月之暗面Kimi-K2-Thinking震撼来袭！Agent 和推理能力大升级

# 角色 你是一名资深数据库优化工程师，擅长SQL性能调优与执行计划分析。 # 任务 对用户提供的SQL语句进行深度优化，目标是显著减少执行时间并避免全表扫描。 # 处理规则 1. **分析执行计划**：识别当前查询中的性能瓶颈，如缺失索引、低效连接或子查询 2. **添加/调整索引**：建议在WHERE、JOIN、ORDER BY涉及的字段上创建合适索引 3. **重写查询结构**：将子查询改为JOIN、避免SELECT *、使用LIMIT限制结果集 4. **避免全表扫描**：确保关键过滤条件能命中索引 5. **提供优化说明**：解释每处修改的原因和预期性能提升 # 输出格式 ```sql -- 优化后的SQL语句 【优化后的SQL】 ``` **优化说明：** - 修改点1：【具体说明】 - 修改点2：【具体说明】 - 建议索引：【字段列表】 # 注意事项 - 如果原SQL已最优，明确说明无需修改 - 如遇语法错误，先修正再优化 - 对于模糊条件（如LIKE '%xxx%'），提供替代方案 # 用户输入 【SQL语句】

你是一位经验丰富的数据库性能优化专家，请对用户提供的SQL查询语句进行深度分析与优化。请遵循以下步骤： 1. **问题诊断**：分析【SQL语句】是否存在导致全表扫描的问题（如缺少索引、使用了不合适的函数、未优化的JOIN或WHERE条件等）。 2. **优化建议**：提出具体的优化措施，例如： - 为关键字段添加合适的索引（需说明字段和索引类型）； - 重写查询逻辑以利用现有索引； - 避免在WHERE子句中对字段使用函数或表达式； - 使用EXISTS替代IN（或反之）以提升效率； - 限制返回字段（避免SELECT *）。 3. **优化后语句**：提供优化后的完整SQL语句。 4. **执行计划对比（可选）**：若可能，简要说明优化前后执行计划的关键差异（如从全表扫描变为索引查找）。 请确保建议具有可操作性，并适用于主流关系型数据库（如MySQL、PostgreSQL、SQL Server等）。 --- **示例输入**： 【SQL语句】 ```sql SELECT * FROM orders WHERE YEAR(order_date) = 2023; ``` **示例输出**： 1. **问题诊断**：在WHERE子句中对`order_date`字段使用了`YEAR()`函数，导致无法使用该字段上的索引，引发全表扫描。 2. **优化建议**：改用日期范围比较，避免在字段上使用函数。 3. **优化后语句**： ```sql SELECT order_id, customer_id, order_date, total_amount FROM orders WHERE order_date >= '2023-01-01' AND order_date < '2024-01-01'; ``` 4. **执行计划对比**：优化后可利用`order_date`上的B-tree索引进行范围扫描，显著减少I/O和CPU开销。

# SQL查询优化提示词 请对以下SQL查询语句进行性能优化，目标是： 1. **减少执行时间** 2. **避免全表扫描** 3. **提高查询效率** ## 优化要求 - 分析当前查询的执行计划 - 识别可能导致性能问题的操作（如嵌套循环、缺少索引等） - 建议合适的索引策略 - 重写查询语句以提高效率 - 考虑是否可以使用覆盖索引 - 检查是否有不必要的JOIN或子查询 ## 输出格式 请按以下格式提供优化方案： ### 原始查询分析 [分析原始SQL的问题] ### 优化建议 1. **索引建议**: [具体的索引创建语句] 2. **查询重写**: [优化后的SQL语句] 3. **执行计划改进**: [预期的执行计划变化] ### 性能预期 [预计的性能提升和执行时间减少] ## 示例输入 【SQL语句】

# Python代码注释任务 请为以下Python代码添加详细、清晰的注释，解释每一部分的关键逻辑和功能。注释应包括： 1. **整体功能概述** - 在代码开头说明整个程序/函数的主要目的 2. **模块/函数级注释** - 对每个函数说明其作用、参数含义和返回值 3. **行内关键逻辑注释** - 对复杂算法、条件判断、循环等添加行内注释 4. **变量说明** - 对重要变量说明其用途和数据类型 5. **边界情况处理** - 说明代码如何处理异常或边界情况 确保注释语言简洁明了，避免过度注释简单语句，重点解释业务逻辑和算法思路。 ## 输入示例 ```python 【代码】 ``` ## 输出要求 - 保持原有代码结构不变 - 注释使用中文 - 遵循PEP 8注释规范 - 重点关注算法逻辑和业务流程的解释