把「SQL 查询编写」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(表结构与问题),按什么顺序处理,交付什么(SQL 与口径说明),哪些事不能做。Skill 就是把这些写下来的载体。

本文介绍如何在 Cursor Rules 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SQL 查询编写(sql-query-writer)
作用根据表结构与业务问题写出 SQL 并解释口径
输入表结构与问题
输出SQL 与口径说明
形态纯提示词
风险低
适用人群后端与数据工程师

处理流程分四步:

  1. 读取表结构
  2. 确认指标定义
  3. 编写查询
  4. 说明关联条件与过滤

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;风险较低,但输出仍需快速过目再使用。

在 Cursor Rules 中是什么形态

Cursor 用项目规则(Project Rules)给智能体注入长期指令,规则文件放在 .cursor/rules/ 下,扩展名为 .mdc,头部可写 description、globs 与 alwaysApply,用来控制规则何时生效。

规则文件随仓库提交;description 供智能体按需选用,globs 让规则在匹配文件被引用时自动附加,alwaysApply 为 true 时每次都会带上。

示例配置

.cursor/rules/sql-query-writer.mdc 示例(示意):

---
description: SQL 查询编写:根据表结构与业务问题写出 SQL 并解释口径
globs: **/*.sql, migrations/**
alwaysApply: false
---

# SQL 查询编写

当我要求「SQL 查询编写」时,按以下步骤进行:

1. 读取表结构
2. 确认指标定义
3. 编写查询
4. 说明关联条件与过滤

输出:SQL 与口径说明。

- 默认使用只读连接,任何写操作都要人工确认。
- 信息不足时先提问,不要自行编造数据或事实。

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. 在仓库新建 .cursor/rules/sql-query-writer.mdc
  2. 写好 description,让它准确描述适用场景
  3. 按需填写 globs(只对相关文件生效),一般不要设为 alwaysApply
  4. 在 Agent 模式中描述任务,确认规则被引用
  5. 把规则提交到仓库,并在团队约定里说明

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):

帮我做一下SQL 查询编写,材料是附上的表结构与问题。

智能体识别到任务与「SQL 查询编写」相关后,会依次读取表结构、确认指标定义、编写查询、说明关联条件与过滤。最终交付SQL 与口径说明,并在末尾列出需要人工确认的内容。你的工作是对照原始表结构与问题抽查两三处关键信息,确认无误后再使用。

测试与验收

在 Agent 对话中观察规则是否被列为上下文;分别打开匹配与不匹配 globs 的文件测试。

针对这个技能,还建议额外准备:

  • 一份信息齐全的标准表结构与问题,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

  • 把十几条无关规则都设成 alwaysApply,挤占上下文且相互冲突。
  • 规则写成泛泛的“写出高质量代码”,缺少可执行的步骤。
  • 只写了步骤,没写交付格式,导致每次输出的SQL 与口径说明结构不同。
  • 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。