Skill sql-optimization
Optimiza el rendimiento de la base de datos mediante estrategias de indexación, análisis de consultas, diseño de esquemas y patrones de implementación.
- Estrellas en GitHub
- 23
- Archivos
- 1
- Último commit
- 11 nov 2026
- Licencia
- CC-BY-SA-4.0
- Herramientas permitidas
- —
¿Qué hace la skill sql-optimization?
Optimiza el rendimiento de la base de datos mediante estrategias de indexación, análisis de consultas, diseño de esquemas y patrones de implementación.
Resumen generado a partir del SKILL.md de la skill.
Sobre la skill sql-optimization
La función principal de este SKILL es mejorar el rendimiento de la base de datos mediante el ajuste de consultas y el diseño de esquemas. Los desarrolladores lo utilizan cuando necesitan analizar consultas lentas, diseñar estrategias de indexación eficientes o implementar mejores patrones de datos. Un agente debe cargar este SKILL para transformar SQL ineficiente en código de alto rendimiento aplicando principios como la indexación compuesta, la prevención de problemas N+1 y el uso de paginación basada en cursores en lugar de límites con offset lentos.
El SKILL proporciona orientación específica sobre cómo interpretar los resultados de EXPLAIN ANALYZE, distinguiendo entre escaneos secuenciales e index-only scans. También cubre técnicas de optimización de esquemas, como la normalización para cargas de trabajo con mucha escritura o la desnormalización para velocidad de lectura. Para mantener la seguridad, el SKILL enfatiza el uso de sentencias parametrizadas para prevenir la inyección SQL y recomienda ejecutar benchmarks de rendimiento en entornos de staging saneados en lugar de bases de datos de producción. También sugiere el uso de timeouts en las sentencias para evitar el agotamiento de recursos por consultas complejas.
Lo que un agente puede hacer con ella
- 1Analizar planes de ejecución de consultas lentasExamina un resultado de EXPLAIN ANALYZE para identificar si una consulta está realizando un escaneo completo de tabla lento.
Escrito a partir del SKILL.md de la skill. Cada caso de uso se verifica con una cita del mismo.
Cómo instalar la skill sql-optimization
Cada comando copia la carpeta de la skill al directorio de skills del cliente. Reinicia el cliente o inicia una nueva sesión para cargarla.Instalar la skill sql-optimization en Plugin
/plugin marketplace add andreibesleaga/GABBE /plugin install gabbe-data@gabbe
Instalar la skill sql-optimization en Claude Code
~/.claude/skills/sql-optimization/SKILL.md
$ npx degit andreibesleaga/GABBE/plugins/gabbe-data/skills/sql-optimization ~/.claude/skills/sql-optimizationInstalar la skill sql-optimization en Claude Code (project)
.claude/skills/sql-optimization/SKILL.md
$ npx degit andreibesleaga/GABBE/plugins/gabbe-data/skills/sql-optimization .claude/skills/sql-optimizationInstalar la skill sql-optimization en Codex
~/.agents/skills/sql-optimization/SKILL.md
$ npx degit andreibesleaga/GABBE/plugins/gabbe-data/skills/sql-optimization ~/.agents/skills/sql-optimizationInstalar la skill sql-optimization en Gemini CLI
~/.gemini/skills/sql-optimization/SKILL.md
$ npx degit andreibesleaga/GABBE/plugins/gabbe-data/skills/sql-optimization ~/.gemini/skills/sql-optimizationInstalar la skill sql-optimization en Claude.ai
npx degit andreibesleaga/GABBE/plugins/gabbe-data/skills/sql-optimization sql-optimization && zip -r sql-optimization.zip sql-optimization # claude.ai → Customize → Skills → + → Create skill → Upload a skill → sql-optimization.zip
Verificaciones automáticas
Ejecutado 16 nov 2026Informe completo →Aún sin verificar. Una skill necesita 80 puntos, ningún hallazgo grave y datos suficientes para comprobarla. Cómo funcionan las verificaciones · Qué corregir para obtener más puntos
- Repositorio de origen vinculado y accesibleandreibesleaga/gabbe/plugins/gabbe-data/skills/sql-optimization is public and reachablegithub.com/andreibesleaga/gabbe/tree/HEAD/plugins/gabbe-data ↗Aprobado
- Licencia de código abierto (OSI)CC-BY-SA-4.0 is not OSI-approvedspdx.org/licenses/CC-BY-SA-4.0.html ↗Hallazgo
- Commit o lanzamiento en el último añoLast commit 2026-11-11github.com/andreibesleaga/gabbe/commits ↗Aprobado
- Sin descargar y ejecutar ni robo de credenciales en los scriptsNo scripts in the skill folderAprobado
- Sin instrucciones ocultas en SKILL.mdNo override phrases, safeguard switches, credential requests or hidden charactersgithub.com/andreibesleaga/gabbe/blob/HEAD/plugins/gabbe-data ↗Aprobado
- Las herramientas preaprobadas están acotadasNo pre-approved tools; the agent asks before using onegithub.com/andreibesleaga/gabbe/blob/HEAD/plugins/gabbe-data ↗Aprobado
- SKILL.md sigue el formato de Agent SkillsValid name and description; says when to use it; 81 linesgithub.com/andreibesleaga/gabbe/blob/HEAD/plugins/gabbe-data ↗Aprobado
SKILL.md
Ver en GitHubsql-optimization Skill
Goal
This skill focuses on ensuring database interactions are performant and scalable.
Steps
1. The Golden Rule: Indexing
- Primary Keys: Always indexed by default (B-Tree).
- Foreign Keys: MUST be indexed manually in most DBs (Postgres/MySQL) to avoid full table scans on joins.
- Where Clauses: Columns used in
WHERE,ORDER BY,GROUP BYneed indexes. - Composite Indexes: Order matters!
(last_name, first_name)supports lookup bylast_nameORlast_name + first_name, but NOT byfirst_namealone.
2. Analyzing Queries (EXPLAIN ANALYZE)
Always run EXPLAIN ANALYZE on suspect queries.
| Output Term | Meaning | Action |
|---|---|---|
| Seq Scan / Full Table Scan | Reading every row. | Bad (unless table is tiny). Add an index. |
| Index Scan | Reading index + looking up heap. | Good. |
| Index Only Scan | Reading only index. | Best. (Covering Index). |
| Nested Loop | Looping for joins. | Fine for small datasets. Bad for large. |
| Hash Join | Building hash table for join. | Good for large datasets. |
3. Implementation Patterns
1. Select Only What You Need
- Bad:
SELECT * FROM users - Good:
SELECT id, name FROM users - Reason: Reduces IO, network payload, and memory usage.
2. Solve the N+1 Problem
- Problem: Fetching 100 posts, then running 100 queries to get authors.
- Fix: Use
JOINor eager loading (ORM specific:include,with). - Detection: Use logs or APM query counts.
3. Pagination
- Offset/Limit:
OFFSET 1000000is slow (DB scans 1M rows then discards). - Cursor/Keyset:
WHERE id > last_seen_id LIMIT 10. O(1) performance.
4. Transactions
- Keep them short.
- Don't make external API calls inside a DB transaction (holds locks).
4. Schema Optimization
- Normalization (3NF): Reduces redundancy, ensures integrity. Good for write-heavy.
- Denormalization: Adds redundancy for read speed (e.g., storing
author_nameonpoststable). - Data Types: Use the smallest needed type.
VARCHAR(255)vsTEXT(Postgres treats similar, MySQL differs).INTvsBIGINT.JSONB(Postgres) for unstructured data, but don't overuse it.
5. Maintenance
- Run
VACUUM ANALYZE(Postgres) regularly to update planner statistics. - Monitor index usage. Remove unused indexes (they slow down writes).
Security & Guardrails
1. Skill Security (SQL Optimization)
- Query Parameterization: Optimized queries must always use parameterized statements or prepared statements to prevent SQL Injection (SQLi). Never concatenate strings for query building.
- Safe EXPLAIN Execution: Be cautious when running
EXPLAIN ANALYZE, as it actually executes the query. On production, ensure it is only run onSELECTstatements, as running it onINSERT/UPDATE/DELETEwill modify data.
2. System Integration Security
- Resource Exhaustion Prevention: Limit the execution time of optimized queries (e.g.,
statement_timeoutin Postgres) to prevent Denial of Service (DoS) attacks via complex, CPU-intensive queries. - Data Exposure Restrictions: When optimizing
SELECTqueries or adding denormalized columns, ensure that access control rules (Row-Level Security) are maintained and sensitive columns are not inadvertently exposed.
3. LLM & Agent Guardrails
- SQLi Generation Defense: LLMs tasked with optimizing SQL must be strictly instructed and verified to output parameterized queries, rejecting user inputs that attempt to inject raw SQL commands.
- Execution Sandboxing: Agents must not execute optimized queries directly against production databases. Performance benchmarking must be done in a sanitized, ephemeral staging environment.
- Data Masking in Context: When feeding slow queries and
EXPLAINplans into an LLM for analysis, all literal values (e.g., specific user emails, IDs) must be masked or redacted to prevent PII leakage into the model's context.
Archivos de esta skill
1Preguntas sobre la skill sql-optimization
¿Cómo instalo la skill sql-optimization en Claude Code?
Ejecuta npx degit andreibesleaga/GABBE/plugins/gabbe-data/skills/sql-optimization ~/.claude/skills/sql-optimization. Claude Code carga las skills desde ~/.claude/skills (todos los proyectos) o .claude/skills (un proyecto) y usa una skill cuando su descripción coincide con la tarea.
¿Qué clientes pueden usar la skill sql-optimization?
Cualquier cliente que lea el formato Agent Skills: Claude Code, Codex, Gemini CLI y claude.ai (subir como ZIP). Los scripts de la skill se ejecutan solo donde el cliente permite la ejecución de código.
¿Cómo puedo identificar consultas lentas usando EXPLAIN ANALYZE?
Puedes buscar 'Seq Scan' o 'Full Table Scan' en el resultado, lo que indica que la base de datos está leyendo cada fila y podría necesitar un índice.