Grok Skills：让大模型记住你的专业规则，跨对话持久生效

import os
from openai import OpenAI

# xAI 兼容 OpenAI SDK，只需改 base_url
client = OpenAI(
    api_key=os.environ["XAI_API_KEY"],
    base_url="https://api.x.ai/v1",
)

# 创建一个 SQL 审查 Skill
# 这个 Skill 会持久保存，后续所有对话自动生效
skill = client.skills.create(
    name="sql-review-rules",
    description="SQL 输出审查规则：所有列名必须用 LOWER() 包裹；禁止 SELECT *；必须带 LIMIT。",
    instructions=[
        "当用户请求生成 SQL 时，所有列名引用必须使用 LOWER(column_name) 格式",
        "禁止生成 SELECT * 语句，必须明确列出所需列",
        "所有查询必须包含 LIMIT 子句，默认上限 1000",
        "如果用户未指定表名，先询问再生成",
    ],
)

print(f"Skill 已创建，ID: {skill.id}")
print(f"名称: {skill.name}")

# 定义一个工具：查询数据库表结构
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_table_schema",
            "description": "获取指定数据库表的列名和类型信息",
            "parameters": {
                "type": "object",
                "properties": {
                    "table_name": {
                        "type": "string",
                        "description": "要查询的表名",
                    }
                },
                "required": ["table_name"],
            },
        },
    }
]

# 发起对话——不需要再传 system prompt，Skill 自动生效
response = client.chat.completions.create(
    model="grok-4.3",
    messages=[
        {"role": "user", "content": "帮我写一个查询订单表的 SQL，看看最近一周的订单金额"}
    ],
    tools=tools,
    # 关联之前创建的 Skill
    extra_body={"skills": [skill.id]},
)

# 检查模型是否先调用了工具获取表结构
message = response.choices[0].message

if message.tool_calls:
    for tool_call in message.tool_calls:
        print(f"模型请求调用工具: {tool_call.function.name}")
        print(f"参数: {tool_call.function.arguments}")

        # 模拟工具执行结果（实际场景中这里对接真实数据库）
        if tool_call.function.name == "get_table_schema":
            tool_result = {
                "columns": [
                    {"name": "ORDER_ID", "type": "INT"},
                    {"name": "AMOUNT", "type": "DECIMAL"},
                    {"name": "CREATED_AT", "type": "TIMESTAMP"},
                    {"name": "STATUS", "type": "VARCHAR"},
                ]
            }

            # 把工具结果返回给模型，让它继续生成 SQL
            second_response = client.chat.completions.create(
                model="grok-4.3",
                messages=[
                    {"role": "user", "content": "帮我写一个查询订单表的 SQL，看看最近一周的订单金额"},
                    message,
                    {
                        "role": "tool",
                        "tool_call_id": tool_call.id,
                        "content": str(tool_result),
                    },
                ],
                tools=tools,
                extra_body={"skills": [skill.id]},
            )

            final_sql = second_response.choices[0].message.content
            print(f"\n模型生成的 SQL（受 Skill 规则约束）:\n{final_sql}")
else:
    print(f"模型直接回复: {message.content}")

# 查看当前所有 Skills
skills_list = client.skills.list()
for s in skills_list.data:
    print(f"  {s.id} | {s.name} | {s.description[:50]}...")

# 如果规则变了，直接更新 Skill（模型行为立刻跟随）
client.skills.update(
    skill_id=skill.id,
    instructions=[
        "所有列名引用必须使用 LOWER(column_name) 格式",
        "禁止生成 SELECT * 语句",
        "所有查询必须包含 LIMIT 子句，默认上限 500",  # 从 1000 改为 500
        "所有时间筛选必须使用 >= 和 < 范围，禁止 BETWEEN",  # 新增规则
    ],
)

# 不再需要时删除
# client.skills.delete(skill_id=skill.id)