「表结构评审」是后端与数据工程师的高频任务。它的输入通常是建表语句,期望得到的是评审意见。这类有固定流程、又需要一点判断力的工作,很适合封装成智能体 Skill。

这篇是最短路径:不追求完美,只求在 10 分钟内让「表结构评审」第一次跑通。

准备(2 分钟)

  • 一份真实但已脱敏的建表语句
  • 一个支持技能或自定义指令的智能体工具(如 Claude Code、Cursor、GPTs、扣子等任一)
  • 一份你认可的评审意见范例(可选,但很有帮助)

第 1 步:写最小指令(3 分钟)

任务:表结构评审
输入:建表语句
步骤:
1. 检查字段类型与长度
2. 检查主键与约束
3. 评估索引
4. 指出命名问题
输出:评审意见,末尾列出需人工确认的内容。
信息不足时先提问,不要编造。

第 2 步:放到工具里(2 分钟)

把上面的内容放进所用工具的规则或技能位置:Claude Code 放进 .claude/skills/schema-review/SKILL.md(前面补上 name 与 description),Cursor 放进 .cursor/rules/,GPTs 放进 Instructions。具体位置见各平台版本的文章。

第 3 步:跑一次(2 分钟)

用一句自然语言发出请求,例如:

帮我做一下表结构评审,材料是附上的建表语句。

观察智能体是否按步骤执行,输出结构是否符合预期。

第 4 步:修一处(1 分钟)

找出输出中最不满意的一点,只改对应的那一句指令,再跑一次。不要一次改很多处,否则不知道是哪处起了作用。

跑通之后

  • 用测试用例覆盖边界情况
  • 用检查清单确认上线前事项
  • 风险较低,但输出仍需快速过目再使用

交付物结构示例

建议把评审意见固定成下面的结构(示意),方便复核与归档:

## 结论
一句话说明最重要的发现或结果

## 主要内容
- 检查字段类型与长度:……
- 检查主键与约束:……
- 评估索引:……
- 指出命名问题:……

## 依据
- 引用输入中的具体位置或数据

## 需人工确认
- ……(没有则写“无”)

结构固定之后,复核的人只要先看“结论”和“需人工确认”两部分,就能快速判断结果能否使用。

平台选择建议

同一个「表结构评审」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:

  • LangChain / LangGraph 工具:LangChain 用 @tool 装饰器把函数变成工具。详见LangChain / LangGraph 工具 版
  • Claude Code Skill:Claude Code 的 Agent Skills 以文件夹为单位:一个 SKILL.md(YAML 头写 name 与 description)加上可选的脚本和参考资料。智能体平时只看到 description。详见Claude Code Skill 版
  • GitHub Copilot 指令与提示文件:GitHub Copilot 支持仓库级自定义指令文件 .github/copilot-instructions.md。详见GitHub Copilot 指令与提示文件 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
检查字段类型与长度按指令完成并给出依据抽查关键处,确认无误
检查主键与约束按指令完成并给出依据抽查关键处,确认无误
评估索引按指令完成并给出依据抽查关键处,确认无误
指出命名问题按指令完成并给出依据抽查关键处,确认无误
最终交付整理评审意见决定是否采用、是否对外

风险较低,但输出仍需快速过目再使用。

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。