STL转STEP：突破3D模型跨平台交换的技术壁垒
2026/1/22 0:25:01
文章详细介绍了如何使用Qwen Code Skills功能构建数据库查询智能体。通过COVID-19数据分析案例，展示了创建自定义Skill的完整流程，包括编写SKILL.md配置文件和Python脚本，实现数据查询、分析和自动生成报表页面。开发者可借此将专业知识打包成可发现技能，让大模型高效执行特定任务。
一、Qwen Code Skills
Qwen Code是一个面向开发者的智能编码助手，类似于Claude Code，随着Claude Code推出Skills功能，Qwen Code也迅速集成了相关功能，通过Skills可以将专业知识打包成可发现的功能。每个技能由一个SKILL.md文件组成，其中包含模型在相关时可以加载的指令，以及可选的支持文件如脚本和模板。
本文将基于Qwen Code Skills功能构建一个数据库查询Skill，并基于该Skill实现数据方面的问答、分析、以及能够根据数据自动生成分析页面。实验效果如下所示：
其中实验使用数据会在下方实验时说明
技能调用问答：
技能调用、分析生成报表：
生成效果：
在开始实验前，先简单介绍下Qwen Code Skills的使用过程。
1.1 Qwen Code Skills 使用介绍
官方文档地址：
https://qwenlm.github.io/qwen-code-docs/zh/users/features/skills/
Skills功能目前是是实验阶段，需要更新至最新版本的Qwen Code，并且启动时使用--experimental-skills开启Skills功能，例如：
qwen --experimental-skillsSkills技能可以放在个人名下或项目名下，个人技能在所有的项目中都可以使用用，技能信息存储在~/.qwen/skills/中，例如：
mkdir -p ~/.qwen/skills/my-skill-name项目技能可以与团队共享，技能信息存储在项目内的.qwen/skills/中，例如：
mkdir -p .qwen/skills/my-skill-name在技能目录下必须要有SKILL.md描述技能，示例模版如下：
---name: your-skill-namedescription: 简要描述此技能的作用以及何时使用它--- # 你的技能名称 ## 指令为 Qwen Code 提供清晰、逐步的指导。其中name和description不可为空！Qwen Code会验证其中的内容。
额外文件支持，可以根据具体需要添加：
my-skill/├── SKILL.md (必需)├── reference.md (可选文档)├── examples.md (可选示例)├── scripts/│ └── helper.py (可选工具)└── templates/ └── template.txt (可选模板)二、构建自定义 Skill 数据分析智能体
2.1 使用数据说明
其中分析数据采用数据采用COVID-19测试案例，包括：美国2021-01-28号，各个县county的新冠疫情累计案例信息，包括确诊病例和死亡病例，数据格式如下所示：
date（日期）,county（县）,state（州）,fips（县编码code）,cases（累计确诊病例）,deaths（累计死亡病例）2021-01-28,Pike,Alabama,01109,2704,352021-01-28,Randolph,Alabama,01111,1505,372021-01-28,Russell,Alabama,01113,3675,162021-01-28,Shelby,Alabama,01117,19878,1412021-01-28,St. Clair,Alabama,01115,8047,1472021-01-28,Sumter,Alabama,01119,925,282021-01-28,Talladega,Alabama,01121,6711,1142021-01-28,Tallapoosa,Alabama,01123,3258,1122021-01-28,Tuscaloosa,Alabama,01125,22083,2832021-01-28,Walker,Alabama,01127,6105,1852021-01-28,Washington,Alabama,01129,1454,27下载地址如下：
https://github.com/BIXUECHAO/covid-19-tes-data/blob/main/us-covid19-counties.csv
创建数据表，并导入上述数据：
CREATE TABLE `us_covid19_counties` ( `date` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci DEFAULT NULL COMMENT '日期', `county` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci DEFAULT NULL COMMENT '县', `state` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci DEFAULT NULL COMMENT '州', `fips` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci DEFAULT NULL COMMENT '县编码code', `cases` int DEFAULT NULL COMMENT '累计确诊病例', `deaths` int DEFAULT NULL COMMENT '累计死亡病例') ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci COMMENT='COVID-19 案例';2.2 构建 Skill
在项目的目录下创建.qwen/skills/db技能包，整体结构如下所示：
.qwen/skills/db/├── SKILL.md├── scripts/│ └── run_sql.py ``` 其中 `scripts/run_sql.py` 用于动态查询数据库中的数据，接收一个`SQL`参数，通过 `bash` 指令运行。 #### 2.2.1 编写 SKILL.md 主要描述出技能的能力，这里数据查询的场景，可以放入表结构，如果表特别多的情况下，也可以写一个 `scripts` 脚本动态获取。另外为了更好的让大模型处理，最好提供调用脚本的指令示例。 内容示例如下所示，注意 `Python` 路径修改为你电脑的实际路径，如果配置了环境变量可直接改为 `python -u scripts/run_sql.py --sql "{sql}"`： ```plaintext ---name: db-skilldescription: COVID-19数据查询, 包括：美国 2021-01-28 号，各个县county的新冠疫情累计案例信息，包括确诊病例和死亡病例---# 数据查询## 数据表结构``sqlCREATE TABLE `us_covid19_counties` ( `date` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci DEFAULT NULL COMMENT '日期', `county` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci DEFAULT NULL COMMENT '县', `state` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci DEFAULT NULL COMMENT '州', `fips` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci DEFAULT NULL COMMENT '县编码code', `cases` int DEFAULT NULL COMMENT '累计确诊病例', `deaths` int DEFAULT NULL COMMENT '累计死亡病例') ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci COMMENT='COVID-19 案例';``## 数据样例``datadate（日期）,county（县）,state（州）,fips（县编码code）,cases（累计确诊病例）,deaths（累计死亡病例）2021-01-28,Pike,Alabama,01109,2704,352021-01-28,Randolph,Alabama,01111,1505,372021-01-28,Russell,Alabama,01113,3675,162021-01-28,Shelby,Alabama,01117,19878,1412021-01-28,St. Clair,Alabama,01115,8047,1472021-01-28,Sumter,Alabama,01119,925,282021-01-28,Talladega,Alabama,01121,6711,1142021-01-28,Tallapoosa,Alabama,01123,3258,1122021-01-28,Tuscaloosa,Alabama,01125,22083,2832021-01-28,Walker,Alabama,01127,6105,1852021-01-28,Washington,Alabama,01129,1454,27``## 指令运行辅助脚本：``bash# 查询天气E:\anaconda\conda\envs\openai\python.exe -u scripts/run_sql.py --sql "{sql}"``## 示例- 统计每个州的累计确诊病例``bashE:\anaconda\conda\envs\openai\python.exe -u scripts/run_sql.py --sql "SELECT state, COUNT(*) AS total_cases FROM us_covid19_counties GROUP BY state ORDER BY total_cases DESC"``2.2.2 编写 scripts 脚本
添加一个run_sql.py脚本，执行用户数据的查询动作，放在.qwen/skills/db/scripts下，内容如下所示：
import jsonimport argparseimport pymysqldef get_conn(): return pymysql.connect( host="127.0.0.1", port=3306, database="test3", user="root", password="root", autocommit=True )def query(sql): conn = get_conn() cursor = conn.cursor() cursor.execute(sql) columns = [column[0] for column in cursor.description] res = list() for row in cursor.fetchall(): res.append(dict(zip(columns, row))) cursor.close() conn.close() return resdef run_sql(sql: str): """执行MySQL SQL语句查询数据，一次仅能执行一句SQL！""" try: if not sql: print("请传递需要查询的SQL！") return fetch = query(sql) print(f"数据库查询结果: \n{fetch}") except Exception as e: print(f"执行SQL错误：{str(e)} ,请修正后重新发起。")if __name__ == '__main__': parser = argparse.ArgumentParser(description="Run a SQL query.") parser.add_argument('--sql', type=str, required=True, help='SQL query to execute') args = parser.parse_args() sql = args.sql run_sql(sql)到这Skill就已经添加完毕了。
2.3 使用 Skill
在当前项目目录下唤醒Qwen Code，注意需要添加--experimental-skills：
qwen --experimental-skills
> 输入：**你当前有哪些Skills**  > 输入：**确诊人数Top10的县是哪几个？**  > 输入：**针对确诊人数前5名的州的信息, 深度分析其各个维度，为我生成一个炫酷的报表页面** 执行过程：  最终生成页面如下：  ## 如何学习AI大模型？ 如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！ **这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】**  **这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！**  **第一阶段：** 从大模型系统设计入手，讲解大模型的主要方法； **第二阶段：** 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用； **第三阶段：** 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统； **第四阶段：** 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统； **第五阶段：** 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型； **第六阶段：** 以SD多模态大模型为主，搭建了文生图小程序案例； **第七阶段：** 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。 ## 100套AI大模型商业化落地方案  ## 大模型全套视频教程  ## 200本大模型PDF书籍  **👉学会后的收获：👈** • 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力； • 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求； • 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握； • 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。 ## LLM面试题合集  ## 大模型产品经理资源合集  ## 大模型项目实战合集  **👉获取方式： 😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓** 