数据智能 · Text2SQL

数仓建模 + SQL 生成的一站式规范。所有数仓相关的 AI 输出必须遵守本 Skill 下的全部文档。

必读文档

文件说明

├── SKILL.md                          ← 主入口（导航 + 核心原则 + 约束）
├── README.md
└── references/
    ├── modeling.md                    ← 分层建模规范
    ├── sql-standards.md               ← SQL 编写标准（编码规范 + 逻辑规范 + 禁止项 + 模板）
    └── naming-and-metrics.md          ← 命名规范 + 指标体系（词根表 + 指标命名 + 已定义指标）

先思考后生成（强制）

禁止直接生成代码。 收到任务后必须先输出以下内容，等用户确认后再生成：

1. 理解：复述任务目标、涉及的表和字段、数据粒度
2. 思路：分层选择、关联策略、关键口径（若逻辑简单可不必拆 CTE）
3. 计划：打算怎么做，分几步，每步做什么
4. 疑问：不确定的表名/字段/指标名/口径/过滤条件必须先列出并询问，不得臆造；命名时词根表中无对应项也需先问

用户明确说「生成」「写出来」后，再输出完整代码。

核心原则

1. 军规先行：所有 SQL 编写、审查必须遵守编写标准
2. 建模规范：建表、选分层必须遵守分层建模规范，表 COMMENT 必须按元数据格式
3. 命名优先词根：表名、字段名、指标名必须优先按 references/naming-and-metrics.md 中的词根和规范命名，不得自造；不确定时先询问用户再生成
4. 分层清晰：ODS 只收口、DIM 管维度、DWD 管明细事实、DWS 管汇总沉淀、APP 面向应用
5. 口径收口：指标定义必须有明确的计算公式和过滤条件，禁止模糊描述
6. CTE 按需使用：能一个 SELECT 写清的逻辑直接写，不必拆成多个 CTE；仅当逻辑复杂、多表关联或嵌套过深时再拆，避免为拆而拆
7. 注释完整：脚本顶部写明目标表、粒度、依赖表、调度参数
8. SQL 语法：默认使用 Spark SQL 语法，按 Spark SQL 书写与审查

主流程

用户发起数仓任务
       │
       ▼
  SKILL.md 自动加载
       │
       ├── 建表/选分层？
       │     ├── references/modeling.md         → 分层决策树 + 表 COMMENT 元数据格式
       │     └── references/naming-and-metrics.md → 表名/字段命名 + 词根表
       │
       ├── 写 SQL？
       │     ├── references/sql-standards.md    → 编码规范 + 逻辑规范 + 禁止项 + 模板
       │     └── references/naming-and-metrics.md → 字段命名用词根表
       │
       ├── 定义指标？
       │     └── references/naming-and-metrics.md → 原子/派生/复合命名公式 + 已定义指标
       │
       └── 查表/确认依赖？
             └── find_tables skill（按关键词查元数据表）

约束

• 表名、指标名、字段名必须优先按词根和命名规范；词根表与规范见 references/naming-and-metrics.md，不得自造英文
• 不确定的命名或词根表中无对应项时，必须先询问用户，不得直接生成
• 不臆造表名/字段名/依赖表；其他不确定处先标注「需确认」
• 不随意增删需求文档中已约定的字段或关联条件
• 新建指标必须给出完整的计算公式和过滤条件