「ORM 查询审查」Skill 常见问题解答
把「ORM 查询审查」交给智能体,难点不在模型能力,而在流程是否说清楚:输入是什么(ORM 代码),按什么顺序处理,交付什么(问题与改写),哪些事不能做。Skill 就是把这些写下来的载体。
| 项目 | 说明 |
|---|---|
| 技能 | ORM 查询审查(orm-query-review) |
| 作用 | 找出 N+1 查询与低效 ORM 用法 |
| 输入 | ORM 代码 |
| 输出 | 问题与改写 |
| 形态 | 纯提示词 |
| 风险 | 低 |
| 适用人群 | 后端与数据工程师 |
1. 「ORM 查询审查」技能和直接写提示词有什么区别?
技能把步骤、格式和约束固定下来,由平台在相关时自动加载;提示词需要每次手动提供,效果依赖当次写法。
2. 需要会编程吗?
不需要。大部分平台的技能或规则都是写 Markdown 或填表单。
3. 哪个平台最适合?
取决于你在哪里工作:写代码的团队适合 Claude Code、Cursor 等编码工具;业务团队适合 GPTs、扣子、百炼、飞书 aily 等平台。可以先读介绍。
4. 输出可以直接用吗?
不建议。风险较低,但输出仍需快速过目再使用。
5. 缺资料时会怎样?
如果技能里写了“信息不足先提问”,智能体会先列出缺失项;没写的话可能自行补全,这正是要避免的。
6. 能处理很长的材料吗?
取决于模型上下文长度。材料过长时,建议在技能中要求分段处理并说明处理范围。
7. 数据安全怎么保证?
测试时使用脱敏样例,按最小权限配置工具,并确认平台的数据政策。详见安全审查。
8. 效果不好怎么办?
按故障排查对照症状,一次只改一处并重跑测试。
平台选择建议
同一个「ORM 查询审查」技能可以落在不同平台上,选择时主要看你在哪里工作、要不要执行代码、要不要接外部系统:
- n8n AI Agent:n8n 是可自托管的工作流自动化工具。详见n8n AI Agent 版
- Cursor Rules:Cursor 用项目规则(Project Rules)给智能体注入长期指令。详见Cursor Rules 版
- Windsurf Rules:Windsurf 的规则用于约束 Cascade 智能体的行为。详见Windsurf Rules 版
这个技能纯指令型,不需要额外脚本或外部连接,复制到大多数平台都能用,可据此排除不支持相应能力的平台。
智能体与人的分工
技能不是把工作全部交出去,而是把重复、机械的部分交给智能体,人把住判断和责任:
| 步骤 | 智能体负责 | 人负责 |
|---|---|---|
| 识别循环内查询 | 按指令完成并给出依据 | 抽查关键处,确认无误 |
| 检查预加载 | 按指令完成并给出依据 | 抽查关键处,确认无误 |
| 建议批量查询 | 按指令完成并给出依据 | 抽查关键处,确认无误 |
| 对比 SQL 数量 | 按指令完成并给出依据 | 抽查关键处,确认无误 |
| 最终交付 | 整理问题与改写 | 决定是否采用、是否对外 |
风险较低,但输出仍需快速过目再使用。
准备一份好范例
在技能的参考资料里放一份你认可的问题与改写范例,往往比多写十条规则更有效。好范例应当:
- 来自真实工作,但已去除个人信息和敏感数据
- 体现团队习惯的结构、措辞和详略程度
- 包含一处“需人工确认”的标注示范,让智能体学会如何表达不确定
- 篇幅适中,不要比平时的产出长太多
范例不必多,一到两份即可;太多范例反而会让智能体机械模仿某一份的细节。
延伸阅读
说明:文中的配置、代码与目录结构均为示意,用于说明思路;各平台的入口、字段名与能力会更新,落地前请以对应官方文档为准。示例中的数据与场景为虚构,不代表真实案例。