SQL 查询优化技能：用索引模式治好数据库慢查询

技能简介

SQL 查询优化技能（sql-optimization-patterns）是面向数据库开发者的实战指南型技能，专注于解决"慢查询拖垮接口、抬高数据库成本"这一经典难题。它把庞大的数据库调优知识压缩成一套可操作的决策框架，覆盖执行计划解读、索引选型、分页改写、批量写入与日常维护策略。无论你面对的是 PostgreSQL 还是 MySQL，是线上偶发超时还是报表查询越跑越慢，它都能给出有条理的排查与验证路径，让你在不"拍脑袋加索引"的前提下，找到真正有效的那一处改动。

核心能力

1. 执行计划解读：讲清 EXPLAIN 计划中的扫描方式、连接类型、代价估算、预估行数与实际耗时等关键指标，帮助快速定位瓶颈来源。
2. 索引模式库：系统梳理 B-tree、GIN、BRIN、部分索引、表达式索引、复合索引与覆盖索引等模式的适用条件。
3. 反模式纠错：演示如何避免 N+1 查询、大 OFFSET 分页、关联子查询等常见性能陷阱。
4. 批量与聚合技巧：覆盖聚合优化、批量插入、批量更新、物化视图与表分区等技术手段。
5. PostgreSQL 监控查询：内置慢查询、缺失索引、未使用索引等运维监控 SQL，便于持续观测。
6. 常见坑位提醒：点明过度索引、隐式类型转换、前导通配符、过滤列上使用函数等易忽略问题。

安装配置

1. 确认已安装 Node.js 环境，以便使用 skillstore 命令行工具。
2. 执行安装命令：npx skillstore add wshobson/sql-optimization-patterns。
3. 该技能支持 Claude、Codex、Claude Code 等主流 AI 编程工具，安装后即可在对应工具中调用。
4. 仓库地址见官方链接，采用 MIT 许可，可自由查看与二次参考；注意技能本身不连接数据库，所有建议需在你的真实库上验证。

使用步骤

1. 采集现状：先把慢查询语句、EXPLAIN（或 EXPLAIN ANALYZE）输出、表结构与行数等信息提供给 AI。
2. 定位瓶颈：让技能分析执行计划，识别是缺索引、扫描方式不佳，还是查询写法本身存在问题。
3. 获取候选方案：向技能索取索引候选或查询改写思路，并要求说明读收益、写代价与验证方法。
4. 小步验证：在贴近生产数据量的环境逐条测试改动，用前后执行计划与耗时对比确认效果。
5. 沉淀与监控：把验证有效的模式固化下来，并借助监控查询持续观察索引使用情况。

适用场景

• 修复线上慢接口：针对偶发超时的查询，快速判断是索引缺失还是分页/子查询写法问题。
• 索引策略评审：在改动生产库表结构前，对比缺失索引、未使用索引与重叠索引的取舍。
• 报表负载优化：针对大型分析型查询，考虑聚合、物化视图与分区等组合方案。
• 数据库调优教学：作为团队内 SQL 性能优化的培训与自查清单，统一排查思路。

适用人群

后端工程师、数据库管理员、数据工程师，以及需要排查线上数据库性能问题但又不想盲目加索引的 AI 编程工具使用者。

工作原理

技能本身提供的是结构化的优化知识与决策流程，而非直接操作数据库的脚本。它依据用户提供的查询语句与执行计划，结合索引模式库和反模式清单，推断最可能的性能瓶颈，再给出候选改动方案。所有结论都建立在"先测量、后修改、再对比"的验证流程之上，强调用真实数据量做测试，避免在小规模开发数据上得出误导性结论。

官方链接

• 技能主页：https://skillstore.io/skills/wshobson-sql-optimization-patterns
• 开源仓库：https://github.com/wshobson/agents/tree/main/plugins/developer-essentials/skills/sql-optimization-patterns