sql标签_龙虾开发者社区

sql

从聊天到委派：AI Agent 如何推进长期任务

AI Agent 正在把大模型从「对话窗口」推向「工作伙伴」。实现这一转变的关键，并非给模型套上更多提示词，而是构建一个具备规划、执行、记忆、反思和人机协作的闭环系统。长期任务的推进，本质上是在对抗三个敌人：上下文有限、错误累积、目标漂移。谁能更好地管理状态、控制风险并保持对齐，谁就能让 Agent 真正值得被委派。从「回答问题」到「完成任务」转变，核心不是让模型更会说话，而是为它补上行动的闭环；

今天AI了吗
2026-08-19 16:40:39

 371

 7

#人工智能 #python #rust +2
【Python 进阶之路】第5讲 | 安全编程实战：从 SQL 注入到 JWT 认证

SQL 注入是指攻击者通过构造恶意输入，改变原本的 SQL 语句逻辑，从而获取或篡改数据库数据。危险示例'"问题分析攻击者输入因为'1'='1'永远为真，所以这个查询会返回所有用户数据！XSS（跨站脚本攻击）是指攻击者在网页中注入恶意脚本，当其他用户浏览该网页时，脚本会在用户浏览器中执行。危险示例html = "<h1>评论区</h1>"

所谓伊人，在水一方333
2026-03-03 08:06:56

 1229

 14

#python #安全 #sql
四种python工具包用SQL查询csv和parquet文件的方法比较

本文对比了多个数据库工具(chdb、DuckDB、Polars、DataFusion、Databend)在处理数据查询时的性能表现。测试内容包括：1) 对Parquet和CSV文件执行sum聚合查询，结果显示各工具均能正确计算结果但格式略有差异；2) 对100万行数据进行group by操作，性能测试显示chdb(0.23s/0.06s)和Polars表现较好，DuckDB耗时0.10s/0.02

l1t
2026-03-17 18:57:38

 188

 2

#python #sql #大数据
Agent 开发者如何快速上手 SQL：从表设计到 Python 交互的一篇实战入门

摘要：Agent开发中数据存储是关键挑战，开发者需掌握SQL和数据库知识。文章系统介绍了SQL基础、数据库设计原则、表关系类型（一对一、一对多、多对多），并给出Agent项目的典型表结构设计（用户、会话、消息、任务等）。重点讲解了Python操作数据库的两种方式：原生SQLite和ORM框架SQLAlchemy，提供了完整代码示例。最后建议开发者通过实践练习快速掌握数据库在Agent项目中的应用，

a503244552
2026-03-11 22:05:02

 733

 15

#sql #python #交互
不改系统、不推翻平台：SQL Agent + RAG 批量生成测试用例的工程化实践

本文提出了一种将AI融入测试体系的工程实践方案，通过SQLAgent和用例生成Agent双系统架构，在不改变现有平台的前提下实现测试用例自动化生成。方案强调结构化数据处理，SQLAgent负责精准读取数据库需求，用例生成Agent输出JSON格式用例，并通过API嵌入现有系统。相比传统RAG方案，该架构具有数据精准、可审计、可批量执行等优势。实施需补足权限隔离、日志追踪和质量评估三块生产环境能力。

霍格沃兹测试开发学社
2026-03-04 12:37:57

 84

#sql #测试用例 #数据库 +4
零基础转数据分析，应该先学什么？Excel、SQL、Python怎么排顺序

摘要：对于零基础学习数据分析的路径规划，建议遵循**“先易后难、先工具后思维”**的原则，推荐顺序为：Excel → SQL → Python。 Excel：作为入门工具，掌握数据透视表、常用函数和基础可视化，培养数据敏感度。 SQL：学习数据库查询语言，实现自主取数，是数据分析岗位的核心技能。 Python：进阶处理大数据、自动化及复杂分析（如Pandas、机器学习），扩展能力边界。

2601_96268022
2026-06-10 10:09:07

 281

 7

#数据分析 #sql
基于_LLM_多_Agent_的全流程漏洞挖掘系统，已挖数十

如果你想学习更多。

飞天小牛仔
2026-04-23 09:32:17

 459

 9

#前端 #sql #数据库 +2
读完Agent Loop工程手册，我有8个还没想明白的问题

先安利一下：Agent Loop 真的挺香最近 Agent Loop 这个词在国外讨论量破 220 万，硅谷一线工程师圈基本人手一份手册。我连读完之后第一反应是"早该这样了"。它的核心主张就一句话：

大靠山
2026-06-16 21:12:16

 267

 4

#人工智能 #机器学习 #深度学习 +2
从 LLM 到 Agent Skill：把 AI 底层概念串起来

把 LLM 作为核心决策器，再给它加上感知、记忆、工具调用和行动能力，形成一个可以自主完成任务的系统。大脑（LLM）：负责理解、推理、决策；工具（Tools）：搜索引擎、代码执行器、数据库、API 等外部能力；记忆（Memory）：短期上下文 + 长期知识存储；规划（Planning）：把大任务拆解成可执行的步骤。这里最容易混淆的是记忆和规划记忆通常分三层：当前对话的上下文（短期记忆）、跨会话的用

 今天AI了吗
2026-08-13 20:37:15

 805

 28

#人工智能 #机器学习 #深度学习 +4
从聊天到委派：AI Agent 如何推进长期任务

tool"""查询内部知识库，返回相关文档片段"""# 模拟知识库查询docs = {"部署流程": "1. 安装依赖\n2. 配置环境变量\n3. 启动服务","API 文档": "GET /api/v1/tasks 返回任务列表",return docs.get(query, f"未找到关于「

今天AI了吗
2026-08-12 21:13:22

 304

 4

#人工智能 #数据库 #sql +2
AI Agent 技能分享｜SQL 性能诊断与优化

这篇文章介绍了SQL性能优化的系统性方法，提出应当将优化视为诊断过程而非盲目改写。作者将其整理为"SQL性能诊断与优化"技能，强调优化前需明确范围（执行性能、索引设计、业务逻辑等）并收集执行计划等关键证据。文章指出常见优化误区（如滥用函数、强制计划等），建议将优化建议分类输出（SQL改写、索引设计、业务方案等），并用多维指标验收效果。最后提供了使用该技能的方法，建议通过系统化的诊断流程避免"优化后

 盗理者
2026-08-12 13:52:59

 356

 10

#sql #java #spring
LangChain-08 Query SQL DB 通过GPT自动查询SQL

我们需要下载一个LangChain官方提供的本地小数据库。

xht0832
2026-03-06 03:46:00

 250

 4

#数据库 #sql
《实现自然语言调度的工具系统：OpenClaw搭配cpolar打通大模型与本地电脑的操作入口》

OpenClaw的价值，不是简单把AI装进电脑，而是让电脑变成一套可以被自然语言调度的工具系统。模型负责理解和规划，OpenClaw负责执行，cpolar负责远程连接，当这三部分真正衔接起来以后，个人AI助手才从“会聊天”，走向“能替你做事”

Dovis(誓平步青云）
2026-07-02 14:20:39

 1.5w

 54

#人工智能 #sql #c++ +1
【智能问数·7】元数据映射层怎么融进 Router+Worker

本文介绍了如何在Router+Worker架构中实现元数据映射功能。架构设计将映射层放在Skill Worker中，Router仅负责意图识别。具体实现分为三步：1) 表管理，通过配置表结构和字段描述划定LLM的知识边界；2) 术语词典，解决业务术语与数据库字段的映射问题；3) 表关联关系，提供跨表查询的JOIN规则。文中给出了Python代码示例，展示了如何在Worker中注入表结构上下文、处理

 陆水A
2026-06-30 15:16:48

 249

 8

#python #大数据 #自然语言处理 +2
ECC安装与配置：把 Claude Code 装进一个能稳定发挥的 Harness

扫 CLAUDE.md、settings.json、MCP 配置、hooks、agent 定义，5 大类：密钥检测（14 种模式）、权限审计、钩子注入分析、MCP 服务风险评估、agent 配置审查。原意是马具，引申到 AI 语境，就是"套在 agent 外面的那一整套基础设施"——skill、agent、hook、rule、memory、tool surface、verification loo

封法夕
2026-06-28 17:13:46

 303

 6

#sql #.net
知识库 RAG 实现详解：从 Milvus 入库到 deepagents Skill

组织知识库 RAG指：用户用自然语言提问（如「最近周报对 PB 粉港口库存怎么看？」），由LLM 驱动的 Agent识别这是需要引用内部文档、政策原文、周报观点的非结构化问题；调用 search_knowledge_base做向量检索；从 Milvus（或内存降级存储）取回相关文本片段；综合片段内容生成带标题、来源、doc_type的自然语言回答。用户问句 → Embedding 向量化 → Mi

为爱停留
2026-06-26 18:01:00

 305

 3

#sql #adb #android
智能问数实现详解：从 SQL 工具链到 deepagents Skill

智能问数指：用户用自然语言提问（如「青岛港 PB 粉最新库存和环比多少？」），由LLM 驱动的 Agent识别这是需要具体数字、聚合、排名的结构化问题；查看数据库 schema；生成并执行只读 SQL；把查询结果转成带口径说明的自然语言回答。LLM 写 SQL → 服务端 sqlglot 校验 → MySQL 只读执行 → LLM 解读结果。全程不使用向量 / Embedding。

为爱停留
2026-06-26 17:40:12

 345

 6

#sql #adb #android
Oracle Skills：sql-tuning_SQL性能调优深度解读

Oracle Skills：sql-tuning_SQL性能调优深度解读

 一个fish
2026-06-25 22:19:33

 434

 8

#oracle #sql #数据库
Oracle Skills：sql-best-practices_SQL最佳实践深度解读

Oracle Skills：sql-best-practices_SQL最佳实践深度解读

 一个fish
2026-06-25 22:15:23

 381

 9

#oracle #sql #数据库
《 Agent 的大脑：长短期记忆架构设计——从 RAG 到 Memory Graph 的工程演进》

大语言模型本身是无状态的——每次推理独立进行，上下文窗口一旦关闭，所有"经历"灰飞烟灭。然而真正有价值的 AI Agent必须具备跨会话的持续学习能力、对历史事件的精准回溯能力，以及对领域知识的深度利用能力。本文系统梳理 Agent记忆系统的三层架构设计（Working Memory / Episodic Memory / SemanticMemory），深入剖析每一层的实现机制、工程挑战与优化策

 Dovis(誓平步青云）
2026-06-24 09:44:31

 1.6w

 199

#人工智能 #机器人 #生成对抗网络 +1
Oracle Skills：sql-patterns_窗口函数与复杂SQL模式深度解读

需求推荐模式🔴 关键陷阱分组排名 / Top-NROW_NUMBERRANKDENSE_RANKOVERROW_NUMBER随机踢掉并列行前后行对比LAGLEADOVER注意 PARTITION BY 边界——跨组不比较运行合计RANGE把同值行全纳入窗口取组内首/尾值LAST_VALUEOVER🔴LAST_VALUE必加数据分桶NTILECUME_DISTNTILE桶大小不绝对均匀多步数据加

 一个fish
2026-06-22 14:21:03

 354

 11

#oracle #sql #数据库
Oracle Skills：nl-to-sql-patterns_自然语言到SQL映射表深度解读

Oracle Skills：nl-to-sql-patterns_自然语言到SQL映射表深度解读

 一个fish
2026-06-22 14:20:55

 337

 4

#oracle #sql
工程化 AI 编程流程：从会回答到能交付：规约、Skill、验证、可观测和多 Agent 接力

2026 年了，几乎每个团队都在说自己“用了 AI 编程”。

大靠山
2026-06-19 21:07:37

 273

 4

#人工智能 #大数据 #开源 +3
《带你实战体验：多模数据库在港落地，技术观察与实践经验》》

就多模数据库架构与 AI 落地实践交换了各自的经验与看法。活动涵盖本地化适配测试、统一多模引擎设计、AI Agent 底层存储、国产数据库跨境迁移案例等多个议题，与会者背景横跨工业互联网、金融、政企等行业。圆桌环节围绕香港市场的实际需求，也谈及了国产数据库在本地推进过程中尚待解决的问题

 Dovis(誓平步青云）
2026-06-19 13:24:29

 1w

 10

#人工智能 #sql #c++ +1
万字图文拆解龙虾的技术架构：从 Gateway 到自进化

上期小编带大家选龙虾、避坑、配了四大进阶功能（子 Agent / Cron / Skills / 专家团队），评论区不少小伙伴追问更深的问题：

大靠山
2026-06-15 20:40:25

 487

 11

#架构 #gateway #人工智能 +4
五种多智能体协调模式怎么选才对？Claude的实战总结

本文面向已做出该决策、现在需要确定哪种协调模式适合自己的问题的团队。我们见过团队根据"哪种听起来更先进"来选择模式，而不是根据实际问题本身。我们建议从最简单的可行模式开始，观察其局限性，再逐步演进。本文将深入分析五种模式的机制与局限：

小马不会过河
2026-04-15 20:51:11

 358

 6

#网络 #人工智能 #数据库 +2
QClaw实战案例之轻量化数据库UI增删改查框

今天给大家分享一款纯 QClaw 开发的轻量化 SQLite 可视化 UI 工具，无需复杂配置、无需安装额外服务，开箱即用实现数据库文件打开、表数据增删改查，完全满足小项目的数据库可视化操作需求！工具基于tkinter+sqlite3开发，界面简洁、操作简单，新手也能快速上手，核心实现任意 SQLite 数据库文件加载 + 表数据可视化管理，是小项目开发、本地数据管理的实用小工具～我用python

桃之夭夭ღ
2026-04-27 20:25:43

 433

 10

#数据库 #ui #sql
并非所有AI都会写SQL｜顶尖工程师为何用陌讯Skills统一管理专业编码技能

你有没有遇到过这样的情况：明明用的是最新款的大模型，让它写一段查询订单表的SQL，结果生成了语法错误的语句，或者漏掉了JOIN条件，甚至把WHERE写成了WHEN？但问题来了：一个项目要用七八种工具，每个都要单独配置Skill，有的要改JSON Schema，有的要调Prompt模板，还有的得手动注入上下文——光搭环境就花掉半天，更别说后续维护更新了。这种一致性，省下的不只是时间，更是决策成本。而

 w_a_o
2026-02-26 11:22:17

 314

 12

#人工智能 #sql #数据库 +2
AI Agent能力扩展两大关键路径：一文读懂Agent Skills和MCP协议的核心原理与设计哲学

AI智能体能力扩展的两大技术路径：Agent Skills与MCP 随着AI智能体从对话模式向自主行动演进，Agent Skills和Model Context Protocol（MCP）成为扩展其能力的关键技术。Agent Skills采用文件化封装方式，通过SKILL.md文件（包含YAML元数据和Markdown指令）实现技能的模块化管理，具有便携性、可读性和渐进式加载的优势。MCP则专注于

 耿直学编程
2026-02-05 18:58:37

 437

 11

#人工智能 #数据库 #sql
openclaw无脑安装指南——详细解析

OpenClaw卸载操作指南（摘要）本文详细介绍了OpenClaw在不同系统下的卸载方法： Windows系统：需管理员权限执行PowerShell命令删除计划任务、终止进程 Linux/macOS：通过pnpm全局卸载并手动清理相关目录通用配置清理：删除~/.openclaw/配置文件目录特殊问题处理：包括token认证异常和网关启动失败的解决方案卸载验证：检查进程和命令是否完全移除注

 weixin_56622231
2026-03-14 17:51:05

 441

 8

#策略模式 #数据挖掘 #java +4
Claude Skills一出，谁与争锋！40分钟“点化”一个智能客服，看懂AI时代的“降本增效”！

Anthropic在几天前发布了Claude Skills（智能体技能）功能，这项新特性在某种程度上比Model Context Protocol（MCP）更具实用价值。Claude Skills允许开发者为Claude Code提供定制化的技能包，使其能够理解和使用未曾接触过的开发框架和工具包。

Python_金钱豹
2025-11-28 14:55:35

 1479

 17

#算法 #sql #oracle +2