SKILLEMALL.ai

AB database-semantic-to-sql

Преобразует естественные языковые запросы пользователя в SQL-запросы на основе семантических моделей YAML; поддерживает многодиалектный MySQL/SQL Server/PostgreSQL/Oracle; гарантирует, что запросы интерпретируемы и соответствуют бизнес-терминам; используется, когда пользователь предоставляет семантический YAML и требует генерации SQL или хочет понять логику генерации SQL.

машинный переводПоказать оригиналСкрыть оригинал«Converts user natural language questions into SQL queries based on YAM…»

Converts user natural language questions into SQL queries based on YAML semantic models; supports MySQL/SQL Server/PostgreSQL/Oracle multi-dialect; ensures queries are interpretable and align with business terms; used when user provides semantic YAML and requires SQL generation or wants to understand SQL generation logic

ClawHub Agent Skills автор: AskSqlAI v1.0.3 MIT-0 3 файла тело ≈ 1 998 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Преобразует естественные языковые запросы пользователя в SQL-запросы на основе семантических моделей YAML; поддерживает многодиалектный MySQL/SQL…

Как процесс B 74/100 · Почти готов — слабые места: когда включается, повторный запуск, отчётность по ходу

ГенераторPostgreSQLMySQLИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
B
74/100
Почти готов
Отчётность по ходу вес 2
0
Когда включается вес 12
20
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • 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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 74/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 85Шаги. Шагов: 69, расплывчатых формулировок: 2
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Ошибки и развилки. Развилок: 8, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1998 токенов

    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

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 322 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 20 заголовков
    • +3Пошаговые инструкции: 69 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: clean
    This is a documentation-only skill for turning user-provided semantic YAML and natural-language questions into SQL, with no executable code or hidden data access.
    LLM: benign (high) · VirusTotal: · 28 мая 2026 г.