query-writing
シンプルなSELECT文から複雑なマルチテーブルJOIN・集計・サブクエリまで、SQLクエリの作成と実行を行います。データベースへの問い合わせ、SQL記述、データ取得・絞り込み、テーブルからのレポート生成などをユーザーが求める際に使用します。
description の原文を見る
Writes and executes SQL queries from simple SELECTs to complex multi-table JOINs, aggregations, and subqueries. Use when the user asks to query a database, write SQL, run a SELECT statement, retrieve data, filter records, or generate reports from database tables.
SKILL.md 本文
クエリライティングスキル
シンプルなクエリのワークフロー
単一テーブルに関する直感的な質問の場合:
- テーブルを特定する - どのテーブルにデータがあるか?
- スキーマを取得する -
sql_db_schemaを使ってカラムを確認 - クエリを作成する - WHERE/LIMIT/ORDER BY を含む SELECT を作成
- 実行する -
sql_db_queryで実行 - 結果をフォーマットする - 結果を明確に提示
複雑なクエリのワークフロー
複数のテーブルが必要な質問の場合:
1. アプローチを計画する
write_todos を使ってタスクを分解:
- 必要なテーブルをすべて特定
- 関係性をマップ (外部キー)
- JOIN 構造を計画
- 集計方法を決定
2. スキーマを確認する
各テーブルに対して sql_db_schema を使って、JOIN カラムと必要なフィールドを見つけます。
3. クエリを構築する
- SELECT - カラムと集計関数
- FROM/JOIN - FK = PK でテーブルを接続
- WHERE - 集計前のフィルタ
- GROUP BY - すべての非集計カラム
- ORDER BY - 意味のあるソート
- LIMIT - デフォルト 5 行
4. 検証と実行
すべての JOIN に条件があることを確認し、GROUP BY が正しいことを確認してからクエリを実行します。
例: 国別の収益
SELECT
c.Country,
ROUND(SUM(i.Total), 2) as TotalRevenue
FROM Invoice i
INNER JOIN Customer c ON i.CustomerId = c.CustomerId
GROUP BY c.Country
ORDER BY TotalRevenue DESC
LIMIT 5;
エラーリカバリー
クエリが失敗するか予期しない結果が返される場合:
- 空の結果 — スキーマに照らしてカラム名と WHERE 条件を確認。大文字小文字の違いや NULL 値をチェック
- 構文エラー — JOIN、GROUP BY の完全性、エイリアス参照を再検討
- タイムアウト — WHERE フィルタを厳しくするか LIMIT を追加して結果セットを削減してから改善
品質ガイドライン
- 関連するカラムのみをクエリ (SELECT * は使用禁止)
- 常に LIMIT を適用 (デフォルト 5)
- テーブルエイリアスを使って可読性を向上
- 複雑なクエリの場合: write_todos を使って計画
- DML ステートメント (INSERT, UPDATE, DELETE, DROP) は使用禁止
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- langchain-ai
- ライセンス
- MIT
- 最終更新
- 不明
Source: https://github.com/langchain-ai/deepagents / ライセンス: MIT
関連スキル
hugging-face-trackio
Trackioを使用してMLトレーニング実験を追跡・可視化できます。トレーニング中のメトリクスログ記録(Python API)、トレーニング診断のアラート発火、ログされたメトリクスの取得・分析(CLI)が必要な場合に活用してください。リアルタイムダッシュボード表示、Webhookを使用したアラート、HF Space同期、自動化向けのJSON出力に対応しています。
btc-bottom-model
ビットコインのサイクルタイミングモデルで、加重スコアリングシステムを搭載しています。日次パルス(4指標、32ポイント)とウィークリー構造(9指標、68ポイント)の2カテゴリーにわたる13の指標を追跡し、0~100のマーケットヒートスコアを算出します。ETFフロー、ファンディングレート、ロング/ショート比率、恐怖・貪欲指数、LTH-MVRV、NUPL、SOPR(LTH+STH)、LTH供給率、移動平均倍率(365日MA、200週MA)、週次RSI、出来高トレンドに対応します。市場サイクル全体を通じて買いと売りの両方の推奨を提供します。ビットコインの底値拾い、BTCサイクルポジション、買い時・売り時、オンチェーン指標、MVRV、NUPL、SOPR、LTH動向、ETFの流出入、ファンディングレート、恐怖指数、ビットコインが過熱状態か、マイナーコスト、暗号資産市場のセンチメント、BTCのポジションサイジング、「今ビットコインを買うべきか」「BTCが天井をつけているか」「オンチェーン指標は何を示しているか」といった質問の際にこのスキルを活用します。
protein_solubility_optimization
タンパク質の溶解性最適化 - タンパク質の溶解性を最適化します。タンパク質の特性を計算し、溶解性と親水性を予測し、有効な変異を提案します。タンパク質配列の特性計算、タンパク質機能の予測、親水性計算、ゼロショット配列予測を含むタンパク質エンジニアリング業務に使用できます。3つのSCPサーバーから4つのツールを統合しています。
research-lookup
Parallel Chat APIまたはPerplexity sonar-pro-searchを使用して、最新の研究情報を検索できます。学術論文の検索にも対応しています。クエリは自動的に最適なバックエンドにルーティングされるため、論文の検索、研究データの収集、科学情報の検証に活用できます。
tree-formatting
ggtree(R)またはiTOL(ウェブ)を使用して、系統樹の可視化とフォーマットを行います。系統樹を図として描画する際、ツリーレイアウトの選択、分類学に基づく枝やラベルの色付け、クレードの折りたたみ、サポート値の表示、またはツリーへのオーバーレイ追加が必要な場合に使用してください。系統推定(protein-phylogenyスキルを使用)やドメイン注釈(今後の独立したスキル)には使用しないでください。
querying-indonesian-gov-data
インドネシア政府の50以上のAPIとデータソースに接続できます。BPJPH(ハラール認証)、BOM(食品安全)、OJK(金融適正性)、BPS(統計)、BMKG(気象・地震)、インドネシア中央銀行(為替レート)、IDX(株式)、CKAN公開データポータル、pasal.id(第三者法MCP)に対応しています。インドネシア政府データを活用したアプリ開発、.go.idウェブサイトのスクレイピング、ハラール認証の確認、企業の法的適正性の検証、金融機関ステータスの照会、またはインドネシアMCPサーバーへの接続時に使用できます。CSRF処理、CKAN API使用方法、IP制限回避など、すぐに実行可能なPythonパターンを含んでいます。