---
name: lzwcai-agile-db
description: AgileDB 数据库管理平台的 MCP 技能。为 AI Agent 提供完整的数据库操作工作流指导，适合零基础用户。
version: 0.2.0
---

# lzwcai-agile-db

AgileDB 数据库管理平台的 MCP 技能。为 AI Agent 提供完整的数据库操作工作流指导，适合零基础用户。


## 完整工具清单（33 个工具）

本 skill 基于 `lzwcai_mcp_agile_db` MCP Server，共提供 33 个工具，分为 9 大类：

### 一、数据源管理（6 个工具）

| 工具 | 功能 | 危险等级 |
|------|------|----------|
| `list_datasources` | 获取数据源列表 | 安全 |
| `get_datasource_detail` | 获取数据源详情（含数据库、表结构） | 安全 |
| `create_datasource` | 创建外部数据源连接 | 安全 |
| `update_datasource` | 更新数据源连接信息 | 中等 |
| `toggle_datasource_status` | 启用/停用数据源 | 中等 |
| `delete_datasource` | 删除数据源 | **危险** |

### 二、数据库与表管理（6 个工具）

| 工具 | 功能 | 危险等级 |
|------|------|----------|
| `list_databases` | 获取数据源下的数据库列表 | 安全 |
| `list_tables` | 获取数据源下的表列表 | 安全 |
| `get_table_detail` | 获取表结构详情（字段、类型、主键） | 安全 |
| `create_table` | 创建新表 | **危险** |
| `alter_table` | 修改表结构 | **危险** |
| `generate_table_by_description` | AI 根据自然语言生成表结构 | 安全（仅生成，不创建） |

### 三、表数据 CRUD（5 个工具）

| 工具 | 功能 | 危险等级 |
|------|------|----------|
| `query_table_data` | 查询表数据（分页） | 安全 |
| `insert_table_row` | 插入一行数据 | 中等 |
| `update_table_row` | 更新一行数据 | 中等 |
| `delete_table_rows` | 删除数据行（按主键） | **危险** |
| `export_table_excel` | 导出表数据为 Excel（base64） | 安全 |

### 四、SQL 执行（1 个工具）

| 工具 | 功能 | 危险等级 |
|------|------|----------|
| `execute_sql` | 执行原生 SQL 查询 | 中等/危险 |

### 五、数据导入（2 个工具）

| 工具 | 功能 | 危险等级 |
|------|------|----------|
| `preview_import_data` | 上传 Excel 文件，AI 智能识别并预览 | 安全 |
| `confirm_import_data` | 确认导入 AI 识别后的数据 | **危险** |

### 六、表订阅（1 个工具）

| 工具 | 功能 | 危险等级 |
|------|------|----------|
| `toggle_table_subscription` | 切换表的订阅状态 | 中等 |

### 七、API 密钥管理（6 个工具）

| 工具 | 功能 | 危险等级 |
|------|------|----------|
| `list_api_keys` | 获取 API 密钥列表 | 安全 |
| `create_api_key` | 创建新的 API 密钥 | 中等 |
| `toggle_api_key_status` | 启用/禁用 API 密钥 | 中等 |
| `delete_api_key` | 删除 API 密钥 | **危险** |
| `get_api_key_permissions` | 查看指定密钥的权限配置 | 安全 |
| `grant_api_key_permissions` | 批量为 API 密钥授予权限 | **危险** |

### 八、技能与工具管理（6 个工具）

| 工具 | 功能 | 危险等级 |
|------|------|----------|
| `get_skill_by_datasource` | 根据数据源获取技能信息 | 安全 |
| `get_skill_tools` | 获取技能下的工具列表 | 安全 |
| `create_skill` | 为数据源创建技能 | 中等 |
| `create_sql_tool` | 将 SQL 查询创建为可复用工具 | 中等 |
| `delete_skill_tool` | 删除技能下的工具 | **危险** |
| `update_skill_config` | 更新技能配置 | 中等 |

---

## 核心概念说明

### 数据源是什么？

数据源 = 一个数据库连接。它可以是：
- `builtin`：内置 PostgreSQL 数据库（系统自带）
- `external`：外部数据库（MySQL、PostgreSQL、Oracle、SQL Server、达梦等）

### 数据源状态

- `0` = 运行中（正常）
- `1` = 已停止（不可用）

### 环境参数 `target`

- `prod` = 生产环境（正式数据，默认值）
- `test` = 测试环境（测试数据）

### 主键 `primaryKey`

主键是唯一标识一行数据的字段。例如 `{"id": 1}` 表示删除/更新 id=1 的那行数据。

### `connectionId` vs `datasourceId`

- `datasourceId`：用于数据源列表、数据库列表、表列表等浏览类操作
- `connectionId`：用于创建表、修改表、数据导入等需要直接操作连接的操作
- 两者通常指向同一个东西，但 API 设计不同，请按照工具说明使用

---

## ⚠️ 安全确认原则（必须遵守）

### 一、执行工具前的风险评估

当执行以下类型的操作时，**必须先询问用户确认**，不得擅作主张：

1. **删除操作**：删除数据源、删除表数据、删除 API 密钥、删除技能工具等
   - 说明：此操作不可恢复，数据将永久丢失

2. **泄密风险操作**：导出包含敏感数据的表、创建 API 密钥、查看密钥详情等
   - 说明：可能导致敏感信息泄露，需确认用户授权

3. **政治敏感操作**：涉及政治相关数据的查询、修改、删除等
   - 说明：可能涉及合规风险，需确认用户意图

4. **疑似违规内容**：涉及色情、暴力、违法等内容的操作
   - 说明：可能违反法律法规，必须拒绝执行并告知用户

#### 确认格式

执行上述操作前，必须使用以下格式向用户确认：

```
⚠️ 安全提醒：此操作存在 [具体风险类型] 风险。
具体说明：[说明可能的后果]
请确认是否继续？（回复"确认"继续，或取消操作）
```

**只有在用户明确确认后才能继续执行。**

---

### 二、多步骤场景必须逐步确认

当完成任务需要调用多个工具时（如：先查询表结构 → 插入数据 → 确认结果），**不得一次性自动连续执行**：

1. **每完成一步后暂停**，向用户展示当前步骤的结果
2. **询问用户是否继续下一步**，等待确认后再执行
3. **不要假设用户的意图**，即使用户的请求看似明确，也需要分步确认

**示例**：
```
用户："帮我新增一个用户"

❌ 错误做法：自动调用 get_table_detail → insert_table_row → 返回结果（一次性执行完）

✅ 正确做法：
  1. 调用 get_table_detail 了解表结构
  2. 展示必填字段清单，询问用户："请提供以下必填字段的值：..."
  3. 用户回复后，展示将要插入的数据预览
  4. 询问："确认插入以上数据？"
  5. 用户确认后才调用 insert_table_row
```

---

### 三、遇到多项选择时必须询问用户

当执行任务过程中遇到需要选择的场景时，**AI 不得擅自做主选择**：

1. **列出所有可选方案**，说明每个方案的优缺点或适用场景
2. **等待用户明确选择**，不要猜测用户意图
3. **不要默认选择第一个**或看似最合理的选项

#### 常见需要询问的选择场景：
- 有多个数据源可选时
- 有多个数据库可选时
- 有多个表可选时
- 有多种操作方式可选时（如：用 SQL 查询 vs 用表数据查询工具）
- 有多种字段类型可选时
- 用户描述模糊，存在多种理解方式时

**示例**：
```
用户："查一下订单数据"

❌ 错误做法：直接选择第一个数据源和第一个订单表进行查询

✅ 正确做法：
  "找到以下数据源包含订单相关表：
   1. HMD产品 → order_db → orders 表（156 条记录）
   2. 测试数据源 → test_db → test_orders 表（10 条记录）
   请问您想查询哪个？"
```

---

## 场景 1：浏览数据源（新手入门第一步）

当用户想了解系统里有哪些数据库或表时，使用此流程。

### 工作流程

```
用户请求: "有哪些数据源？" / "看看 XX 数据源有哪些表？" / "帮我查一下数据库"
    ↓
1. 调用 list_datasources()
    ↓
2. 展示数据源列表（名称、类型、状态、数据库数、表数）
    ↓
3. 用户选择数据源后，调用 get_datasource_detail(datasourceId="xx")
    ↓
4. 展示数据库列表和实时表结构
```

### 示例

**用户**: "帮我看看有哪些数据源"

```
调用: list_datasources()
返回: {
  "total": 14,
  "rows": [
    {"id": "58", "datasourceName": "HMD产品", "host": "host.docker.internal", "port": 5432, "status": 0, ...},
    ...
  ]
}
回复: 共找到 14 个数据源：
      1. HMD产品（PostgreSQL, host.docker.internal:5432, 运行中）
      2. ...
      请告诉我你想看哪个数据源？
```

**用户**: "看看 HMD 产品有哪些表"

```
调用: get_datasource_detail(datasourceId="58")
返回: {
  "detail": {...},
  "config": {...},
  "structure": {
    "databases": [
      {"name": "order_db", "tables": [
        {"tableName": "orders", "columns": [...]},
        ...
      ]}
    ]
  }
}
回复: HMD产品 数据源包含以下数据库和表：
      order_db:
        - orders (订单表, 15 个字段)
        - users (用户表, 8 个字段)
```

### 注意事项
- 数据源类型为 `builtin` 表示系统内置数据库，类型为具体的数据库引擎名称（mysql、postgresql 等）表示外部数据源
- 如果用户只说"查一下数据库"，先调用 `list_datasources()` 再引导选择
- 已停止的数据源（status=1）无法访问其结构

---

## 场景 2：查询表数据

当用户想要查看某张表的具体数据记录时，使用此流程。

### 工作流程

```
用户请求: "查一下 users 表的数据" / "看看前 20 条订单"
    ↓
1. 如果不知道 tableId，先浏览数据源找到目标表
    ↓
2. 调用 query_table_data(tableId="xx", pageNum=1, pageSize=10, target="prod")
    ↓
3. 展示数据（表格形式，包含字段名和值）
    ↓
4. 如果数据量大，提示用户可翻页或调整 pageSize
```

### 示例

**用户**: "查一下 users 表前 10 条数据"

```
调用: query_table_data(tableId="5", pageNum=1, pageSize=10)
返回: {
  "columns": [{"name": "id", "type": "INTEGER"}, {"name": "username", "type": "VARCHAR"}, ...],
  "data": [{"id": 1, "username": "admin", "email": "admin@test.com"}, ...],
  "total": 156
}
回复: users 表共 156 条记录，当前显示第 1-10 条：
      | id | username | email           | created_at          |
      |----|----------|-----------------|---------------------|
      | 1  | admin    | admin@test.com  | 2024-01-15 10:30:00 |
      | 2  | user1    | user1@test.com  | 2024-01-16 14:20:00 |
      ...
```

### 注意事项
- `target` 参数：`prod`=生产环境（默认），`test`=测试环境
- 如果用户未指定数量，默认 `pageSize=10`
- 如果用户说"翻页"，增加 `pageNum` 参数
- 如果用户想看更多数据，可以增大 `pageSize`（最大根据 API 限制）
- 数据返回格式为对象数组

---

## 场景 3：执行 SQL

当用户需要执行自定义 SQL 查询时，使用此流程。

### 工作流程

```
用户请求: "帮我执行 SQL..." / "查一下订单数大于 100 的用户"
    ↓
1. 如果用户直接提供 SQL，直接使用
   如果用户提供自然语言需求，先转换为 SQL
    ↓
2. 调用 execute_sql(datasourceId="xx", executableSql="SELECT ...")
    ↓
3. 展示查询结果
    ↓
4. 如果 SQL 执行失败，展示错误信息并建议修正
```

### 示例

**用户**: "统计每个地区的订单数量"

```
转换为 SQL: SELECT region, COUNT(*) as order_count FROM orders GROUP BY region ORDER BY order_count DESC

调用: execute_sql(
  datasourceId="58",
  executableSql="SELECT region, COUNT(*) as order_count FROM orders GROUP BY region ORDER BY order_count DESC"
)
返回: {
  "columns": [{"name": "region"}, {"name": "order_count"}],
  "data": [{"region": "华东", "order_count": 1250}, {"region": "华南", "order_count": 980}, ...]
}
回复: 各地区订单统计：
      | 地区 | 订单数 |
      |------|--------|
      | 华东 | 1,250  |
      | 华南 | 980    |
      | 华北 | 756    |
```

### 注意事项
- `datasourceId` 必须提供，如果用户未指定，先询问
- `sqlTemplate` 可选，用于模板化查询
- `parameters` 可选，用于参数化查询（防止 SQL 注入）
- **执行危险操作（DELETE/DROP/TRUNCATE）前，必须向用户确认**
- 如果查询结果超过 100 行，建议用户使用 `query_table_data` 代替
- 对于只读查询（SELECT），可以直接执行；对于写操作（INSERT/UPDATE/DELETE），必须二次确认

---

## 场景 4：增删改数据

当用户需要修改表中的数据时，使用此流程。

### 4.1 插入数据

```
用户请求: "新增一个用户，用户名是 test_user"
    ↓
1. 先调用 get_table_detail(tableId="xx") 了解表结构
    ↓
2. 确认必填字段（非空字段、无默认值字段）
    ↓
3. 调用 insert_table_row(tableId="xx", data={...})
    ↓
4. 确认插入成功
```

**示例**:

**用户**: "新增一个用户，用户名 test_user，邮箱 test@test.com"

```
调用: get_table_detail(tableId="5")
返回: {columns: [{name: "id", isPrimaryKey: true, isAutoIncrement: true}, {name: "username", isNullable: false}, ...]}

调用: insert_table_row(
  tableId="5",
  data={"username": "test_user", "email": "test@test.com"}
)
回复: 已成功插入用户 test_user (ID 自动生成)
```

### 4.2 更新数据

```
用户请求: "把用户 test_user 的邮箱改成 new@test.com"
    ↓
1. 确认主键字段和要更新的值
    ↓
2. 调用 update_table_row(tableId="xx", primaryKey={主键}, data={要更新的字段})
    ↓
3. 确认更新成功
```

**示例**:

**用户**: "把 ID 为 5 的用户邮箱改成 new@test.com"

```
调用: update_table_row(
  tableId="5",
  primaryKey={"id": 5},
  data={"email": "new@test.com"}
)
回复: 已更新用户 ID=5 的邮箱为 new@test.com
```

### 4.3 删除数据

```
用户请求: "删除用户 test_user"
    ↓
1. ⚠️ 安全提醒：此操作存在删除风险。
   说明：数据将永久删除，不可恢复。
   请确认是否继续？
    ↓
2. ⚠️ 危险操作！先确认删除范围和影响
    ↓
3. 向用户展示将要删除的数据，请求确认
    ↓
4. 用户确认后，调用 delete_table_rows(tableId="xx", primaryKeys=[{主键}])
    ↓
5. 确认删除成功
```

**示例**:

**用户**: "删除 ID 为 10 的订单"

```
回复: ⚠️ 确认要删除以下记录吗？
      订单 ID=10, 订单号=ORD-2024-0010, 金额=¥1,250.00
      此操作不可恢复。请回复"确认删除"继续。

用户: "确认删除"

调用: delete_table_rows(
  tableId="3",
  primaryKeys=[{"id": 10}]
)
回复: 已成功删除订单 ID=10
```

**注意：如果删除内容涉及敏感数据（如用户隐私、政治相关内容、疑似违规内容），必须额外说明后果并再次确认。**

### 4.4 导出表数据为 Excel

```
用户请求: "把 users 表数据导出成 Excel"
    ↓
1. 调用 export_table_excel(tableId="xx", target="prod")
    ↓
2. 返回 base64 编码的 Excel 文件内容
    ↓
3. 提示用户解码 base64 获取文件
```

**示例**:

```
调用: export_table_excel(tableId="5")
返回: {
  "success": true,
  "file_base64": "UEsDBBQAAAAI...",
  "message": "Excel 文件已导出，请解码 base64 内容获取文件"
}
回复: 已成功导出 users 表数据为 Excel 文件
      文件内容已 base64 编码，请解码后保存为 .xlsx 文件
```

### 注意事项
- **删除操作必须二次确认**
- `primaryKey` 必须是对象格式，如 `{"id": 1}`
- `primaryKeys` 是数组格式，如 `[{"id": 1}, {"id": 2}]`
- `data` 只包含要更新的字段，不需要提供全部字段
- 插入数据时，自增主键不需要提供
- 如果操作涉及多行，使用批量操作或循环调用
- 增删改操作默认作用于 `prod` 环境

---

## 场景 5：AI 生成表结构

当用户需要创建新表但不知道如何设计表结构时，使用 AI 辅助生成。

### 工作流程

```
用户请求: "我需要一个用户表" / "帮我设计一个订单系统的表结构"
    ↓
1. 调用 generate_table_by_description(requirement="用户描述")
    ↓
2. 展示 AI 生成的表结构（表名、字段、类型、注释）
    ↓
3. 用户确认后，调用 create_table(connectionId="xx", databaseName="xx", tableName="xx", columns=[...])
    ↓
4. 确认创建成功
```

### 示例

**用户**: "帮我设计一个商品表，包含名称、价格、库存、分类"

```
调用: generate_table_by_description(
  requirement="我需要一个商品表，包含商品名称、价格、库存、分类，用于电商系统"
)
返回: {
  "tableName": "products",
  "tableComment": "商品表",
  "columns": [
    {"columnName": "id", "columnType": "SERIAL", "isPrimaryKey": true, "isAutoIncrement": true, "columnComment": "主键ID"},
    {"columnName": "name", "columnType": "VARCHAR", "columnLength": 200, "isNullable": false, "columnComment": "商品名称"},
    {"columnName": "price", "columnType": "DECIMAL", "columnLength": 10, "columnComment": "价格"},
    {"columnName": "stock", "columnType": "INTEGER", "columnComment": "库存数量"},
    {"columnName": "category_id", "columnType": "INTEGER", "columnComment": "分类ID"},
    {"columnName": "created_at", "columnType": "TIMESTAMP", "defaultValue": "NOW()", "columnComment": "创建时间"}
  ]
}

回复: AI 已生成表结构设计：
      表名: products (商品表)
      字段:
        - id (SERIAL, 主键, 自增) - 主键ID
        - name (VARCHAR(200), 非空) - 商品名称
        - price (DECIMAL(10)) - 价格
        - stock (INTEGER) - 库存数量
        - category_id (INTEGER) - 分类ID
        - created_at (TIMESTAMP, 默认NOW()) - 创建时间
      
      是否需要在此基础上修改或直接创建？

用户: "直接创建到 order_db 数据库"

调用: create_table(
  connectionId="58",
  databaseName="order_db",
  tableName="products",
  tableComment="商品表",
  columns=[...]  // 使用 AI 生成的 columns
)
回复: 已成功创建表 products (商品表)
```

### 修改表结构（alter_table）

如果用户需要修改已有表的结构：

```
用户请求: "给 users 表加一个 phone 字段"
    ↓
1. 确认表结构和要修改的内容
    ↓
2. 构建 operations 数组（支持多种变更类型）
    ↓
3. 调用 alter_table(connectionId="xx", databaseName="xx", tableName="xx", operations=[...])
    ↓
4. 确认修改成功
```

**可用的 operations 类型**：
- `ADD_COLUMN`：添加字段
- `DROP_COLUMN`：删除字段
- `RENAME_COLUMN`：重命名字段
- `ALTER_COLUMN_TYPE`：修改字段类型
- `SET_NOT_NULL`：设置为非空
- `DROP_NOT_NULL`：取消非空约束
- `SET_DEFAULT`：设置默认值
- `DROP_DEFAULT`：删除默认值

### 注意事项
- `requirement` 参数应尽可能详细，包含业务场景和字段需求
- AI 生成的表结构可能需要用户调整（如字段长度、类型）
- 创建表前需要确认 `connectionId` 和 `databaseName`
- 常用字段类型：`VARCHAR`, `INTEGER`, `SERIAL`(自增主键), `DECIMAL`, `TIMESTAMP`, `TEXT`, `BOOLEAN`
- 如果用户描述模糊，先引导用户补充细节

---

## 场景 6：数据导入（Excel 到数据库）

当用户需要从 Excel 文件导入数据到数据库时，使用此流程。

### 工作流程

```
用户请求: "帮我导入这个 Excel 文件" / "把表格数据导入数据库"
    ↓
1. 用户将 Excel 文件转为 base64 编码
    ↓
2. 调用 preview_import_data(connectionId="xx", file_base64="...", file_name="data.xlsx", target="test")
    ↓
3. 展示 AI 识别的表结构和数据预览
    ↓
4. ⚠️ 安全提醒：此操作可能涉及数据安全风险。
   说明：导入的数据将写入数据库，请确认数据来源合法合规，不包含敏感信息、政治内容或违规内容。
   请确认是否继续？
    ↓
5. 用户确认无误后，调用 confirm_import_data(connectionId="xx", data={...}, target="test")
    ↓
6. 确认导入成功
```

### 注意事项
- 文件大小限制：< 500KB
- 支持格式：.xlsx / .xls
- 导入前默认使用 `test` 环境（安全做法）
- 如果用户要导入到正式环境，必须二次确认
- base64 编码的文件内容需要提供文件名

---

## 场景 7：API 密钥管理

当用户需要管理 API 密钥时，使用此流程。

### 7.1 查看密钥列表

```
调用: list_api_keys()
返回: {
  "total": 6,
  "rows": [
    {"id": "7", "apiKeyName": "AWINBEXT", "apiKey": "Lb8Lg...", "status": 0, "expireTime": "2027-06-06..."},
    ...
  ]
}
```

### 7.2 创建新密钥

```
调用: create_api_key(apiKeyName="新密钥名称")
返回: 包含新创建的密钥信息
```

### 7.3 启用/禁用密钥

```
调用: toggle_api_key_status(id="7", status=0)  // 0=启用, 1=禁用
```

### 7.4 删除密钥

```
⚠️ 删除前确认：
⚠️ 安全提醒：此操作存在删除风险。
说明：API 密钥删除后不可恢复，依赖该密钥的服务将失效。
请确认是否继续？

回复: 确认要删除 API 密钥 "AWINBEXT" 吗？此操作不可恢复。

调用: delete_api_key(id="7")
```

### 7.5 查看密钥权限

```
调用: get_api_key_permissions(apiKeyId="7")
```

### 7.6 批量授权

```
调用: grant_api_key_permissions(
  apiKeyId="7",
  batchDatas=[
    {
      "connectionId": "58",
      "permissionLevel": "connection",
      "permissionType": "read,write"
    },
    {
      "connectionId": "58",
      "permissionLevel": "database",
      "databaseName": "order_db",
      "permissionType": "read"
    }
  ]
)
```

权限级别说明：
- `connection`：数据源级别权限
- `database`：数据库级别权限
- `table`：表级别权限

---

## 场景 8：技能与工具管理

当用户需要创建和管理自定义技能时，使用此流程。

### 8.1 查看数据源关联的技能

```
调用: get_skill_by_datasource(datasourceId="58")
```

### 8.2 创建技能

```
调用: create_skill(datasourceId="58", name="订单查询技能", description="用于订单数据的常用查询")
```

### 8.3 查看技能下的工具

```
调用: get_skill_tools(skillId="xx")
```

### 8.4 将 SQL 创建为可复用工具

```
调用: create_sql_tool(
  skillId="xx",
  tableIds=["5"],
  suggestions=[{
    "name": "查询活跃用户",
    "businessDescription": "查询所有状态为活跃的用户",
    "sqlTemplate": "SELECT * FROM users WHERE status = #{status}",
    "sqlParams": {"status": {"type": "string", "default": "active"}},
    "resultType": "list",
    "businessScenario": "用于查看当前活跃用户列表"
  }]
)
```

### 8.5 删除技能工具

```
⚠️ 删除前确认：
⚠️ 安全提醒：此操作存在删除风险。
说明：技能工具删除后不可恢复。
请确认是否继续？

调用: delete_skill_tool(skillToolId="xx")
```

### 8.6 更新技能配置

```
调用: update_skill_config(
  datasourceId="58",
  configTemplate='{"mcpServer": "..."}'  // JSON 字符串
)
```

---

## 场景 9：表订阅管理

```
用户请求: "订阅 orders 表" / "取消订阅 users 表"

调用: toggle_table_subscription(
  configId="数据库配置ID",
  tableName="orders",
  isSubscribe=true   // true=订阅, false=取消订阅
)
```

---

## 最佳实践

### 1. 安全第一

#### 通用安全确认规则

- 执行任何工具前，评估是否存在删除、泄密、政治敏感、似黄等风险
- 存在风险时，**必须询问用户确认**，说明后果，不得擅作主张
- 用户未明确确认前，不得执行

- 执行任何写操作（INSERT/UPDATE/DELETE）前，先确认环境（prod vs test）
- 删除操作必须向用户展示将要删除的数据并二次确认
- 危险操作（DELETE/DROP/TRUNCATE/UPDATE 影响多行）前必须明确告知用户风险
- 数据导入时默认使用 `test` 环境

### 2. 分步引导

- 新手可能不知道 `datasourceId`、`tableId` 等参数，先通过列表工具引导获取
- 复杂操作分步执行，每步确认后继续
- 如果用户请求不完整（如未指定数据源），先引导补充信息

### 3. 数据展示

- 表格数据使用 Markdown 表格格式
- 长文本截断显示（最多 100 字符）
- 数字格式化（千位分隔符、货币符号）
- 时间格式化为可读格式
- 展示数据时包含字段名和类型

### 4. 错误处理

- API 错误：展示错误信息，建议重试或检查参数
- SQL 错误：展示 SQL 错误位置，建议修正
- 连接错误：检查数据源状态，建议启用或重新配置
- "登录过期"：提示用户检查 `API_KEY` 环境变量

### 5. 沟通方式

- 向小白用户解释时，避免使用技术术语（如 JSON Schema、SERIAL 等），用通俗语言
- 操作完成后告知结果（成功/失败/影响行数）
- 如果用户操作成功，给出明确的反馈信息

---

## 常用参数参考

### 数据源类型
- `builtin` - 内置 PostgreSQL
- `external` - 外部数据库（MySQL/PostgreSQL/Oracle/SQL Server/达梦等）

### 数据源状态
- `0` - 运行中
- `1` - 已停止

### 环境
- `prod` - 生产环境（默认）
- `test` - 测试环境

### 常用字段类型
| 类型 | 用途 | 示例 |
|------|------|------|
| `SERIAL` | 自增主键 | `id SERIAL PRIMARY KEY` |
| `VARCHAR(n)` | 短文本 | `username VARCHAR(50)` |
| `TEXT` | 长文本 | `description TEXT` |
| `INTEGER` | 整数 | `stock INTEGER` |
| `DECIMAL(m,n)` | 精确小数 | `price DECIMAL(10,2)` |
| `TIMESTAMP` | 时间戳 | `created_at TIMESTAMP` |
| `BOOLEAN` | 布尔值 | `is_active BOOLEAN` |

### 表结构变更操作类型（alter_table）
| 类型 | 用途 |
|------|------|
| `ADD_COLUMN` | 添加字段 |
| `DROP_COLUMN` | 删除字段 |
| `RENAME_COLUMN` | 重命名字段 |
| `ALTER_COLUMN_TYPE` | 修改字段类型 |
| `SET_NOT_NULL` | 设置为非空 |
| `DROP_NOT_NULL` | 取消非空约束 |
| `SET_DEFAULT` | 设置默认值 |
| `DROP_DEFAULT` | 删除默认值 |

### 权限级别（API 密钥授权）
| 级别 | 范围 |
|------|------|
| `connection` | 整个数据源 |
| `database` | 指定数据库 |
| `table` | 指定表 |

---

## 快速开始

如果用户说"帮我查一下数据库"，按以下步骤操作：

1. 调用 `list_datasources()` 获取数据源列表
2. 展示列表，让用户选择或默认第一个运行中的数据源
3. 调用 `get_datasource_detail(datasourceId="xx")` 获取数据库和表信息
4. 引导用户选择要操作的表
5. 根据用户意图调用相应的工具：
   - 想看数据 → `query_table_data`
   - 想执行 SQL → `execute_sql`
   - 想新增数据 → `insert_table_row`
   - 想修改数据 → `update_table_row`
   - 想删除数据 → `delete_table_rows`（需确认）
   - 想导出 Excel → `export_table_excel`
   - 想创建表 → `generate_table_by_description` + `create_table`
   - 想导入 Excel → `preview_import_data` + `confirm_import_data`