如果你在数据库客户端与查询工具里反复做慢查询优化，可以考虑把经验沉淀为一个 Skill：写清触发条件、步骤、输出格式和边界，让智能体代劳重复部分，人只负责把关。

这篇是最短路径：不追求完美，只求在 10 分钟内让「慢查询优化」第一次跑通。

准备（2 分钟）

  • 一份真实但已脱敏的慢查询与执行计划
  • 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）
  • 一份你认可的优化建议范例（可选，但很有帮助）

第 1 步：写最小指令（3 分钟）

任务：慢查询优化
输入：慢查询与执行计划
步骤：
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：优化建议，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/slow-query-tuning/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：

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。

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
  • 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

交付物结构示例

建议把优化建议固定成下面的结构（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
- 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：……

## 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「慢查询优化」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：

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
解读执行计划按指令完成并给出依据抽查关键处，确认无误
找出全表扫描与排序按指令完成并给出依据抽查关键处，确认无误
建议索引或改写按指令完成并给出依据抽查关键处，确认无误
对比优化前后按指令完成并给出依据抽查关键处，确认无误
最终交付整理优化建议决定是否采用、是否对外

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。

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。