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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C094
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00