Att generera SQL genom att mata in exempelrader i en modell läcker data och hittar ändå på kolumnnamn. Den här automationen jobbar enbart utifrån schemat.
sonnet3 dagarPostgresOpenAISQLGlotPython
Claude
53ROI
73Scale
$2k91Saved
ROI for
README.md
Varför denna subagent
Att generera SQL genom att mata in exempelrader i en modell läcker data och hittar ändå på kolumnnamn. Den här automationen jobbar enbart utifrån schemat.
Den tar dina tabell- och kolumndefinitioner, skriver ett utkast till frågan och parsar den sedan för att bekräfta att varje fält som refereras faktiskt finns innan något lämnas tillbaka. Ingen raddata når någonsin modellen. Du får en ren, giltig query plus listan över tabeller och joins den bygger på.
Så kör den
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.
Generera ett förslag till SQL-query utifrån förfrågan med enbart det schemat som kontext.
pending
Parsa frågan med SQLGlot för att bekräfta att den bara refererar till kolumner som finns och är syntaktiskt giltig.
pending
Returnera den validerade frågan tillsammans med listan över tabeller och joins den använder.
pending
Exempel på output
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.