常见问题

通常 20-30 分钟。大部分时间花在回答问题上——数据库探索只需几分钟，文档生成也是自动的。建议你先聚焦核心的 3-5 个表和 2-3 个指标，快速产出初版，后续再通过迭代模式补充。

不需要。这个技能的核心思想是"聚焦核心业务"。通常 80% 的查询只涉及 20% 的表。先记录这些高频表，快速上手。后续如果发现其他表也很重要，再通过迭代模式补充。

可以。技能包是标准的 Markdown 文件，你可以用任何文本编辑器修改。比如发现某个指标的描述不准确，直接改 references/metrics.md。因为支持 Git 版本控制，所有修改都有历史记录，多人协作也不怕冲突。

强烈推荐！生成的技能包可以打包成 zip 文件，通过邮件、Slack、或内部 Git 仓库分享。团队成员安装后，都能用这个技能进行数据分析，大大提高团队的查询质量和一致性。

更新技能包很简单。用迭代模式说 "更新一下 orders 表的结构，我们加了几个新字段",它会加载现有技能，针对性地更新相关文档。然后你把更新后的技能包重新分享给团队即可。

主流的都支持:BigQuery、Snowflake、PostgreSQL/Redshift、Databricks。它会根据你选择的数据库类型，使用对应的 schema 探索工具。如果你用的是其他数据仓库，也可以手动提供表结构信息。

可以，但可能需要一些 SQL 基础知识。这个技能提取的是"业务上下文",不是教你 SQL 语法。如果你完全不懂 SQL，建议先配合 sql-queries 技能一起使用，效果更好。

不是 100%,但会大幅提高准确率。AI 会理解你们的业务逻辑、表结构、指标定义，写出的查询更靠谱。但复杂分析仍需要你 review，特别是首次使用时。随着技能包越来越完善，AI 的表现会越来越好。

可以。比如你可以为"产品数据"、"营销数据"、"财务数据"分别创建独立的技能包，针对不同场景使用。也可以创建一个"全能"技能包，把所有业务线都覆盖。选择哪种方式，取决于你的团队规模和数据复杂度。

不会。它只记录表结构、字段定义、指标公式等"元数据",不记录实际的业务数据 (比如用户数、订单金额)。生成的文档可以安全地在团队内分享，不用担心数据泄露。