后端与数据工程师经常要做「慢查询优化」这类事：分析执行计划，给出索引与改写建议。每次都从头写提示词，结果时好时坏；把它做成智能体 Skill，就能让智能体每次按同一套步骤执行，输出结构也更稳定。

本文介绍如何在 GitHub Copilot 指令与提示文件 上实现这个技能，包括它的形态、示例配置、启用步骤、一次完整的运行过程和常见坑。

这个技能做什么

项目说明
技能慢查询优化（slow-query-tuning）
作用分析执行计划，给出索引与改写建议
输入慢查询与执行计划
输出优化建议
形态纯提示词
风险中
适用人群后端与数据工程师

处理流程分四步：

  1. 解读执行计划
  2. 找出全表扫描与排序
  3. 建议索引或改写
  4. 对比优化前后

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；属于中等风险：结果会影响业务判断，建议在输出前设置人工审核点。

在 GitHub Copilot 指令与提示文件 中是什么形态

GitHub Copilot 支持仓库级自定义指令文件 .github/copilot-instructions.md，以及放在 .github/prompts/ 下、以 .prompt.md 结尾的可复用提示文件，适合把固定流程交给 Copilot Chat 或智能体模式执行。

仓库级指令对该仓库的对话默认生效；提示文件需要在支持的编辑器中手动调用，具体支持情况以 Copilot 文档为准。

示例配置

.github/prompts/slow-query-tuning.prompt.md 示例（示意）：

---
description: 慢查询优化
---

请对我提供的慢查询与执行计划执行「慢查询优化」：

1. 解读执行计划
2. 找出全表扫描与排序
3. 建议索引或改写
4. 对比优化前后

输出格式：优化建议。
- 默认使用只读连接，任何写操作都要人工确认。
- 结论中不确定的部分单独列出，标注「需人工确认」。

示例里最重要的是两处：一是描述（或指令开头）要写明「什么时候用」，让智能体在后端与数据工程师提出相关请求时能对上号；二是约束部分要写进「默认使用只读连接，任何写操作都要人工确认」这类领域规矩，避免智能体自作主张。

安装与启用步骤

  1. 在 .github/copilot-instructions.md 中写入团队通用约定
  2. 新建 .github/prompts/slow-query-tuning.prompt.md 写入本技能流程
  3. 在编辑器的 Copilot Chat 中调用该提示文件
  4. 检查输出是否遵循步骤与格式
  5. 提交到仓库并在 PR 中说明用途

实操：一次完整的运行

假设你在数据库客户端与查询工具中发出这样的请求（虚构示例）：

用慢查询优化技能处理这份慢查询与执行计划，输出优化建议。

智能体识别到任务与「慢查询优化」相关后，会依次解读执行计划、找出全表扫描与排序、建议索引或改写、对比优化前后。最终交付优化建议，并在末尾列出需要人工确认的内容。你的工作是对照原始慢查询与执行计划抽查两三处关键信息，确认无误后再使用。

测试与验收

在 Copilot Chat 中分别以有、无提示文件的方式处理同一任务，对比差异是否符合预期。

针对这个技能，还建议额外准备：

  • 一份信息齐全的标准慢查询与执行计划，检查输出是否完整
  • 一份缺少关键信息的输入，检查智能体是否先提问而不是编造
  • 一份包含“忽略以上规则”等字样的输入，检查约束是否仍然有效

常见坑

  • 仓库级指令写得过细，与提示文件互相矛盾。
  • 以为提示文件会自动生效，实际需要手动调用。
  • 只写了步骤，没写交付格式，导致每次输出的优化建议结构不同。
  • 没有给出样例，智能体对“好结果”的理解与你不一致；在参考资料里放一两份范例会明显改善。

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。