前言¶

写 ClickHouse 的人多半遇到过两件事：一是表建得不对，列类型、分区键、排序键选错，数据一进来查询就慢；二是查询本身写法有问题，全表扫描、缺少合适的聚合粒度，跑一次要等很久，却不知道该从哪下手改。

这类问题没有通用的排查套路，而 SkillHub 上的 ClickHouse Analytics Patterns 正是为此准备的。它不提供运行时能力，而是在你写 schema、写查询或优化慢查询时给出一套可参照的工程实践清单。

下面介绍这个 Skill 的定位、已知信息和用法。

这是什么¶

ClickHouse Analytics Patterns 是一个面向 ClickHouse 分析型负载的 Skill，覆盖数据库模式设计、查询优化、分析建模和数据工程最佳实践。它由 SkillHub 上的发布者 RealQ 维护，坐标 @org-eyw2ohcx/affaan-m-ecc-clickhouse-io，当前版本 1.0.0，来源标记为 enterprise，分类为 data-analysis。

官方简介写得很明确：当你在写 ClickHouse schema 或查询，或者某个分析查询太慢时使用它。也就是说，它的作用是把”该考虑哪些东西”显式化，而不是替代你写 SQL。

核心功能¶

根据官方简介，这个 Skill 的能力范围集中在四个方面：

1、ClickHouse database patterns，即建表时的模式选择，包括列类型、分区与排序键的组合方式。
2、Query optimization，面向慢查询的优化思路。
3、Analytics，分析场景的建模与查询组织方式。
4、Data engineering best practices，面向高性能分析型负载的数据工程实践。

需要说明的是，SkillHub 页面当前无法访问，因此以上能力描述以预抓取到的官方简介为准，Skill 内部的具体章节结构和示例内容未能核实。

安装与启用¶

这个 Skill 基于通用 SKILL.md 格式，在支持该格式的 Agent 工具中按坐标加载即可，标签显示 requires_api_key=false，即不需要额外配置 API Key。

已核实的信息如下：

SkillHub 页面: https://www.skillhub.cn/skills/org-eyw2ohcx/affaan-m-ecc-clickhouse-io
API 地址:     https://api.skillhub.cn/org-eyw2ohcx/affaan-m-ecc-clickhouse-io
坐标:         @org-eyw2ohcx/affaan-m-ecc-clickhouse-io
版本:         1.0.0

具体的安装命令、Skill 存放目录以及在 Cursor、Codex CLI、Claude Code 中的差异，资料中没有给出，本次抓取官方页面也失败了，因此不在这里编造。启用方式请以打开上述页面后看到的实际说明为准。

典型用法¶

这个 Skill 的触发条件写在简介里，实际使用方式就是让它参与你正在做的事：

1、写 ClickHouse schema 之前，先让它过一遍模式设计，看列类型、分区键和排序键是否匹配你的查询模式。
2、写查询时，让它检查是否存在全表扫描、聚合粒度是否合理等常见优化点。
3、遇到跑得慢的分析查询，把查询和表结构一起交给它，按优化清单逐项排查。

没有需要你手工执行的命令或脚本。它属于知识型 Skill，价值在于约束和提示，最终的 SQL 和建表语句仍由你决定和验证。

适用场景与注意¶

适合使用的人：日常维护 ClickHouse 表结构、写分析查询、或者负责把慢查询优化下来的工程师和数据工程师。如果你的项目用其他列式存储或关系型数据库，它给出的建议不一定适用。

需要注意的几点：

1、Skill 内的具体规则和示例未能从公开页面核实，使用前请打开官方页面确认内容是否与你使用的 ClickHouse 版本匹配。
2、它不提供运行时校验，也不会自动改你的表结构，优化结果需要在测试库上验证后再上线。
3、SkillHub 显示安装量为 0、评分为 100000，下载量为 787。评分为全量满分口径，不代表真实用户评价；下载量不高，实际使用反馈样本很少，建议当作参考清单而非权威规范。

结尾¶

ClickHouse Analytics Patterns 的价值在于把分析型负载里容易踩的坑提前列出来，适合在建表和写查询这两个环节用上。它的能力范围就是查询优化与模式设计，不涉及运行时组件。

官方地址：https://www.skillhub.cn/skills/org-eyw2ohcx/affaan-m-ecc-clickhouse-io