query-writing

tarafından langchain-ai

Basit SELECT sorgularından karmaşık çok tablolu JOIN’lere, toplama işlemlerine ve alt sorgulara kadar SQL sorguları yazar ve çalıştırır. Kullanıcı bir veritabanını sorgulamak istediğinde kullanılır,…

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 tarafından daha fazla skill

deepagents-thread-inspector
langchain-ai
Yerel Deep Agents Code SQLite oturum deposundaki konuşmaları inceleyin ve açıklayın. LangSmith trace araçları kullanılamadığında yedek olarak kullanın, için…
deepagents-python-quickstart
langchain-ai
Python'da resmi hızlı başlangıç kılavuzunu izleyerek minimal bir yerel Deep Agent oluşturun, Tavily yerine sağlayıcıya özgü web araması kullanın. Kullanıcı şu durumlarda kullanın…
deepagents-typescript-quickstart
langchain-ai
Resmi hızlı başlangıç kılavuzunu izleyerek TypeScript'te minimal bir yerel Deep Agent iskeleti oluşturun, Tavily yerine sağlayıcıya özgü web araması kullanın. Kullanıcı… olduğunda kullanın.
eval-engineering
langchain-ai
Yinelemeli olarak bir ajan deposunu ve kullanıcı tarafından sağlanan isteğe bağlı izleri inceleyin, kullanıcıyla görüşün ve Harbor evals'larını tek tek oluşturun, çalıştırın ve denetleyin. Şunlar için kullanın…
LangChain RAG Pipeline
langchain-ai
Herhangi bir bilgi getirmeli üretim (RAG) sistemi oluştururken BU BECERİYİ ÇAĞIRIN. Belge yükleyicileri, RecursiveCharacterTextSplitter, gömme vektörleri (OpenAI),… kapsar.
LangChain Structured Output & HITL
langchain-ai
langchain-structured-output-&-hitl — AI ajanları için yüklenebilir bir beceri, langchain-ai/langchain-skills tarafından yayımlanmıştır.
LangSmith Datasets
langchain-ai
Bu beceriyi, izleme kayıtlarından değerlendirme veri kümeleri oluştururken VEYA LangSmith'e veri kümeleri yüklerken VEYA veri kümelerini sorgularken ÇAĞIRIN. Veri kümesi türlerini kapsar (final_response,…
langsmith-evaluator
langchain-ai
LangSmith için değerlendirme hatları oluştururken BU BECERİYİ ÇAĞIRIN. Üç temel bileşeni kapsar: (1) Değerlendirici Oluşturma - LLM-as-Judge, özel kod; (2)…