「慢查询优化」是后端与数据工程师的高频任务。它的输入通常是慢查询与执行计划，期望得到的是优化建议。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。

本文介绍如何在 扣子（Coze）智能体与工作流 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 扣子（Coze）智能体与工作流 中是什么形态

扣子（Coze）是字节跳动推出的智能体开发平台，可以为智能体设置人设与回复逻辑，挂载插件、知识库和工作流，并发布到多个渠道。

国内版与海外版在功能和发布渠道上可能不同，具体以所用版本的官方文档为准。

示例配置

# 扣子（Coze）配置思路示意，界面字段以平台当前版本为准
智能体: 慢查询优化
人设与回复逻辑: 你负责分析执行计划，给出索引与改写建议。收到慢查询与执行计划后按工作流处理，不确定处要说明。
工作流 slow_query_tuning:
  - 开始: content
  - 大模型: 解读执行计划；找出全表扫描与排序
  - 大模型: 建议索引或改写；对比优化前后
  - 结束: 优化建议
知识库: 团队规范与示例（可选）

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. 新建智能体，写好人设与回复逻辑
  2. 新建工作流，按技能步骤添加大模型、代码、插件节点
  3. 上传团队规范作为知识库（可选）
  4. 在调试窗口测试多组输入
  5. 发布到需要的渠道

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

在调试窗口查看工作流每个节点的运行结果，尤其检查插件返回为空时的处理。

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

  • 人设写得过于花哨，反而削弱了流程约束。
  • 插件授权范围过大。
  • 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。