Generowanie SQL przez podawanie modeli przykładowych wierszy naraża dane na wyciek i nadal halucynuje nazwy kolumn. Ta automatyzacja działa wyłącznie na schemacie.
sonnet3 dniPostgresOpenAISQLGlotPython
Claude
53ROI
73Scale
$2k91Saved
ROI for
README.md
Dlaczego ten subagent
Generowanie SQL przez podawanie modeli przykładowych wierszy naraża dane na wyciek i nadal halucynuje nazwy kolumn. Ta automatyzacja działa wyłącznie na schemacie.
Przyjmuje definicje tabel i kolumn, tworzy zapytanie, a potem parsuje je, żeby potwierdzić, że każde odwołane pole naprawdę istnieje, zanim cokolwiek zwróci. Żadne dane wierszowe nie trafiają do modelu. Dostajesz czyste, poprawne zapytanie plus listę tabel i joinów, na których się opiera.
Jak działa
Used at step 01 to kick off the pipeline.
Write
Used at step 01 to kick off the pipeline.
WebFetch
Used at step 01 to kick off the pipeline.
WebSearch
Used at step 01 to kick off the pipeline.
Wygeneruj kandydujący zapytanie SQL na podstawie żądania, korzystając wyłącznie z kontekstu schematu.
pending
Przeanalizuj zapytanie za pomocą SQLGlot, aby potwierdzić, że odwołuje się tylko do istniejących kolumn i jest składniowo poprawne.
pending
Zwróć zweryfikowane zapytanie wraz z listą tabel i joinów, których używa.
pending
Przykładowe wyjście
json
// Sample output
// (generated when the pipeline finishes)
Given only a database schema, produce a syntactically valid SQL query that references existing columns and no invented fields.
Unlock the rest
The full agent definition, install snippet, and starter task are gated for community members.
Members get the full `.md` agent file, the npm / pnpm install one-liners, a starter prompt that we've tuned against real runs, and the open-source repo when this automation ships there. One email, magic link, done.