database-expert — скилл для Claude Code: проектирование БД
Скилл database-expert для Claude Code помогает проектировать схемы и разбирать запросы к базам данных. Подключается к задачам администрирования PostgreSQL, MongoDB и Redis.
MIT 255 установок ★ 114 обновлён 2026-11-10
npx skills add travisjneuman/.claude --skill database-expert -a claude-codeЧто делает database-expert
database-expert помогает проектировать схемы баз данных, разбирать запросы и настраивать производительность. В материалах есть примеры для PostgreSQL: индексы, полнотекстовый поиск, CTE и анализ запросов через EXPLAIN ANALYZE.
Отдельные справочные файлы посвящены MongoDB, Redis и оптимизации запросов. Есть и раздел о векторных базах для AI/RAG, включая pgvector, Pinecone и Chroma. Таблица выбора также упоминает SQLite.
Скилл подключается к задачам проектирования схем, оптимизации запросов и управления производительностью. Для Claude Code команда установки добавляет его из репозитория travisjneuman/.claude; файл скилла находится по пути ~/.claude/skills/database-expert/SKILL.md.
Какие задачи решает
- спроектировать таблицы и связи в PostgreSQL
- разобрать план выполнения SQL-запроса
- подобрать индекс для фильтрации или сортировки
- выбрать базу для кэширования или гибкой схемы
Примеры запросов агенту
- Спроектируй схему PostgreSQL для пользователей и публикаций с ограничениями и индексами.
- Разбери этот запрос PostgreSQL и предложи, как проверить его план выполнения.
- Сравни PostgreSQL, MongoDB и Redis для хранения этих данных.
Как установить database-expert
1Через Skills CLI (Vercel)
npx skills add travisjneuman/.claude --skill database-expert -a claude-code2Вручную: положить файлы
~/.claude/skills/database-expert/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/database-expert/
1Через Skills CLI (Vercel)
npx skills add travisjneuman/.claude --skill database-expert -a codex2Вручную: положить файлы
.agents/skills/database-expert/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add travisjneuman/.claude --skill database-expert -a cursor2Вручную: положить файлы
.cursor/skills/database-expert/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install travisjneuman/.claude skills/database-expert2Вручную: положить файлы
.github/skills/database-expert/SKILL.md1Через Skills CLI (Vercel)
npx skills add travisjneuman/.claude --skill database-expert -a gemini-cli2Командой платформы
gemini skills install https://github.com/travisjneuman/.claude --path skills/database-expertВручную: положить файлы
.devin/skills/database-expert/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add travisjneuman/.claude --skill database-expert -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о database-expert
Как установить database-expert в Claude Code?
Выполни npx skills add travisjneuman/.claude --skill database-expert -a claude-code. Файл скилла находится в ~/.claude/skills/database-expert/SKILL.md.
Что делает database-expert?
Помогает проектировать схемы баз данных, оптимизировать запросы и разбирать задачи администрирования. В материалах есть примеры для PostgreSQL и отдельные справочники по MongoDB и Redis.
С какими базами данных работает database-expert?
В руководстве есть материалы по PostgreSQL, MongoDB и Redis. Также упоминаются SQLite и векторные хранилища pgvector, Pinecone и Chroma.
Исходный текст
SKILL.md · MIT
---
name: database-expert
description: Advanced database design and administration for PostgreSQL, MongoDB, and Redis. Use when designing schemas, optimizing queries, managing database performance, or implementing data patterns.
---
# Database Expert
Comprehensive guide for database design, optimization, and administration.
## Database Selection
| Database | Type | Best For |
| -------------- | ---------- | ----------------------------------- |
| **PostgreSQL** | Relational | Complex queries, ACID, JSON support |
| **MongoDB** | Document | Flexible schemas, rapid iteration |
| **Redis** | Key-Value | Caching, sessions, real-time |
| **SQLite** | Embedded | Mobile, desktop, testing |
---
## PostgreSQL
### Schema Design
```sql
-- Users table with proper constraints
CREATE TABLE users (
id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
email VARCHAR(255) NOT NULL UNIQUE,
password_hash VARCHAR(255) NOT NULL,
full_name VARCHAR(100) NOT NULL,
status VARCHAR(20) NOT NULL DEFAULT 'active'
CHECK (status IN ('active', 'inactive', 'suspended')),
created_at TIMESTAMPTZ NOT NULL DEFAULT NOW(),
updated_at TIMESTAMPTZ NOT NULL DEFAULT NOW()
);
-- Index for common queries
CREATE INDEX idx_users_email ON users(email);
CREATE INDEX idx_users_status ON users(status) WHERE status = 'active';
-- Automatic updated_at trigger
CREATE OR REPLACE FUNCTION update_updated_at_column()
RETURNS TRIGGER AS $$
BEGIN
NEW.updated_at = NOW();
RETURN NEW;
END;
$$ LANGUAGE plpgsql;
CREATE TRIGGER update_users_updated_at
BEFORE UPDATE ON users
FOR EACH ROW
EXECUTE FUNCTION update_updated_at_column();
-- Posts with full-text search
CREATE TABLE posts (
id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
author_id UUID NOT NULL REFERENCES users(id) ON DELETE CASCADE,
title VARCHAR(255) NOT NULL,
content TEXT NOT NULL,
tags TEXT[] DEFAULT '{}',
search_vector TSVECTOR,
published_at TIMESTAMPTZ,
created_at TIMESTAMPTZ NOT NULL DEFAULT NOW()
);
-- Full-text search index
CREATE INDEX idx_posts_search ON posts USING GIN(search_vector);
```
### Query Optimization
```sql
-- EXPLAIN ANALYZE for query analysis
EXPLAIN (ANALYZE, BUFFERS, FORMAT TEXT)
SELECT u.full_name, COUNT(p.id) as post_count
FROM users u
LEFT JOIN posts p ON p.author_id = u.id
WHERE u.status = 'active'
GROUP BY u.id
ORDER BY post_count DESC
LIMIT 10;
-- Partial index for filtered queries
CREATE INDEX idx_posts_published
ON posts(published_at)
WHERE published_at IS NOT NULL;
-- Covering index (index-only scan)
CREATE INDEX idx_posts_author_title
ON posts(author_id)
INCLUDE (title, published_at);
-- Expression index
CREATE INDEX idx_users_email_lower
ON users(LOWER(email));
```
### Advanced Features
```sql
-- Common Table Expression (CTE)
WITH active_authors AS (
SELECT DISTINCT author_id
FROM posts
WHERE published_at > NOW() - INTERVAL '30 days'
),
author_stats AS (
SELECT
u.id,
u.full_name,
COUNT(p.id) as total_posts
FROM users u
JOIN active_authors aa ON aa.author_id = u.id
LEFT JOIN posts p ON p.author_id = u.id
GROUP BY u.id
)
SELECT * FROM author_stats
ORDER BY total_posts DESC;
-- Window functions
SELECT
id,
title,
author_id,
published_at,
ROW_NUMBER() OVER (PARTITION BY author_id ORDER BY published_at DESC) as author_rank,
LAG(published_at) OVER (PARTITION BY author_id ORDER BY published_at) as prev_post_date
FROM posts
WHERE published_at IS NOT NULL;
-- JSON operations
SELECT
id,
metadata->>'source' as source,
metadata->'stats'->>'views' as views
FROM posts
WHERE metadata @> '{"featured": true}';
-- Recursive CTE (for hierarchies)
WITH RECURSIVE category_tree AS (
SELECT id, name, parent_id, 0 as depth
FROM categories
WHERE parent_id IS NULL
UNION ALL
SELECT c.id, c.name, c.parent_id, ct.depth + 1
FROM categories c
JOIN category_tree ct ON c.parent_id = ct.id
WHERE ct.depth < 10
)
SELECT * FROM category_tree ORDER BY depth;
```
---
## Reference files
Detailed material is in separate files so this overview stays short. Read only the file whose topic matches the task; each one is self-contained. Paths are relative to the folder that holds this `SKILL.md` (in the full toolkit install, `~/.claude/skills/database-expert/`).
| Topic | File | Covers |
| --- | --- | --- |
| MongoDB | [`references/mongodb.md`](references/mongodb.md) | Schema Design Patterns; Aggregation Pipeline; Indexes |
| Redis | [`references/redis.md`](references/redis.md) | Data Structures; Caching Patterns; Pub/Sub |
| Query Optimization Checklist | [`references/query-optimization-checklist.md`](references/query-optimization-checklist.md) | PostgreSQL; MongoDB; Redis |
| Vector Databases for AI/RAG Workloads | [`references/vector-databases-for-ai-rag-workloads.md`](references/vector-databases-for-ai-rag-workloads.md) | Overview; pgvector (PostgreSQL Extension); Pinecone (Managed); Chroma (Local/Embedded); Embedding Storage and Indexing Best Practices |
© travisjneuman · MIT · travisjneuman/.claude