Skills Agentes

Postgresql Table Design

Úsalo al diseñar o revisar un esquema específico de PostgreSQL: buenas prácticas, tipos de datos, indexación, restricciones, patrones de rendimiento y funciones avanzadas.

Estrellas
39.8k

en todo el repo

Actividad
60

0–100, la ruta de este skill

Actualizado
hace 24 días

último commit aquí

Commits
1

últimos 90 días

Contexto
2k tok

44 tok en reposo

Paquete
2 archivos

20 KB

Instalar

Funciona con cualquier agente que lea SKILL.md

npx -y skills add wshobson/agents --skill postgresql-table-design --agent claude-code

Se instala solo en este repositorio.

Qué hace

  • Aplica reglas concretas de diseño de esquemas PostgreSQL: tipos de datos, claves, restricciones e índices
  • Señala los gotchas específicos de PostgreSQL (FKs sin índice automático, NULLs en UNIQUE, gaps en secuencias, MVCC)
  • Da patrones de particionamiento (RANGE, LIST, HASH) y cuándo usarlos
  • Provee ejemplos DDL completos para tablas de usuarios, pedidos y perfiles JSONB
  • Remite a references/details.md para el catálogo completo de tipos, extensiones y patrones de carga de trabajo

Úsalo cuando

  • Al diseñar un nuevo esquema PostgreSQL o revisar uno antes de lanzarlo
  • Al elegir tipos de columna, claves, restricciones o índices específicos de PostgreSQL
  • Al decidir si y cómo particionar una tabla grande o almacenar datos semi-estructurados
  • Al planificar un cambio de esquema en una base de datos en producción sin downtime

No lo uses cuando

    Qué lo activa

    Di cualquiera de estas frases y el agente debería cargar este skill.

    • “Revisa este esquema de PostgreSQL antes de desplegarlo”
    • “¿Qué tipo de dato debería usar para el ID de esta tabla en PostgreSQL?”
    • “Ayúdame a decidir si debo particionar esta tabla de eventos”
    • “Necesito un cambio de esquema sin downtime en producción”

    SKILL.md

    En inglés

    PostgreSQL Table Design

    When to Use

    • Designing a new PostgreSQL schema, or reviewing one before it ships.
    • Choosing column types, keys, constraints, or indexes for PostgreSQL specifically.
    • Deciding whether and how to partition a large table, or how to store semi-structured data.
    • Planning a schema change on a live database without downtime.

    The rules and decision points for a PostgreSQL schema. The full data-type catalog, workload patterns (update-heavy, insert-heavy, upsert, schema evolution), extensions, JSONB indexing, and worked DDL examples are in references/details.md; open it when a section below points there.

    Core Rules

    • Define a PRIMARY KEY for reference tables (users, orders, etc.). Not always needed for time-series/event/log data. When used, prefer BIGINT GENERATED ALWAYS AS IDENTITY; use UUID only when global uniqueness/opacity is needed.
    • Normalize first (to 3NF) to eliminate data redundancy and update anomalies; denormalize only for measured, high-ROI reads where join performance is proven problematic.
    • Add NOT NULL everywhere it is semantically required; use DEFAULTs for common values.
    • Create indexes for access paths you actually query: PK/unique (auto), FK columns (manual!), frequent filters/sorts, and join keys.
    • Prefer TIMESTAMPTZ for event time; NUMERIC for money; TEXT for strings; BIGINT for integers; DOUBLE PRECISION for floats (or NUMERIC for exact decimal arithmetic).

    PostgreSQL Gotchas

    • Identifiers: unquoted → lowercased. Avoid quoted/mixed-case names; use snake_case.
    • Unique + NULLs: UNIQUE allows multiple NULLs. Use UNIQUE NULLS NOT DISTINCT (...) (PG15+) to restrict to one NULL.
    • FK indexes: PostgreSQL does not auto-index FK columns. Add them.
    • No silent coercions: length/precision overflows error out (no truncation). Inserting 999 into NUMERIC(2,0) fails, unlike databases that silently truncate or round.
    • Sequences/identity have gaps (normal; don't "fix"). Rollbacks, crashes, and concurrent transactions leave gaps (1, 2, 5, 6...).
    • Heap storage: no clustered PK by default; CLUSTER is a one-off reorganization, not maintained on later inserts.
    • MVCC: updates/deletes leave dead tuples; vacuum handles them—design to avoid hot wide-row churn.

    Data Types

    • IDs: BIGINT GENERATED ALWAYS AS IDENTITY; UUID for distributed or opaque IDs, generated with uuidv7() (PG18+) or gen_random_uuid().
    • Numbers: BIGINT unless storage is critical; DOUBLE PRECISION over REAL; NUMERIC(p,s) for money and exact decimals.
    • Strings: TEXT, with CHECK (LENGTH(col) <= n) when a limit is needed; BYTEA for binary. Case-insensitive lookups: expression index on LOWER(col), or CITEXT when a constraint must be case-insensitive.
    • Time: TIMESTAMPTZ, DATE, INTERVAL. now() is transaction start; clock_timestamp() is wall clock.
    • Booleans: BOOLEAN NOT NULL unless tri-state is required.
    • Enums: CREATE TYPE ... AS ENUM only for small, stable sets; evolving business values get TEXT + CHECK or a lookup table.
    • JSONB over JSON, indexed with GIN, for optional/semi-structured attributes only.
    • Arrays, ranges, network, geometric, full-text, domain, composite, and vector types, plus TOAST storage and collation control: see references/details.md.

    Types to avoid

    Avoid Use instead
    timestamp (without time zone) timestamptz
    char(n), varchar(n) text (+ CHECK on length if needed)
    money numeric
    timetz timestamptz
    timestamptz(0) or any precision timestamptz
    serial generated always as identity

    Constraints

    • PK: implicit UNIQUE + NOT NULL; creates a B-tree index.
    • FK: specify ON DELETE/UPDATE (CASCADE, RESTRICT, SET NULL, SET DEFAULT). Index the referencing column. Use DEFERRABLE INITIALLY DEFERRED for circular dependencies checked at commit.
    • UNIQUE: creates a B-tree index; allows multiple NULLs unless NULLS NOT DISTINCT (PG15+). Prefer NULLS NOT DISTINCT unless duplicate NULLs are wanted.
    • CHECK: row-local; NULL passes (three-valued logic). Combine with NOT NULL: price NUMERIC NOT NULL CHECK (price > 0).
    • EXCLUDE: prevents overlaps with operators, e.g. EXCLUDE USING gist (room_id WITH =, booking_period WITH &&) stops double-booking. Needs a GiST-capable type.

    Indexing

    • B-tree: default for equality/range (=, <, >, BETWEEN, ORDER BY).
    • Composite: leftmost-prefix rule (WHERE a = ? AND b > ? uses (a,b); WHERE b = ? does not). Most selective columns first.
    • Covering: CREATE INDEX ON tbl (id) INCLUDE (name, email) for index-only scans.
    • Partial: hot subsets, CREATE INDEX ON tbl (user_id) WHERE status = 'active'.
    • Expression: CREATE INDEX ON tbl (LOWER(email)); the query must use the same expression.
    • GIN: JSONB containment/existence, arrays, full-text search. GiST: ranges, geometry, exclusion constraints.
    • BRIN: large, naturally ordered data (time-series) at minimal storage cost; effective when disk order correlates with the indexed column.

    Partitioning

    • Use for large tables (>100M rows) whose queries consistently filter on the partition key, or where maintenance (pruning, bulk replacement) follows a key.
    • RANGE for time-series (PARTITION BY RANGE (created_at); TimescaleDB automates it with retention and compression), LIST for discrete values, HASH for even distribution without a natural key.
    • Constraint exclusion: the planner prunes partitions through their CHECK constraints; declarative partitioning (PG10+) creates them for you.
    • Prefer declarative partitioning or hypertables. Do NOT use table inheritance.
    • Limitations: no global UNIQUE constraints—include the partition key in PK/UNIQUE. FKs from partitioned tables need PG11+, FKs referencing a partitioned table need PG12+; on older versions, use triggers.

    Examples

    CREATE TABLE users (
      user_id BIGINT GENERATED ALWAYS AS IDENTITY PRIMARY KEY,
      email TEXT NOT NULL UNIQUE,
      name TEXT NOT NULL,
      created_at TIMESTAMPTZ NOT NULL DEFAULT now()
    );
    CREATE UNIQUE INDEX ON users (LOWER(email));
    CREATE INDEX ON users (created_at);
    
    CREATE TABLE orders (
      order_id BIGINT GENERATED ALWAYS AS IDENTITY PRIMARY KEY,
      user_id BIGINT NOT NULL REFERENCES users(user_id),
      status TEXT NOT NULL DEFAULT 'PENDING' CHECK (status IN ('PENDING','PAID','CANCELED')),
      total NUMERIC(10,2) NOT NULL CHECK (total > 0),
      created_at TIMESTAMPTZ NOT NULL DEFAULT now()
    );
    CREATE INDEX ON orders (user_id);
    CREATE INDEX ON orders (created_at);
    
    -- JSONB attributes with a generated, indexable scalar
    CREATE TABLE profiles (
      user_id BIGINT PRIMARY KEY REFERENCES users(user_id),
      attrs JSONB NOT NULL DEFAULT '{}',
      theme TEXT GENERATED ALWAYS AS (attrs->>'theme') STORED
    );
    CREATE INDEX profiles_attrs_gin ON profiles USING GIN (attrs);
    

    Going deeper

    references/details.md holds the material this file only names:

    • The full data-type catalog: TOAST storage, collations, arrays, ranges, network, geometric, text search, domains, composites, vectors.
    • Table types (TEMPORARY, UNLOGGED) and row-level security.
    • Constraint and index notes, and partitioning DDL for RANGE, LIST, and HASH.
    • Workload patterns: update-heavy, insert-heavy, upsert design, safe schema evolution.
    • Generated columns and extensions (pg_trgm, citext, timescaledb, postgis, pgvector, and more).
    • JSONB indexing strategies, including jsonb_path_ops and extracted B-tree columns.

    Reproducido de wshobson/agents bajo licencia MIT. Leer esta página en markdown.

    Archivos

    2 archivos en el paquete. Solo se lee SKILL.md al activarse — las referencias se cargan si el skill decide que las necesita.

    Detalles

    Creador
    wshobson
    Categoría
    Bases de datos
    Licencia
    MIT
    Recursos incluidos
    referencias
    Repositorio
    wshobson/agents
    Código fuente
    Ver SKILL.md

    Etiquetas

    Más de wshobson/agents

    Este repo incluye 183 skills. Si instalas uno, normalmente ya tienes los demás. Ver el pack agents entero y su comando de instalación

    Instala y opera Hermes Tweet, un plugin de Hermes Agent para investigar X/Twitter, leer timelines, analizar tweets y ejecutar operaciones privadas o de cambio de estado con aprobación previa.

    Costo de contexto al activarse
    1.4k tok
    Tamaño del paquete
    3 archivos
    Última actualización
    el mes pasado
    redes sociales

    Úsalo para mantener un almacén Markdown de conocimiento donde cada afirmación compilada se rastrea hasta una fuente inmutable y el drift se detecta con git diff sin gastar tokens.

    Costo de contexto al activarse
    1.4k tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 24 días
    documentos

    Úsalo cuando un proyecto guarda su estado en Superself: lee `self context` al iniciar sesión, vincula el trabajo a una work unit, reporta con evidencia y registra decisiones confirmadas.

    Costo de contexto al activarse
    1.3k tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 24 días
    productividad

    Úsalo cuando pidan optimizar un prompt, mejorar su rendimiento, diseñar una plantilla, aplicar chain-of-thought, few-shot prompting o técnicas avanzadas de prompt engineering para producción.

    Costo de contexto al activarse
    1.3k tok
    Tamaño del paquete
    10 archivos
    Última actualización
    el mes pasado
    herramientas desarrollo

    Audita y reescribe prosa para que deje de sonar generada por máquina. Incluye modo solo-detección, modo reescritura y modo edición en el lugar, con perfiles opcionales de voz y contexto.”

    Costo de contexto al activarse
    1.9k tok
    Tamaño del paquete
    4 archivos
    Última actualización
    el mes pasado
    redaccion contenido

    Patrones de diseño en Python: KISS, separación de responsabilidades, responsabilidad única y composición sobre herencia, para diseñar, refactorizar y revisar código.

    Costo de contexto al activarse
    1.2k tok
    Tamaño del paquete
    2 archivos
    Última actualización
    el mes pasado
    herramientas desarrollo

    Skills relacionados

    Ejecuta migraciones de bases de datos entre ORMs y plataformas con estrategias zero-downtime, transformación de datos y procedimientos de rollback.

    Costo de contexto al activarse
    2k tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 4 meses
    bases de datos

    Diseña e implementa event stores para sistemas de event sourcing: infraestructura, elección de tecnología y patrones de persistencia de eventos.

    Costo de contexto al activarse
    1k tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 4 meses
    bases de datos

    Construye modelos de lectura y proyecciones a partir de flujos de eventos; útil para CQRS, vistas materializadas y optimización de consultas en sistemas event-sourced.

    Costo de contexto al activarse
    667 tok
    Tamaño del paquete
    2 archivos
    Última actualización
    hace 4 meses
    bases de datos