query-writing

Menulis dan mengeksekusi kueri SQL mulai dari SELECT sederhana hingga JOIN multi-tabel yang kompleks, agregasi, dan subkueri. Gunakan saat pengguna meminta untuk mengkueri basis data,…

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)

Lebih banyak skill dari langchain-ai

deepagents-thread-inspector
langchain-ai
Periksa dan jelaskan percakapan di penyimpanan sesi SQLite Deep Agents Code lokal. Gunakan sebagai cadangan saat alat pelacakan LangSmith tidak tersedia, untuk…
deepagents-python-quickstart
langchain-ai
Buat kerangka minimal Deep Agent lokal dalam Python dengan mengikuti panduan memulai resmi, menggunakan pencarian web bawaan penyedia alih-alih Tavily. Gunakan saat pengguna ingin…
deepagents-typescript-quickstart
langchain-ai
Buat kerangka Deep Agent lokal minimal dalam TypeScript dengan mengikuti quickstart resmi, menggunakan pencarian web native penyedia alih-alih Tavily. Gunakan saat pengguna…
eval-engineering
langchain-ai
Periksa repositori agen dan trace opsional dari pengguna secara iteratif, wawancarai pengguna, lalu buat, jalankan, dan audit eval Harbor satu per satu. Gunakan untuk…
LangChain RAG Pipeline
langchain-ai
GUNAKAN KETERAMPILAN INI saat membangun sistem retrieval-augmented generation (RAG) apa pun. Mencakup pemuat dokumen, RecursiveCharacterTextSplitter, embeddings (OpenAI),…
LangChain Structured Output & HITL
langchain-ai
langchain-structured-output-&-hitl — sebuah skill yang dapat diinstal untuk agen AI, diterbitkan oleh langchain-ai/langchain-skills.
LangSmith Datasets
langchain-ai
PANGGIL KETERAMPILAN INI saat membuat dataset evaluasi dari jejak ATAU mengunggah dataset ke LangSmith ATAU menanyakan dataset. Mencakup tipe dataset (final_response,…
langsmith-evaluator
langchain-ai
GUNAKAN KETERAMPILAN INI saat membangun pipeline evaluasi untuk LangSmith. Mencakup tiga komponen inti: (1) Membuat Evaluator - LLM-as-Judge, kode kustom; (2)…