前言¶

拿到业务需求后，先把“怎么取数”想清楚，再写 SQL；写完 SQL 后，还要检查字段口径、过滤条件、分页逻辑是否正确。对已经有 SQL 代码的数据分析师和产运团队来说，重复验证和迁移 SQL 是常见负担。下面介绍一个基于 SkillHub 的技能包，帮助在已有 SQL 基础上完成从自然语言到可运行 SQL 的生成、修改与验证。

这是什么¶

数据提取专业版（适合已经有SQL代码的数据分析师和产运团队）是一个可搬迁的取数与知识协作技能包，定位为在已有 SQL 代码的基础上，串行执行自然语言（NL）SQL 生成/修改、资料闸、语义审查 JSON 闭环，以及 Markdown 知识库（raw→ingest→wiki）的流程。它不直接绑定厂商与地域，{{WIKI_ROOT}} 与 {{SQL_ENGINE}} 由宿主配置。发布者为 user_ceacef9a，分类为 data-analysis，SkillHub 评分 100000，下载 708 次。

核心能力¶

• NL SQL 生成与修改：基于已有的 SQL 代码，通过自然语言描述生成或修改 SQL 语句。
• 资料闸与语义审查 JSON 闭环：在执行前进行资料闸校验，通过语义审查后输出 JSON 闭环。
• Markdown 知识库流程：支持 raw 文档的 ingest 与 wiki 化，包含 §0.3 就绪闸。
• 缺失路径或 raw/编译证据时的引导：当路径或必要证据缺失时，截断并引导到正确步骤，不臆造生产 SQL。
• 配置项解耦：{{WIKI_ROOT}} 与 {{SQL_ENGINE}} 由宿主配置，正文不绑厂商与地域。

安装与启用¶

SkillHub 官方地址：https://www.skillhub.cn/skills/user_ceacef9a/data-extract-by-text2sql

安装后按本 SKILL Read references/ 与 skills/ 目录进行初始化与路径配置。

典型用法¶

• 在已有 SQL 代码基础上，使用自然语言描述变更需求（如“把时间范围改成最近 30 天”）。
• Skill 串行执行 NL SQL 生成/修改、资料闸校验与语义审查 JSON 闭环。
• 若缺少必要路径或 raw/编译证据，Skill 会截断并给出引导步骤，不生成不可用 SQL。
• 通过配置 {{WIKI_ROOT}} 与 {{SQL_ENGINE}}，将知识库与取数引擎解耦，适配不同环境。

适用场景与注意¶

• 适合已有 SQL 代码的数据分析师与产运团队，用于快速生成/修改 SQL 并验证语义。
• 不含长期记忆（请单独安装 memory 包）。
• 需要宿主配置 {{WIKI_ROOT}} 与 {{SQL_ENGINE}}，以适配不同取数环境。

短结尾¶

数据提取专业版在已有 SQL 代码基础上提供从自然语言到生产级 SQL 的生成、修改与验证闭环，配合 Markdown 知识库流程，帮助团队减少重复验证、提升取数效率。官方地址：https://www.skillhub.cn/skills/user_ceacef9a/data-extract-by-text2sql