡住时、需要绕过边界安全控制的渗透测试或红队行动，或评估 WAF 规则有效性与抗绕过能力。