querying-data-lakeAWS官方放心用让 AI 用 Athena 直接跑 SQL、查表结构、管理查询结果和费用，支持 Glue/S3/Redshift 多目录。
这个 Skill 让 AI 代你在 Amazon Athena 上执行 SQL 查询，覆盖 Glue 默认目录、S3 Tables 目录以及 Redshift 联合查询等场景。你只需给出 SQL、表名或模糊的业务描述（如"上季度销售数据"），AI 会先确认你的身份和工作组（Workgroup），必要时调用 finding-data-lake-assets 把模糊说法解析成具体的 database.table，再分析表结构、展示样例数据，最后把查询提交到 Athena 执行。执行前它会判断语句类型：SELECT/SHOW/DESCRIBE 直接跑；INSERT/UPDATE/DROP/CREATE 等破坏性操作会先弹窗确认，并告诉你扫描量和费用。结果会连同耗时、扫描数据量一起返回，出错时还会列出可用工作组让你重试。
适合直接在数据湖里写 SQL 做分析、拉数、排查表结构，或跨 Glue/S3 Tables/Redshift 做联邦查询的开发者与分析师。前提是 AWS 凭证已配置且对 Athena/S3 有权限；首次使用要确认目标 Region 和 S3 输出位置。注意：Redshift 联邦查询没有分区裁剪，会全表扫描；跨目录 JOIN 可能很慢；它不会帮你找"哪个表有这份数据"，模糊表名需要让 AI 解析或你自己给全限定名。
在下面找到你用的工具，复制命令粘进终端就装好了：
npx skills add aws/agent-toolkit-for-aws装好后不用任何配置，直接在对话里说：
用 Athena 查询 sales_db.orders 表，统计本月每个城市的订单量。AI 检测到任务匹配时会自动加载这个 Skill，不需要手动开关。
SKILL.mdreferences/ 你可以直接说业务含义，比如"上季度销售表"，AI 会调用 finding-data-lake-assets 技能把模糊描述解析成具体的数据库和表名。如果它解析失败，AI 会列出候选表让你确认。
Athena 查询结果必须落到 S3，不同 Workgroup 对应不同的输出位置和权限策略。Skill 会先确认这些设置，避免查询成功却不知道结果文件在哪，也防止误用高成本工作组。
可以，但会被判定为破坏性操作并弹窗确认。确认后才会执行，执行后会返回扫描量和耗时。建议生产环境谨慎使用，测试语句先在临时表或样例数据上验证。