write-query — команда для Claude Code: SQL из текста
Команда write-query генерирует SQL-запросы из описания на русском или английском. Поддерживает BigQuery, PostgreSQL, MySQL и другие диалекты — нужно только сказать, какие данные нужны.
MIT ★ 28 211 обновлён 2026-10-16
/plugin marketplace add phuryn/pm-skills
/plugin install pm-data-analytics@pm-skillsЧто делает write-query
Напишите на обычном языке, что вам нужно узнать из базы: количество активных пользователей за месяц, конверсию по когортам, тех, кто не завершил онбординг. Команда разберёт запрос, определит схему (если вы загрузите диаграмму или описание таблиц), и выдаст оптимизированный SQL с комментариями.
Внутри команда работает в четыре шага: парсит вопрос, уточняет схему базы, генерирует запрос через скилл sql-queries и показывает результат с объяснением. Если схемы нет, попросит уточнить тип БД или подтвердить примерную структуру. Все запросы содержат комментарии — их удобно делиться с аналитиками.
Команда предлагает доработку: изменить фильтры, создать связанный метрику, собрать дашборд или построить когортный анализ. Если запрос может быть медленным на больших объёмах, она предупредит и подскажет оптимизацию.
Какие задачи решает
- Написать SQL вместо копирования вручную из документации
- Превратить устный вопрос про данные в рабочий запрос
- Переделать запрос для другой БД, не переучивая синтаксис
- Выяснить, какие таблицы и колонки нужны для метрики
Примеры запросов агенту
- Покажи активных пользователей последних 30 дней по тарифам
- Сколько зарегистрировались в прошлом месяце, но не прошли онбординг
- [загружу схему] Какая конверсия из триала в платный по когортам
Как установить write-query
1Через маркетплейс плагинов
/plugin marketplace add phuryn/pm-skills/plugin install pm-data-analytics@pm-skills2Вручную: положить файлы
.claude/commands/write-query.mdВызов — /write-query. Для всех проектов — ~/.claude/commands/
Вручную: положить файлы
~/.codex/prompts/write-query.mdВызов — /prompts:write-query. В Codex этот формат помечен устаревшим, замена — скиллы
Вручную: положить файлы
.github/prompts/write-query.prompt.mdВручную: положить файлы
.gemini/commands/write-query.tomlGemini хранит команды в TOML: текст запроса — в поле prompt
Вопросы о write-query
Как установить write-query в Claude Code?
Выполни в порядке: /plugin marketplace add phuryn/pm-skills, потом /plugin install pm-data-analytics@pm-skills, затем скопируй файл .claude/commands/write-query.md в проект.
Что делает write-query?
Генерирует SQL-запросы из описания на обычном языке. Поддерживает BigQuery, PostgreSQL, MySQL и другие диалекты, уточняет схему, если нужно, и выдаёт оптимизированный код с комментариями.
Нужна ли схема БД для работы команды?
Не обязательна, но ускорит результат. Если схемы нет, команда попросит уточнить тип БД и подтвердит примерную структуру таблиц.
Исходный текст
write-query.md · MIT
--- description: Generate SQL queries from natural language — supports BigQuery, PostgreSQL, MySQL, and more argument-hint: "<what you want to know, in plain English>" --- # /write-query -- SQL Query Generator Describe what data you need in plain English and get an optimized SQL query. Supports multiple dialects and can read your schema from uploaded files. ## Invocation ``` /write-query Show me daily active users for the last 30 days, broken down by plan tier /write-query Find users who signed up last month but never completed onboarding /write-query [upload a schema diagram] What's the conversion rate from trial to paid by cohort? ``` ## Workflow ### Step 1: Understand the Question Parse the user's natural language request to identify: - What data is being requested (metrics, dimensions, filters) - Time range and granularity - Grouping and ordering preferences - Output expectations (raw data, aggregated, ranked) ### Step 2: Determine Schema If a schema is available (uploaded diagram, DDL, or description): - Map the request to specific tables and columns - Identify necessary joins If no schema is provided: - Ask for the database type (BigQuery, PostgreSQL, MySQL, etc.) - Infer a reasonable schema from the question and ask the user to confirm - Use common SaaS data model conventions as defaults ### Step 3: Generate Query Apply the **sql-queries** skill: - Write the SQL query in the correct dialect - Optimize for readability and performance - Include comments explaining key logic - Add CTEs for complex queries to improve readability - Handle edge cases (NULLs, timezone considerations, duplicate handling) ### Step 4: Present and Iterate ``` ## SQL Query: [What It Does] **Dialect**: [BigQuery / PostgreSQL / MySQL / etc.] **Tables used**: [list] ### Query [SQL code block with comments] ### What This Returns [Description of the output: columns, rows, expected result shape] ### Assumptions - [Schema assumptions made] - [Business logic assumptions] ### Notes - [Performance considerations for large datasets] - [Edge cases handled or flagged] ``` Offer: - "Want me to **modify this** — add filters, change grouping, extend the time range?" - "Should I **create a companion query** for a related metric?" - "Want me to **build a dashboard** around this query?" - "Need a **cohort analysis** version of this?" ## Notes - Always include comments in the SQL — PMs share queries with analysts who need to understand intent - Default to readable over clever — CTEs over nested subqueries - Flag queries that might be slow on large datasets and suggest optimization - If the request is ambiguous (e.g., "active users"), ask the user to define the metric precisely - Offer to generate the query in multiple dialects if the user is unsure which database they're using
© Paweł Huryn · MIT · phuryn/pm-skills