Генерація SQL шляхом передачі зразків рядків моделі зливає дані й досі вигадує назви стовпців. Ця автоматизація працює лише зі схеми.
sonnet3 дніPostgresOpenAISQLGlotPython
Claude
53ROI
73Scale
$2k91Saved
ROI for
README.md
Чому цей субагент
Генерація SQL шляхом передачі зразків рядків моделі зливає дані й досі вигадує назви стовпців. Ця автоматизація працює лише зі схеми.
Вона бере визначення ваших таблиць і стовпців, складає запит, а потім розбирає його, щоб підтвердити, що кожне згадане поле справді існує, перш ніж щось повернути. Дані рядків ніколи не потрапляють до моделі. Ви отримуєте чистий, валідний запит і список таблиць та джойнів, на які він спирається.
Як він працює
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.
Згенеруйте кандидатський SQL-запит на основі запиту, використовуючи лише контекст цієї схеми.
pending
Проаналізуйте запит за допомогою SQLGlot, щоб підтвердити, що він посилається лише на існуючі стовпці та є синтаксично коректним.
pending
Поверніть перевірений запит разом із переліком таблиць та join'ів, які він використовує.
pending
Приклад результату
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.