SkillsScout
DATA-ANALYSIS / 数据分析与可视化

clickhouse-architecture-advisor-clickhouse-agent-skills

收录日期 2026-07-24·来源仓库 ↗
受欢迎程度
7
可用程度与相关性
9
安全性
9
8.3SCOUT SCORE

1. 基本信息

项目 内容
名称 clickhouse-architecture-advisor-clickhouse-agent-skills
项目自述名称 ClickHouse Agent Skills(仓库自述名;本子技能自身标题为 “ClickHouse Architecture Advisor”)
作者/维护者 ClickHouse Inc(官方账号)
来源链接 https://github.com/ClickHouse/agent-skills/tree/main/skills/clickhouse-architecture-advisor
许可证 Apache-2.0(GitHub API 实测)
GitHub Stars 495(GitHub API 实测;为 agent-skills 整仓库星数,仓库共含 11 个子技能,此数字不代表本子技能自身热度)
Forks 32(GitHub API 实测)
最新版本 0.1.0(技能自身 metadata.json,面向 ClickHouse 24.1+)
安装方式 npx skills add clickhouse/agent-skills 或官方 CLI clickhousectl skills(README)

2. 功能介绍与亮点

在同仓库的 clickhouse-best-practices(逐条 SQL 规则)之上,补上“架构该怎么设计”这一层决策支持,覆盖 5 类真实存在的架构选型难题:

亮点:① 每条建议强制标注 official(官方文档直接支持)/ derived(从官方行为推导)/ field(经验性、需声明启发式)三级来源,杜绝把经验之谈包装成官方结论;② 决策规则文件直接引用真实 ClickHouse 文档链接(如异步插入、Kafka 引擎、增量物化视图等官方页面),经抽查内容与 ClickHouse 官方文档一致;③ 输出格式固定为“负载摘要→关键决策→建议(What/Why/How/来源标注/验证方法)”,结构化程度高;④ 纯 Markdown/YAML 规则文件,不含任何可执行脚本。

3. 适用场景

固定分类:数据分析与可视化

面向正在为可观测性、安全日志(SIEM)、产品分析、IoT 遥测、金融行情等实时分析场景设计 ClickHouse 系统架构的数据工程师与后端工程师——尤其是需要在“摄入方式该选哪种”“JOIN 还是字典查找”“怎么处理迟到数据”这类系统级权衡上给出可追溯依据、而非泛泛而谈的场合。与偏重表结构与单条查询审查的 clickhouse-best-practices互补,后者管“写法对不对”,本技能管“架构该怎么搭”。

4. 跨 Agent 兼容性

5. 推荐理由

多数厂商技能停留在“规则检查”层面,本技能额外解决的是 agent 在系统设计对话里最容易露怯的问题:把没有文档依据的经验判断说得像官方结论一样笃定。强制的三级来源标注让 agent 在给架构建议时必须诚实区分“文档写的”“推出来的”“纯经验的”,对摄入策略、分区、关联这类一旦选错就要返工重建的高成本决策尤其有价值。

6. 评分

维度 分数 说明
受欢迎程度 7 子目录本身无独立 star 计数,仓库整体 495 星不可作为本子技能依据;经 GitHub code search 交叉验证,本技能已被官方 GitHub 账号维护的 github/agentfinder-catalogstacklok/toolhive-catalog 两个技能目录收录,并被 AI 编程 agent Cline 的官方仓库 cline/skills 直接引入(归入其 data-analyst 技能集),另见于 VoltAgent/awesome-agent-skills 精选列表,代码搜索命中约 123 处引用(数字为近似估计);仓库自 2026-04-14 起两次提交后未见进一步更新
可用性 9 npx skills add clickhouse/agent-skills 或官方 CLI clickhousectl skills 一条命令安装;内容为纯 Markdown/YAML 决策文件,无需额外依赖或付费账号,开源自建 ClickHouse 或使用 Cloud 免费额度均可完整使用;文档含 SKILL.md、编译版 AGENTS.md、5 份决策规则文件与示例目录,结构完整
安全性 9 见下方安全检查清单
综合 8.3 三项均值

安全检查清单:

检查项 结果
① Shell 命令执行 无——技能全部内容为 Markdown 决策文档与 YAML 映射表,不含任何脚本或可执行代码
② 联网外发 无默认外联;建议中引用的官方文档链接仅供 agent 参考,不涉及技能自身联网行为
③ API key/凭据 不需要——本技能仅输出架构建议文本,不连接数据库、不处理凭据
④ 可疑指令 抽查 SKILL.md、README 与全部 5 份决策规则文件,未发现要求执行特权操作或数据外发的可疑指令
⑤ 作者信誉 ClickHouse Inc 官方 GitHub 组织账号,metadata.json 注明出品方与发布月份
⑥ License Apache-2.0,明确
⑦ 维护时间 最近一次提交为 2026-05-19(修复 YAML 语法),距今约两个月

7. 跟同类 Skills 相比的优势

同为数据库/数据平台官方出品、聚焦“设计与优化”的技能与本技能的定位差异:

技能 出品方 覆盖层次 是否需付费账号
ClickHouse Architecture Advisor(本次推荐) ClickHouse Inc 系统架构层:摄入/分区/关联/迟到数据/预聚合的 5 类决策框架,官方/推导/经验三级标注 否,开源自建即可用
ClickHouse Best Practices(同仓库姊妹技能) ClickHouse Inc Schema 与单条查询层:31 条规则配 SQL 对照示例
DuckDB Skills DuckDB 官方 本地文件查询执行层:6 个协同子技能,含查询沙箱
Databricks Agent Skills Databricks 企业级 Lakehouse 全栈:28 个子技能覆盖摄入/建模/看板/机器学习全流程 需付费工作区

差异化在于分层定位:Best Practices 管“写法对不对”,Architecture Advisor 管“架构该怎么搭”,二者互补而非重叠;相比 Databricks 的全栈式覆盖,ClickHouse 这一对技能都不依赖企业级付费工作区,个人开发者用开源版本即可完整体验。

8. 用户评价

该技能已被 GitHub 官方维护的 agent 技能目录 agentfinder-catalog、技能注册表 stacklok/toolhive-catalog 收录,并被 AI 编程 agent Cline 的官方技能仓库直接引入,但目前未见具名的独立用户评价内容。

9. 其他补充

仓库遵循 agentskills.io 开放技能规范;同仓库另有 clickhouse-best-practices(规则层)、chdb-sql/chdb-datastore(Python 内嵌分析)、clickhousectl-local-dev/clickhousectl-cloud-deploy(部署)等其他技能,均可按需单独安装。

10. 安装使用方式

11. 注意事项