query-writing

Escribe y ejecuta consultas SQL desde SELECTs simples hasta JOINs complejos de múltiples tablas, agregaciones y subconsultas. Úsalo cuando el usuario solicite consultar una base de datos,…

npx skills add https://github.com/langchain-ai/deepagents --skill query-writing

Query Writing Skill

Workflow for Simple Queries

For straightforward questions about a single table:

  1. Identify the table - Which table has the data?
  2. Get the schema - Use sql_db_schema to see columns
  3. Write the query - SELECT relevant columns with WHERE/LIMIT/ORDER BY
  4. Execute - Run with sql_db_query
  5. Format answer - Present results clearly

Workflow for Complex Queries

For questions requiring multiple tables:

1. Plan Your Approach

Use write_todos to break down the task:

  • Identify all tables needed
  • Map relationships (foreign keys)
  • Plan JOIN structure
  • Determine aggregations

2. Examine Schemas

Use sql_db_schema for EACH table to find join columns and needed fields.

3. Construct Query

  • SELECT - Columns and aggregates
  • FROM/JOIN - Connect tables on FK = PK
  • WHERE - Filters before aggregation
  • GROUP BY - All non-aggregate columns
  • ORDER BY - Sort meaningfully
  • LIMIT - Default 5 rows

4. Validate and Execute

Check all JOINs have conditions, GROUP BY is correct, then run query.

Example: Revenue by Country

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;

Error Recovery

If a query fails or returns unexpected results:

  1. Empty results — Verify column names and WHERE conditions against the schema; check for case sensitivity or NULL values
  2. Syntax error — Re-examine JOINs, GROUP BY completeness, and alias references
  3. Timeout — Add stricter WHERE filters or LIMIT to reduce result set, then refine

Quality Guidelines

  • Query only relevant columns (not SELECT *)
  • Always apply LIMIT (5 default)
  • Use table aliases for clarity
  • For complex queries: use write_todos to plan
  • Never use DML statements (INSERT, UPDATE, DELETE, DROP)

Más skills de langchain-ai

deepagents-thread-inspector
langchain-ai
Inspecciona y explica conversaciones en el almacén de sesiones SQLite local de Deep Agents Code. Úsalo como respaldo cuando la herramienta de trazado de LangSmith no esté disponible, para…
deepagents-python-quickstart
langchain-ai
Crear un agente local mínimo de Deep Agent en Python siguiendo la guía de inicio rápido oficial, utilizando la búsqueda web nativa del proveedor en lugar de Tavily. Úsalo cuando el usuario quiera…
deepagents-typescript-quickstart
langchain-ai
Crear un agente Deep local mínimo en TypeScript siguiendo la guía de inicio rápido oficial, usando la búsqueda web nativa del proveedor en lugar de Tavily. Usar cuando el usuario…
eval-engineering
langchain-ai
Inspecciona de forma iterativa un repositorio de agentes y los traces opcionales proporcionados por el usuario, entrevista al usuario, y crea, ejecuta y audita los evals de Harbor uno a la vez. Úsalo para…
LangChain RAG Pipeline
langchain-ai
INVOCA ESTA HABILIDAD al construir CUALQUIER sistema de generación aumentada por recuperación (RAG). Cubre cargadores de documentos, RecursiveCharacterTextSplitter, embeddings (OpenAI),…
LangChain Structured Output & HITL
langchain-ai
langchain-structured-output-&-hitl — una habilidad instalable para agentes de IA, publicada por langchain-ai/langchain-skills.
LangSmith Datasets
langchain-ai
INVOCA ESTA HABILIDAD al crear conjuntos de datos de evaluación a partir de trazas O al subir conjuntos de datos a LangSmith O al consultar conjuntos de datos. Cubre tipos de conjuntos de datos (final_response,…
langsmith-evaluator
langchain-ai
INVOCA ESTA HABILIDAD al construir pipelines de evaluación para LangSmith. Cubre tres componentes principales: (1) Creación de Evaluadores - LLM como juez, código personalizado; (2)…