query-writing

作成者: langchain-ai

単純なSELECTから複雑な複数テーブルのJOIN、集計、サブクエリに至るSQLクエリを作成・実行します。ユーザーがデータベースへのクエリを依頼した場合に使用してください。

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)

langchain-aiのその他のスキル

deepagents-thread-inspector
langchain-ai
ローカルのDeep Agents Code SQLiteセッションストア内の会話を検査・説明します。LangSmithトレースツールが利用できない場合のフォールバックとして使用し、…
deepagents-python-quickstart
langchain-ai
公式クイックスタートに従って、Pythonで最小限のローカルDeep Agentをスキャフォールドし、Tavilyの代わりにプロバイダー標準のウェブ検索を使用します。ユーザーが…を望む場合に使用します。
deepagents-typescript-quickstart
langchain-ai
公式クイックスタートに従って、Tavilyの代わりにプロバイダー標準のウェブ検索を使用しながら、TypeScriptで最小限のローカルDeep Agentをスキャフォールドする。ユーザーが…の場合に使用する。
eval-engineering
langchain-ai
エージェントリポジトリと、ユーザーが提供した任意のトレースを反復的に調査し、ユーザーにインタビューし、Harborの評価を一度に1つ作成・実行・監査します。~に使用します…
LangChain RAG Pipeline
langchain-ai
このスキルは、あらゆる検索拡張生成(RAG)システムを構築する際に呼び出してください。ドキュメントローダー、RecursiveCharacterTextSplitter、埋め込み(OpenAI)などをカバーします。
LangChain Structured Output & HITL
langchain-ai
langchain-structured-output-&-hitl — AIエージェント用のインストール可能なスキルで、langchain-ai/langchain-skillsから公開されています。
LangSmith Datasets
langchain-ai
このスキルは、トレースから評価データセットを作成する場合、データセットをLangSmithにアップロードする場合、またはデータセットをクエリする場合に呼び出します。データセットの種類(final_response、…)をカバーします。
langsmith-evaluator
langchain-ai
LangSmithの評価パイプラインを構築する際にこのスキルを呼び出してください。以下の3つのコアコンポーネントをカバーします:(1) 評価器の作成 - LLM-as-Judge、カスタムコード;(2)…