Um scanner estrutural de banco de dados zero-trust que audita a topologia do schema em busca de gargalos de desempenho e falhas de integridade sem acessar os dados das linhas.
Instalar e Baixar
1. ClawHub CLI
A maneira mais rápida de instalar uma habilidade diretamente do registro.
npx clawhub@latest install graphcare
2. Instalação Manual
Copie a pasta da habilidade para um desses locais
~/.openclaw/skills/ <project>/skills/ Prioridade: Espaço de Trabalho > Local > Integrado
3. Instalação do Prompt
Copie este prompt para o OpenClaw para instalá-lo automaticamente.
Ajude-me a instalar o graphcare usando o Clawhub. Se o Clawhub não estiver instalado, instale-o primeiro (npm i -g clawhub).
Prefere baixar?
Obtenha os arquivos originais da habilidade em um arquivo ZIP.
O que é GraphCare?
O GraphCare serve como um antivírus estrutural essencial para bancos de dados modernos, projetado especificamente para lidar com a rápida evolução de schema comum no desenvolvimento impulsionado por AI. Ao analisar a topologia do schema em vez do conteúdo das linhas, esta adição à biblioteca Openclaw Skills identifica falhas arquitetônicas ocultas, como dependências circulares e índices ausentes que degradam o desempenho ao longo do tempo.
Construído com uma arquitetura zero-trust, o GraphCare garante a privacidade dos dados consultando estritamente catálogos de metadados como information_schema e pg_indexes. Ele fornece aos desenvolvedores uma pontuação de saúde clara e insights acionáveis, tornando-se uma ferramenta crítica para manter ambientes PostgreSQL, MySQL e Sqlite de alto desempenho sem arriscar a exposição de dados.
Casos de uso do GraphCare
- Auditar schemas de banco de dados gerados por AI para garantir a integridade estrutural e as melhores práticas.
- Identificar a causa raiz de operações JOIN e DELETE lentas causadas pela ausência de índices de chave estrangeira.
- Detectar tabelas órfãs que não são mais acessíveis ou integradas à lógica da aplicação.
- Prevenir falhas de replicação e erros de ORM identificando tabelas sem chaves primárias.
- Otimizar velocidades de escrita e uso de disco localizando índices redundantes ou duplicados.
Como o GraphCare funciona
- O usuário fornece uma string de conexão de banco de dados para a ferramenta audit_db_structure dentro do framework Openclaw Skills.
- O GraphCare estabelece uma conexão somente leitura com o catálogo de metadados do banco de dados de destino.
- O mecanismo realiza uma varredura topológica de tabelas, chaves estrangeiras e definições de índices sem executar nenhuma instrução SELECT nos dados do usuário.
- Os problemas identificados são categorizados por gravidade (Crítico, Aviso, Info) e compilados em um relatório JSON estruturado.
- Os usuários podem, opcionalmente, chamar a ferramenta explain_finding para receber etapas de remediação em linguagem simples e análise de impacto para problemas estruturais específicos.
Configuração do GraphCare
Para integrar o GraphCare em seu ambiente, adicione-o à configuração do seu cliente MCP:
{
"mcpServers": {
"graphcare": {
"command": "node",
"args": ["\/path\/to\/graphcare\/index.js"]
}
}
}
Alternativamente, instale o pacote globalmente via npm para usá-lo como parte do seu fluxo de trabalho Openclaw Skills:
npm install -g graphcare-mcp
graphcare-mcp
Para ambientes conteinerizados, use Docker:
docker build -t graphcare .
docker run -i graphcare
Esquema de Dados e Taxonomia de GraphCare
O GraphCare gera um relatório de saúde JSON abrangente após cada varredura. Os dados são organizados em quatro seções principais:
| Key | Descrição |
|---|---|
| db_type | O mecanismo de banco de dados detectado (PostgreSQL, MySQL ou Sqlite). |
| tables[] | Um array de todos os nomes de tabelas identificados durante a varredura de metadados. |
| findings[] | Uma lista de objetos contendo o tipo de problema, nível de gravidade, tabela afetada e uma mensagem descritiva. |
| metrics{} | Contagens agregadas de tipos de descobertas e um health_score calculado (0-100). |
Recursos avançados do GraphCare
- Suporte a múltiplos bancos de dados em PostgreSQL, MySQL e Sqlite usando uma camada de extração de metadados unificada.
- Varredura de metadados Zero-Trust que garante que nenhum dado de linha do usuário seja lido ou transmitido.
- Pontuação de saúde automatizada para fornecer uma métrica de alto nível para integração em pipelines CI/CD.
- Conselhos de remediação sensíveis ao contexto através da ferramenta explain_finding para auxiliar desenvolvedores na redução rápida de débitos técnicos.
- Modelo de execução sem estado garantindo que a memória seja purgada após cada varredura para máxima segurança dentro do Openclaw Skills.
SKILL.md
Carregamento
Habilidades relacionadas do Openclaw
Coding Style Memory
Uma habilidade de memória local, baseada em consentimento, que permite que agentes de AI se adaptem aos seus estilos de codificação e preferências de stack específicos através de feedback explícito.
Book Highlights
Uma skill de agente de AI especializada, projetada para extrair e formatar os destaques, citações e insights principais mais impactantes de uma extensa biblioteca de livros.
CrewAI
CrewAI é um framework sofisticado de orquestração multi-agente projetado para ajudar desenvolvedores a construir sistemas de AI colaborativos onde agentes especializados trabalham juntos para resolver tarefas complexas.
Analisador de Assiduidade da Agência
Uma ferramenta de análise automatizada para processar registros complexos de assiduidade de funcionários e gerar relatórios profissionais em docx e xlsx.
Knowledge Capture
Um sistema inteligente de gestão de conhecimento e revisão adaptativa que converte conversas em notas Markdown estruturadas e planos de estudo automatizados.
PPTMagic PPT Creator
Uma poderosa habilidade de AI para gerar, continuar e exportar decks de apresentação profissionais através do ecossistema de APIs pptmagic e Banana Slides.
Apresentou*
