适用于 Openclaw 的 Data Analysis SQL

一种用于多引擎 SQL 开发、数据仓库和自动化知识库维护的专家级大数据工程技能。

whiskeyforsun

v1.0.4

2026年4月1日

安装

基本信息

Skill.md

安装与下载

1. ClawHub CLI

从源直接安装技能的最快方式。


                  npx clawhub@latest install data-analysis-sql

2. 手动安装

将技能文件夹复制到以下位置之一

全局模式

~/.openclaw/skills/

工作区

<project>/skills/

优先级：工作区 > 本地 > 内置

3. 提示词安装

将此提示词复制到 OpenClaw 即可自动安装。


                  请帮我使用 Clawhub 安装 data-analysis-sql。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。

更倾向于下载？

获取包含原生技能文件的ZIP压缩包。

什么是 Data Analysis SQL？

Data Analysis SQL 技能是专为大数据工程师和数据分析师设计的综合工具包。它提供了跨多种引擎（包括 Hive、SparkSQL、ClickHouse 和 BigQuery）编写、调试和优化复杂 SQL 查询的高级功能。通过利用此 Openclaw Skills 资产，开发人员可以确保高性能数据处理，同时遵循严格的架构标准。

除了简单的查询，该技能还自动化了关键的数据工程任务，例如维度建模（ODS/DWD/DWS/ADS）、ETL 流水线编排和数据质量监控。它充当了原始数据与可执行业务指标之间的桥梁，为知识库生成和全面的技术文档提供了结构化的工作流程。

Data Analysis SQL 应用场景

为 Presto、Doris 或 Hive 等多引擎环境开发和优化复杂 SQL 查询。
使用 ODS、DWD、DWS 和 ADS 分层设计稳健的数据仓库架构。
使用全量、增量或 CDC 数据捕获策略实施 ETL 流水线。
执行自动化数据质量检查以识别空值率、重复和异常。
从 SQL 或 Excel 源自动生成技术文档和关系模式。

Data Analysis SQL 工作原理

需求明确：该技能首先定义业务指标、数据源和排除逻辑，以确保与目标一致。
引擎选择：根据用例确定最佳数据引擎，例如用于实时 OLAP 的 ClickHouse 或用于批处理的 SparkSQL。
结构化开发：使用公用表表达式 (CTE) 编写 SQL，并根据全面的安全检查清单（租户键、删除标志等）进行验证。
性能调优：分析数据倾斜、JOIN 爆炸因素和全表扫描风险以优化执行。
验证与部署：通过现有报告交叉验证输出，并触发知识库的自动文档生成。

Data Analysis SQL 配置指南

要将此技能集成到您的环境中，请确保已安装 Python 并将存储库克隆到您的 Openclaw Skills 目录中：

git clone <repository-url>
cd data-analysis-sql
pip install -r requirements.txt

然后，您可以使用提供的实用脚本进行格式化或差异比较：

python scripts/sql_formatter.py --file your_query.sql
python scripts/sql_diff.py --old old_v1.sql --new new_v2.sql

Data Analysis SQL 数据架构与分类体系

该技能通过 references/ 目录中的结构化分类组织数据和元数据：

分类	组件	描述
SQL 标准	`sql-guide.md`	CTE 使用、命名规范和格式化规则。
安全性	`join-rules.md`	租户隔离和空值处理检查清单。
建模	`schema-guide.md`	数据仓库分层架构（从 ODS 到 ADS）。
流水线	`pipeline-patterns.md`	ETL 编排和恢复的设计模式。
质量	`data-quality.md`	异常检测和数据探测标准。