database-agent

---

name: database-agent description: 本技能应用于 Java 后端开发场景中的数据库操作。提供慢 SQL 智能分析、表结构规范巡检、安全数据订正与测试数据自动生成的自动化辅助能力。当用户请求数据库优化、schema 验证、安全数据更新或需要为数据库生成测试数据时使用此技能。

---

Database Agent 数据库智能助手

概述

本技能为 Java 后端开发提供智能数据库辅助能力，支持慢 SQL 分析、表结构规范巡检、安全数据订正和测试数据生成等自动化功能。可自动识别索引缺失、全表扫描、字段不规范等问题，生成优化建议与修复脚本；在数据订正时自动校验风险，防止无 WHERE 条件更新删除；并根据表结构智能生成业务合规的测试数据，大幅提升数据库开发与维护效率。

核心能力

1. 慢 SQL 分析

何时使用： 用户报告慢查询、性能问题或需要 SQL 优化时。

功能特性：

解析 SQL 执行计划，识别性能瓶颈

检测全表扫描、缺失索引和低效 JOIN

分析慢查询日志，定位问题查询

生成优化建议和索引创建脚本

使用方法： 1. 使用 scripts/analyze_slow_sql.py 分析 SQL 语句或执行计划 2. 参考 references/sql_optimization_rules.md 了解优化模式 3. 生成包含具体建议的报告

示例场景：

"分析这条慢 SQL：SELECT * FROM orders WHERE user_id = ?"

"优化这个执行太慢的查询"

"查找这个查询为什么做全表扫描"

2. 表结构规范巡检

何时使用： 用户需要根据最佳实践和标准验证数据库 schema 时。

功能特性：

检查字段命名规范（snake_case、无保留字）

验证数据类型和长度

检测缺失的主键或索引

识别不合规的默认值或可空字段

生成规范报告和修复脚本

使用方法： 1. 使用 scripts/check_schema_compliance.py 检查表结构 2. 参考 references/database_standards.md 了解规范规则 3. 使用 scripts/generate_report.py 导出结果到 Excel 报告

示例场景：

"检查这个表结构是否符合最佳实践"

"验证我们的数据库 schema 是否符合标准"

"为所有表生成规范报告"

3. 安全数据订正

何时使用： 用户需要安全地执行批量数据更新或删除时。

功能特性：

验证 UPDATE/DELETE 语句的安全风险

检测缺失的 WHERE 子句（防止全表更新/删除）

识别危险操作（如更新主键）

要求对高风险操作进行确认

生成备份和回滚脚本

使用方法： 1. 使用 scripts/validate_data_correction.py 检查 SQL 安全性 2. 参考 references/safe_operation_guidelines.md 了解风险模式 3. 执行前必须生成回滚脚本

示例场景：

"将所有用户状态更新为激活"

"删除 1 年前的记录"

"帮我安全地订正这些数据"

关键安全规则：

永远不要执行没有 WHERE 子句的 UPDATE/DELETE

始终生成备份脚本

对影响超过 1000 行的操作要求明确确认

记录所有数据订正操作

4. 测试数据生成

何时使用： 用户需要用真实数据填充测试环境时。

功能特性：

根据表结构智能生成测试数据

遵循外键关系

支持自定义数据模式（邮箱、电话、日期）

生成业务合规数据（如有效的订单金额、真实的姓名）

按正确的依赖顺序创建数据

使用方法： 1. 使用 scripts/generate_test_data.py 创建测试数据 2. 参考 references/test_data_patterns.md 了解数据生成规则 3. 通过 JSON 配置文件配置数量和模式

示例场景：

"为数据库生成 1000 个测试用户"

"创建包含真实数据的样本订单"

"用样本数据填充测试环境"

工作流程

SQL 分析任务

1. 接收 SQL 语句或执行计划 2. 运行 scripts/analyze_slow_sql.py 识别问题 3. 生成优化建议 4. 可选地创建索引创建脚本

Schema 验证任务

1. 连接数据库或接收 DDL 语句 2. 运行 scripts/check_schema_compliance.py 3. 生成规范报告 4. 可选地生成修复脚本

数据订正任务

1. 接收 UPDATE/DELETE SQL 语句 2. 运行 scripts/validate_data_correction.py 进行安全检查 3. 如果安全，生成备份脚本 4. 要求用户确认 5. 执行并记录日志

测试数据生成任务

1. 接收表结构或连接数据库 2. 配置数据模式和数量 3. 运行 scripts/generate_test_data.py 4. 按依赖顺序生成 INSERT 语句

资源

scripts/ 脚本目录

analyze_slow_sql.py - 分析 SQL 性能并生成优化建议

check_schema_compliance.py - 根据标准验证表结构

validate_data_correction.py - 验证数据修改操作的安全性

generate_test_data.py - 根据表结构生成智能测试数据

generate_report.py - 导出分析结果到 Excel 格式

database_connector.py - JDBC 数据库连接工具

references/ 参考文档

sql_optimization_rules.md - SQL 优化最佳实践和模式

database_standards.md - 数据库命名约定和设计标准

safe_operation_guidelines.md - 数据操作的风险模式和安全规则

test_data_patterns.md - 数据生成模式和业务规则

assets/ 资产文件

compliance_rules.json - 可配置的规范规则定义

test_data_config.json - 测试数据生成配置模板

report_template.xlsx - 规范报告的 Excel 报告模板

重要提示

执行数据库操作前始终验证用户权限

记录所有操作以便审计追踪

为任何数据修改生成回滚脚本

首先在非生产环境中测试生成的脚本

遵守数据库连接限制和查询超时

对大数据量使用批量操作