SQL Database Toolkit OpenClaw Skill
All-in-one SQL data analysis toolkit supporting database/file connection, SQL query, visualization, AI insights, and report/dashboard generation with templates.
Installation
clawhub install sql-database-toolkit
Requires npm i -g clawhub
85
Downloads
0
Stars
0
current installs
0 all-time
1
Versions
Power your OpenClaw skills with
the best open-source models.
Drop-in OpenAI-compatible API. No data leaves Europe.
Explore Inference APIGLM
GLM 5
$1.00 / $3.20
per M tokens
Kimi
Kimi K2.5
$0.60 / $2.80
per M tokens
MiniMax
MiniMax M2.5
$0.30 / $1.20
per M tokens
Qwen
Qwen3.5 122B
$0.40 / $3.00
per M tokens
SQL Database Toolkit
全链路 SQL 数据分析工具包:数据连接 → SQL 查询 → 数据可视化 → AI 洞察 → 报告生成
概述
SQL Database Toolkit 是 sql-master、sql-dataviz、sql-report-generator 三大 Skill 的统一整合版本,提供端到端的 SQL 数据分析能力。
核心能力:
- 数据连接层:支持 SQLite/MySQL/PostgreSQL/SQL Server/ClickHouse 等多种数据库,以及 CSV/Excel/JSON/Parquet 等本地文件格式
- SQL 查询执行:自然语言转 SQL、SQL 执行与优化、查询结果分析
- 数据可视化:24+ 种静态图表(PNG base64)+ 12 种交互式图表(HTML),支持 Power BI 风格配色
- AI 洞察:基于统计的自动异常检测、趋势分析、相关性分析、TOP N 排名等
- 报告生成:完整 HTML 报告、KPI 仪表盘、行业模板库(90+ 模板)
触发条件
当用户提及以下关键词时触发:
- SQL 查询、执行、优化
- 数据库连接(MySQL/PostgreSQL/SQLite 等)
- 数据可视化、图表生成(折线图/柱状图/饼图/热力图等)
- 报告生成、仪表盘、数据看板
- 数据分析、洞察、异常检测
- 文件数据处理(CSV/Excel 导入导出)
安装依赖
pip install -r requirements.txt
核心依赖:
- pandas, numpy - 数据处理
- sqlalchemy, pymysql, psycopg2-binary - 数据库连接
- matplotlib, seaborn, plotly - 可视化
- scipy - 统计分析
- jinja2 - 模板引擎
快速开始
1. 一键端到端分析
from unified_pipeline import analyze_file
# 文件 → SQL → 图表 → 洞察 → 报告
result = analyze_file(
"sales.csv",
sql="SELECT region, SUM(sales) as total FROM data GROUP BY region",
charts=[{"type":"bar","x":"region","y":"total","title":"区域销售"}],
output="report.html"
)
print(result.log())
2. 数据库查询
from database_connector import DatabaseConnector
# 连接 MySQL
conn = DatabaseConnector(
dialect="mysql+pymysql",
host="localhost", port=3306,
username="root", password="xxx",
database="sales_db"
)
result = conn.execute("SELECT * FROM orders WHERE amount > 1000")
print(result.df)
3. 生成交互式图表
from interactive_charts import InteractiveChartFactory
factory = InteractiveChartFactory(theme="powerbi")
html = factory.create_line({
"categories": ["1月","2月","3月"],
"series": [{"name":"销售额","data":[100,120,150]}]
})
factory.save_html(html, "chart.html")
4. AI 自动洞察
from ai_insights import quick_insights
report = quick_insights(df, date_col="date", value_cols=["sales","profit"])
for insight in report.insights:
print(f"{insight.title}: {insight.description}")
模块索引
数据连接层
| 模块 | 功能 |
|---|---|
database_connector.py |
数据库连接(支持 6+ 种数据库) |
file_connector.py |
本地文件加载(CSV/Excel/JSON/Parquet 等) |
pipeline.py |
SQL Pipeline 编排器 |
可视化层
| 模块 | 功能 |
|---|---|
charts.py |
静态图表工厂(24+ 种图表,PNG base64) |
interactive_charts.py |
交互式图表工厂(12 种图表,HTML)+ DashboardBuilder |
报告层
| 模块 | 功能 |
|---|---|
ai_insights.py |
AI 自动洞察生成器 |
dashboard_templates.py |
行业看板模板库(90+ 模板) |
report_generator.py |
报告生成器(表格/矩阵/切片器) |
统一入口
| 模块 | 功能 |
|---|---|
unified_pipeline.py |
端到端统一 Pipeline(推荐) |
__init__.py |
统一导出所有核心类 |
使用示例
示例 1:完整分析流程
from unified_pipeline import UnifiedPipeline
# 创建 Pipeline
p = UnifiedPipeline("销售分析").set_theme("powerbi")
# 加载数据
p.from_file("sales.csv")
# SQL 查询
p.query("SELECT region, SUM(amount) as total FROM data GROUP BY region")
# 生成交互式图表
p.interactive_chart("bar", x_col="region", y_col="total", title="区域销售")
p.interactive_chart("pie", x_col="region", y_col="total", title="区域占比")
# AI 洞察
p.insights(value_cols=["total"])
# 生成完整报告
p.report(title="销售分析报告", output="report.html")
# 打印日志
print(p.log())
示例 2:数据库 → 可视化
from database_connector import DatabaseConnector
from interactive_charts import InteractiveChartFactory
# 查询数据
conn = DatabaseConnector(dialect="sqlite", database="sales.db")
df = conn.execute("SELECT month, sales FROM monthly_sales").df
# 生成图表
factory = InteractiveChartFactory()
html = factory.create_line({
"categories": df["month"].tolist(),
"series": [{"name": "销售额", "data": df["sales"].tolist()}]
}, title="月度销售趋势")
factory.save_html(html, "trend.html")
示例 3:构建 Dashboard
from interactive_charts import DashboardBuilder, InteractiveChartFactory
builder = DashboardBuilder(title="销售看板", theme="powerbi")
# KPI 卡片
builder.add_kpi_cards([
{"title": "GMV", "value": "¥1,234万", "change": "+18%"},
{"title": "订单量", "value": "45,678", "change": "+12%"},
])
# 添加图表
factory = InteractiveChartFactory()
line_html = factory.create_line({...})
builder.add_chart(line_html, title="趋势", cols=2)
# 生成
builder.build("dashboard.html")
示例 4:使用行业模板
from dashboard_templates import get_template
# 获取电商概览模板
template = get_template("ecommerce_overview")
# 根据模板配置生成图表
# template.charts 包含所有图表规格
配置与主题
配色主题
from charts import Theme
# 支持的主题:POWERBI, ALIBABA, TENCENT, BYTEDANCE, NEUTRAL
factory = ChartFactory()
factory.set_theme("powerbi")
图表类型
静态图表(charts.py):
- 对比分析:clustered_column, stacked_column, bar, line, area, waterfall
- 占比分析:pie, donut, treemap, funnel
- 分布分析:scatter, bubble, box_plot, histogram
- 指标监控:card, kpi, gauge, target
- 高级图表:heatmap, gantt, candlestick, sankey, word_cloud
交互式图表(interactive_charts.py):
- line, bar, pie, scatter, heatmap, funnel, area, treemap, gauge, combo, table, kpi_cards
配置文件
requirements.txt- Python 依赖references/- 参考文档(SQL 优化、图表选择、模板使用等)templates/- 行业报告模板(90+ 个)
注意事项
- 中文字体:Windows 环境自动使用 Microsoft YaHei,其他系统需确保已安装中文字体
- 数据库驱动:首次使用 MySQL/PostgreSQL 等需要安装对应驱动(pymysql/psycopg2)
- Plotly CDN:交互式图表默认使用 CDN,如需离线使用可替换为本地路径
版本
v2.0.0 - 合并版(基于 sql-master + sql-dataviz + sql-report-generator)
Statistics
Author
SQLSkills
@sqlskills
Latest Changes
v1.0.0 · Apr 4, 2026
SQL Database Toolkit 1.0.0 - 首次统一发布:整合 sql-master、sql-dataviz、sql-report-generator 三大功能包 - 支持多种数据库(如 SQLite、MySQL、PostgreSQL 等)及本地数据文件(CSV/Excel/JSON/Parquet)接入 - 提供自然语言转 SQL、SQL 执行与优化、富查询结果分析 - 内置 24+ 种静态图表和 12 种交互式图表,可选多种主题(如 Power BI 风格) - 一键生成完整 HTML 报告、KPI 仪表盘,内置 90+ 行业模板 - 支持 AI 洞察:自动异常检测、趋势分析、相关性分析、TOP N 排名等 - 提供端到端统一 Pipeline,支持从数据到洞察、报告的完整流程
Quick Install
clawhub install sql-database-toolkit Related Skills
Other popular skills you might find useful.
Chat with 100+ AI Models in one App.
Use Claude, ChatGPT, Gemini alongside with EU-Hosted Models like Deepseek, GLM-5, Kimi K2.5 and many more.