API-first semantische Engine und Abfrageplaner für KI-Agenten, der deklarative YAML-Modelle in optimiertes, dialektspezifisches SQL für BigQuery, PostgreSQL, Snowflake, ClickHouse, Dremio, Databricks, DuckDB und MySQL übersetzt.
Dieses Skill, `ralfbecher/orionbelt-semantic-layer`, ist eine API-zentrierte semantische Engine und ein Abfrageplaner, der speziell für KI-Agenten (wie Claude Code, Cursor, Codex, etc.) entwickelt wurde. Es ermöglicht Entwicklern, Datenabfragen auf einer hohen, deklarativen Ebene mittels YAML-Modellen zu definieren. Anstatt rohes SQL zu schreiben, definiert der Benutzer Geschäftslogik, Metriken und Datenbeziehungen in einer YAML-Konfiguration. Der Skill kompiliert dann dieses Modell automatisch in das für die jeweilige Datenbank optimierte SQL-Dialekt – unterstützt werden BigQuery, PostgreSQL, Snowflake, ClickHouse, Dremio, Databricks, DuckDB und MySQL. Die Nutzung ist besonders vorteilhaft, da sie die Datenzugriffsschicht abstrahiert, die Abfrageleistung durch Optimierungen verbessert und die Wartbarkeit erhöht, indem Geschäftslogik zentral und wiederholbar definiert wird. So können KI-Agenten konsistent und effizient auf verschiedene Datenquellen zugreifen, ohne sich mit den Feinheiten der einzelnen SQL-Dialekte befassen zu müssen.
npx skills add ralfbecher/orionbelt-semantic-layerInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
API-first semantische Engine und Abfrageplaner für KI-Agenten, die deklarative YAML-Modelle in optimiertes, dialektspezifisches SQL für BigQuery, PostgreSQL, Snowflake, ClickHouse, Dremio, Databricks, DuckDB und MySQL übersetzt.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.