Agent skill · writing content · aiskillstore
datadata-dql
为 Datadata 平台编写 DQL 数据处理脚本 — 基于 Starlark 的扩展脚本语言，支持 DataFrame/Series 操作、SQL 查询、HTTP 请求等。当用户需要编写数据转换、数据清洗、数据生成或自定义数据处理逻辑时使用此 skill。
Why this skill is useful
Provides specific DQL scripting patterns and data processing techniques that the AI wouldn't reliably generate on its own.
What it needs
About 3k tokens when loaded. Last updated 2026-08-07. 405 stars on the source repository.
What this skill does
Datadata Query Language (DQL) 脚本编写 DQL 是基于 Starlark 的自定义脚本语言，扩展了 Starlark 的语法和标准库，提供数据处理、HTTP 网络调用等能力。 🔴 核心规则 1. 脚本必须有 return 语句 DQL 脚本实际是一个函数的 body，最后必须有 return 语句返回数据，否则执行结果为空。 2. 必须先阅读对应的 References 文档 禁止仅凭本文档就编写 DQL 代码。 本文档只是索引，实际 API 签名、参数、返回值以 references 为准。编写代码前至少阅读以下对应文档： 场景 必读文档 ---------------------- ------------------------------------------------------------------------------------------------- SQL 查询 query.md HTTP 请求 fetch.md 数据转换 / DataFrame dataframe.md Series 操作 series.md 时间处理 / 数学 / JSON time.md、math.md、json.md concat / throw / print builtins.md 2D 绘图 canvasdrawing.md 3. 关于 API 文档的权威来源 所有函数/类的完整签名定义以 builtins.pyi 为准，各 .md 文件仅为快速参考和示例说明。 4. 所有 DQL 扩展均为内置全局名称 query、fetch、concat、throw、json、math、time、canvas、DataFrame、Series 都是内置的全局名称，无需 import。 5. 不确定时先问用户，不要自行猜测 当遇到以下情况时，必须先向用户确认，而不是自行假设： 外部 API 返回的数据结构或字段含义不明确 用户需求中的业务逻辑模糊（如：什么是"异常"、阈值是多少） 数据字段顺序不确定（如 K 线的 [开, 高, 低, 收] 还是 [开, 收, 低, 高]） 用户提到的表名、列名在上下文中不存在或不确定 工作流程 1. 理解用户需求 — 确定脚本的目标（数据转换、数据清洗、数据生成、可视化、HTTP 调用等） 2. 查询数据 — 使用 query() 或 fetch() 获取数据 3. 先验证数据再处理 — 用 return 临时返回原始数据确认结构，不要凭猜测写代码 4. 数据处理 — 使用 Series/DataFrame 的方法进行数据操作（过滤、转换、聚合等） 5. 生成结果 — 返回处理后的数据或结果对象 6. 逐步验证 — 每步操作后及时 return 临时返回中间结果来检查，确认后再继续 核心概念 DataFrame：二维表格，可访问列 (df['col'])、行 (df[0])，支持分组、排序、合并等操作 Series：一维列数据，支持映射 (.map())、过滤、统计聚合等 Timestamp：时间戳类型，用于时间序列的滚动窗口和重采样（详见 time.md） DType：数据类型包括 int, float, string, date, timestamp 等 模块和函数速查 以下均为内置全局名称，无需 import，直接使用： 名称 用途 详见 --------------------- --------- --------------------------------------------------- query(sql, ...) SQL 查询 query.md fetch(url, ...) HTTP 请求 fetch.md DataFrame() 二维表格 dataframe.md Series() 一维列 series.md math.ceil(x) 等 数学函数 math.md time.time() 等 时间处理 time.md json.dumps(x) 等 JSON 处理 json.md concat([df1, df2]) 连接数据 builtins.md throw(err) 抛出错误 builtins.md print(...) 等 内置函数 builtins.md canvas.Context(w,h) 2D 绘图 canvasdrawing.md 使用场景 各模块参考文档中均包含实用示例： 数据清洗、聚合、合并、异常检测、RFM 分析 → dataframe.md 月度对比、每日活跃用户 → query.md 外部 API 集成、发送数据到外部服务 → fetch.md 时间处理与时间戳 → time.md JSON 序列化与格式化 …
How to use it
Reference it in AdaL, Claude Code, Cursor or any coding agent — nothing to install:
@skills aiskillstore/datadata-dql