pg-aiguide技能元数据:描述、路径和内容的结构化信息完整指南
pg-aiguide是一个专为AI编程工具设计的MCP服务器和Claude插件,帮助生成更优化的PostgreSQL代码。本文将为您详细介绍pg-aiguide的技能元数据结构,包括技能描述、文件路径和详细内容的完整信息。
📋 项目概述
pg-aiguide通过提供结构化的PostgreSQL技能元数据,让AI助手能够更好地理解数据库设计模式和最佳实践。该项目包含四个核心技能模块,每个模块都针对特定的PostgreSQL使用场景。
🔧 核心技能模块详解
PostgreSQL表设计技能
路径:skills/design-postgres-tables/SKILL.md
这个技能提供全面的PostgreSQL表设计参考,涵盖数据类型、索引、约束、性能模式和高级功能。包括:
- 核心规则:主键定义、规范化原则、NOT NULL约束、索引策略
- PostgreSQL特有特性:标识符处理、唯一约束与NULL、外键索引、序列间隙处理
- 详细数据类型指南:从ID类型到JSONB、向量类型的完整说明
超表候选分析技能
路径:skills/find-hypertable-candidates/SKILL.md
该技能帮助分析现有PostgreSQL数据库,识别适合转换为TimescaleDB超表的候选表。包含:
- 时间序列特征评分系统:基于8+评分标准识别强候选表
- 性能收益分析:90%+压缩率、基于时间的快速查询、改进的插入性能
- 模式识别:事件日志、传感器数据、金融交易等常见用例
超表迁移技能
路径:skills/migrate-postgres-tables-to-hypertables/SKILL.md
提供从PostgreSQL表到TimescaleDB超表的完整迁移指南,包含:
- 最优配置:分区列选择、块间隔计算、压缩配置
- 迁移策略:原地迁移(小于1GB)和蓝绿迁移(大于1GB)
- 性能验证:查询测试、压缩分析、存储监控
TimescaleDB完整设置技能
路径:skills/setup-timescaledb-hypertables/SKILL.md
提供分步指导,用于设计表模式和设置TimescaleDB超表、索引、压缩、保留策略和连续聚合。
📁 技能配置文件
主配置文件:skills.yaml
该文件定义了技能集合的本地配置,指向./skills目录。
🗄️ 数据摄入模块
路径:ingest/
包含PostgreSQL文档和Tiger文档的数据摄入脚本,支持:
- postgres_docs.py:处理官方PostgreSQL文档
- tiger_docs.py:处理Tiger文档
- 配置文件:tiger_docs_config.toml
🔄 数据库迁移管理
路径:migrations/
包含数据库迁移脚本:
- 1756387543053-initial.js
- 1759241172003-add-hnsw-indexes.js
- 1759241361471-add-version-index.js
- 1759851009030-add-tiger-indexes.js
🌐 API接口层
路径:src/apis/
提供RESTful API接口:
💡 使用场景和价值
pg-aiguide的技能元数据结构为以下场景提供支持:
- AI辅助数据库设计:为AI工具提供结构化的PostgreSQL知识
- 性能优化:通过超表转换提升时间序列数据处理能力
- 开发效率:提供即用即查的最佳实践参考
通过这种结构化的技能元数据组织,pg-aiguide能够帮助AI编程工具生成更符合PostgreSQL最佳实践的代码,提高数据库设计的质量和性能。
该项目的技能元数据结构清晰、文档完整,为PostgreSQL数据库设计和优化提供了强大的AI助手支持。无论是初学者还是经验丰富的开发者,都能从中获得有价值的指导和参考。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00