@clickzetta/cz-cli-darwin-arm64 0.3.19 → 0.3.21

package/bin/skills/clickzetta-lakehouse-connect/references/zettapark-session.md

@@ -0,0 +1,445 @@
+# ZettaPark Session 详细参考
+
+> **定位**：ZettaPark 是 ClickZetta Lakehouse 的 DataFrame API 库，提供类似 PySpark/Snowpark 的编程体验。  
+> **Python 版本**: 推荐 **Python 3.12**（最低 3.10，不支持 3.9 及以下）  
+> 本文档基于 `clickzetta_quickstart/Zettapark/` 目录下的真实代码整理。
+
+## 目录
+
+1. [安装](#1-安装)
+2. [创建 Session](#2-创建-session)
+3. [Session 上下文操作](#3-session-上下文操作)
+4. [核心导入](#4-核心导入)
+5. [DataFrame 构建](#5-dataframe-构建)
+6. [DataFrame 转换操作](#6-dataframe-转换操作)
+7. [操作方法（触发执行）](#7-操作方法触发执行)
+8. [写入数据](#8-写入数据)
+9. [关闭 Session](#9-关闭-session)
+10. [与 Python SDK 对比](#10-与-python-sdk-对比)
+11. [适用场景](#11-适用场景)
+12. [常见问题](#12-常见问题)
+
+---
+
+## 1. 安装
+
+```bash
+# 方式 1：venv（Python 内置，推荐）
+python3.12 -m venv .venv
+source .venv/bin/activate   # macOS/Linux  |  .venv\Scripts\activate (Windows)
+pip install clickzetta-zettapark-python -i https://pypi.tuna.tsinghua.edu.cn/simple
+
+# 方式 2：pyenv（需要切换 Python 版本时）
+pyenv install 3.12.9 && pyenv local 3.12.9
+python -m venv .venv && source .venv/bin/activate
+pip install clickzetta-zettapark-python -i https://pypi.tuna.tsinghua.edu.cn/simple
+
+# 方式 3：conda（数据科学环境）
+conda create -n lakehouse python=3.12 -y && conda activate lakehouse
+pip install clickzetta-zettapark-python -i https://pypi.tuna.tsinghua.edu.cn/simple
+```
+
+验证安装：
+
+```python
+import clickzetta.zettapark as C
+print(f"ZettaPark version: {C.__version__}")
+```
+
+---
+
+## 2. 创建 Session
+
+### 2.1 直接使用字典
+
+```python
+from clickzetta.zettapark.session import Session
+
+config = {
+    "service": "your-region.api.clickzetta.com",  # 按实例所在区域填写，参见 SKILL.md 区域地址表
+    "username": "my_user",
+    "password": "my_password",
+    "instance": "my_instance",
+    "workspace": "my_workspace",
+    "schema": "public",
+    "vcluster": "default_ap",
+}
+
+session = Session.builder.configs(config).create()
+```
+
+### 2.2 从 config.json 加载（推荐）
+
+项目中的标准做法是将连接参数存放在 `config.json` 中（参见 `clickzetta_quickstart/Zettapark/config.json`）：
+
+```json
+{
+    "username": "your_username",
+    "password": "your_password",
+    "service": "your-region.api.clickzetta.com",
+    "instance": "your_instance_id",
+    "workspace": "your_workspace",
+    "schema": "public",
+    "vcluster": "default_ap",
+    "sdk_job_timeout": 10,
+    "hints": {
+        "sdk.job.timeout": 3,
+        "query_tag": "Introduction to Zettapark for Python"
+    }
+}
+```
+
+加载并创建 Session：
+
+```python
+import json
+from clickzetta.zettapark.session import Session
+
+with open("config.json", "r") as f:
+    config = json.load(f)
+
+session = Session.builder.configs(config).create()
+```
+
+### 2.3 使用环境变量
+
+```python
+import os
+from clickzetta.zettapark.session import Session
+
+config = {
+    "service": os.environ["CLICKZETTA_SERVICE"],
+    "username": os.environ["CLICKZETTA_USERNAME"],
+    "password": os.environ["CLICKZETTA_PASSWORD"],
+    "instance": os.environ["CLICKZETTA_INSTANCE"],
+    "workspace": os.environ["CLICKZETTA_WORKSPACE"],
+    "schema": os.environ.get("CLICKZETTA_SCHEMA", "public"),
+    "vcluster": os.environ.get("CLICKZETTA_VCLUSTER", "default_ap"),
+}
+
+session = Session.builder.configs(config).create()
+```
+
+### 2.4 连接参数说明
+
+| 参数 | 必填 | 说明 | 示例 |
+|:--|:--|:--|:--|
+| `service` | ✅ | API 端点（含区域前缀） | `cn-shanghai-alicloud.api.clickzetta.com` |
+| `username` | ✅ | 登录用户名 | `my_user` |
+| `password` | ✅ | 登录密码 | `my_password` |
+| `instance` | ✅ | 实例标识 | `my_instance` |
+| `workspace` | ✅ | 工作空间 | `gharchive` |
+| `schema` | ✅ | 默认 Schema | `public` |
+| `vcluster` | ✅ | 虚拟集群 | `default_ap` |
+| `sdk_job_timeout` | ❌ | SDK 作业超时（秒） | `10` |
+| `hints` | ❌ | 查询提示字典 | `{"sdk.job.timeout": 3}` |
+
+---
+
+## 3. Session 上下文操作
+
+创建 Session 后，可以查询和切换当前上下文：
+
+```python
+# 查询当前 Schema
+current_schema = session.get_current_schema()
+print(f"Current schema: {current_schema}")
+
+# 切换 Schema
+session.use_schema("my_other_schema")
+
+# 启用 SQL 简化器（可选）
+session.sql_simplifier_enabled = True
+
+# 查看可用虚拟集群
+session.sql("SHOW VCLUSTERS").show()
+
+# 查看可用 Schema
+session.sql("SHOW SCHEMAS").show()
+```
+
+---
+
+## 4. 核心导入
+
+ZettaPark 提供以下常用模块：
+
+```python
+import clickzetta.zettapark as C
+from clickzetta.zettapark import Session
+from clickzetta.zettapark import functions as F
+from clickzetta.zettapark import Window
+from clickzetta.zettapark import Row
+import clickzetta.zettapark.types as T
+from clickzetta.zettapark.types import IntegerType, StringType, StructType, StructField
+```
+
+---
+
+## 5. DataFrame 构建
+
+ZettaPark 的核心是 DataFrame——一个延迟评估的关系数据集，只在触发操作方法（如 `show()`、`collect()`）时才执行。
+
+### 5.1 从 SQL 查询创建
+
+```python
+df = session.sql("SELECT * FROM my_table LIMIT 10")
+df.show()
+```
+
+### 5.2 从表创建
+
+```python
+df = session.table("sample_product_data")
+df.show()
+```
+
+### 5.3 从本地数据创建
+
+```python
+# 单列
+df1 = session.create_dataframe([1, 2, 3, 4]).to_df("a")
+df1.show()
+
+# 多列（使用 schema 列表）
+df2 = session.create_dataframe([[1, 2, 3, 4]], schema=["a", "b", "c", "d"])
+df2.show()
+
+# 使用 Row 对象
+from clickzetta.zettapark import Row
+df3 = session.create_dataframe([Row(a=1, b=2, c=3, d=4)])
+df3.show()
+
+# 使用 StructType 指定完整 Schema
+from clickzetta.zettapark.types import IntegerType, StringType, StructType, StructField
+
+schema = StructType([
+    StructField("a", IntegerType()),
+    StructField("b", StringType()),
+])
+df4 = session.create_dataframe([[1, "click"], [3, "zetta"]], schema)
+df4.show()
+```
+
+### 5.4 从范围创建
+
+```python
+df_range = session.range(1, 10, 2).to_df("a")
+df_range.show()
+```
+
+---
+
+## 6. DataFrame 转换操作
+
+DataFrame 操作会被翻译成 SQL 在 Lakehouse 中执行，实现分布式计算。例如：
+
+```python
+df_filtered = df.filter((F.col("a") + F.col("b")) < 10)
+```
+
+会被翻译为：
+
+```sql
+SELECT `a`, `b` FROM (...) WHERE ((`a` + `b`) < CAST(10 AS INT))
+```
+
+### 6.1 过滤（filter）
+
+```python
+from clickzetta.zettapark import functions as F
+
+# 等值过滤
+df = session.table("sample_product_data").filter(F.col("id") == 1)
+df.show()
+
+# 表达式过滤
+df = session.create_dataframe([[1, 3], [2, 10]], schema=["a", "b"])
+df_filtered = df.filter((F.col("a") + F.col("b")) < 10)
+df_filtered.show()
+```
+
+### 6.2 选择列（select）
+
+```python
+# 使用 F.col()
+df = session.table("sample_product_data").select(
+    F.col("id"), F.col("name"), F.col("serial_number")
+)
+
+# 使用下标访问
+df_info = session.table("sample_product_data")
+df1 = df_info.select(df_info["id"], df_info["name"], df_info["serial_number"])
+
+# 使用属性访问
+df2 = df_info.select(df_info.id, df_info.name, df_info.serial_number)
+
+# 使用字符串列名
+df3 = df_info.select("id", "name", "serial_number")
+```
+
+### 6.3 分组聚合（group_by / agg）
+
+```python
+df_campaign = session.table("CAMPAIGN_SPEND")
+
+# 单一聚合
+df_yearly = df_campaign.group_by(F.year("DATE"), "CHANNEL").sum("TOTAL_COST")
+df_yearly.show()
+
+# 多重聚合
+df_campaign.group_by(F.year("DATE"), "CHANNEL").agg([
+    F.sum("TOTAL_COST").as_("TOTAL_COST"),
+    F.avg("TOTAL_COST").as_("AVG_COST"),
+]).show()
+```
+
+### 6.4 连接（join）
+
+```python
+df_lhs = session.create_dataframe([["a", 1], ["b", 2]], schema=["key", "value1"])
+df_rhs = session.create_dataframe([["a", 3], ["b", 4]], schema=["key", "value2"])
+
+df_lhs.join(
+    df_rhs,
+    df_lhs.col("key") == df_rhs.col("key")
+).select(
+    df_lhs["key"].as_("key"), "value1", "value2"
+).show()
+```
+
+自连接示例：
+
+```python
+import copy
+df = session.table("sample_product_data")
+df_copy = copy.copy(df)
+df_joined = df.join(df_copy, F.col("id") == F.col("parent_id"))
+```
+
+---
+
+## 7. 操作方法（触发执行）
+
+DataFrame 是延迟评估的，以下方法会触发实际执行：
+
+| 方法 | 说明 | 示例 |
+|:--|:--|:--|
+| `show(n)` | 打印前 n 行（默认 10） | `df.show()` |
+| `collect()` | 返回所有行的 Row 列表 | `rows = df.collect()` |
+| `to_pandas()` | 转为 Pandas DataFrame | `pd_df = df.to_pandas()` |
+| `queries` | 查看将要执行的 SQL（不触发执行） | `df.queries` |
+
+### 7.1 查看生成的 SQL
+
+```python
+df = session.table("CAMPAIGN_SPEND")
+print(df.queries)
+# {'queries': ['SELECT  *  FROM CAMPAIGN_SPEND'], 'post_actions': []}
+```
+
+### 7.2 转为 Pandas DataFrame
+
+```python
+pd_data = df_yearly.to_pandas()
+
+# 配合可视化库使用
+import seaborn as sns
+import matplotlib.pyplot as plt
+
+fig, ax = plt.subplots(figsize=(16, 5))
+sns.barplot(data=pd_data, x="year", y="total_cost", hue="channel", ax=ax)
+plt.show()
+```
+
+---
+
+## 8. 写入数据
+
+### 8.1 保存为表
+
+```python
+# 覆盖写入
+df.write.save_as_table("my_table", mode="overwrite")
+
+# 追加写入
+df.write.save_as_table("my_temp_table", mode="append")
+```
+
+> **注意**：ClickZetta 不支持 `table_type="transient"` 参数（该参数来自 Snowflake）。如需临时存储，直接使用普通表，并通过 `data_lifecycle` 属性设置 TTL 或手动清理。
+
+### 8.2 通过 SQL 创建表并插入数据
+
+```python
+# 创建表
+session.sql("""
+    CREATE TABLE IF NOT EXISTS sample_product_data (
+        id INT, parent_id INT, category_id INT,
+        name STRING, serial_number STRING, key INT, third INT
+    )
+""").collect()
+
+# 插入数据
+session.sql("""
+    INSERT INTO sample_product_data VALUES
+    (1, 0, 5, 'Product 1', 'prod-1', 1, 10),
+    (2, 1, 5, 'Product 1A', 'prod-1-A', 1, 20),
+    (3, 1, 5, 'Product 1B', 'prod-1-B', 1, 30)
+""").collect()
+```
+
+---
+
+## 9. 关闭 Session
+
+```python
+session.close()
+```
+
+---
+
+## 10. 与 Python SDK 对比
+
+| 特性 | Python SDK (`clickzetta-connector-python`) | ZettaPark Session (`clickzetta-zettapark-python`) |
+|:--|:--|:--|
+| 返回类型 | Cursor（行级别） | DataFrame |
+| API 风格 | DB-API 2.0 (`connect` → `cursor` → `execute`) | DataFrame API (`Session.builder` → `table` / `sql`) |
+| 适用场景 | 简单 SQL 查询、脚本自动化 | ETL 管道、数据工程、数据探索 |
+| 延迟执行 | 否（立即执行） | 是（调用 `show()` / `collect()` 时执行） |
+| Pandas 集成 | `cursor.fetch_pandas_all()` | `df.to_pandas()` |
+| 写入数据 | 通过 SQL INSERT | `df.write.save_as_table()` |
+| 依赖包 | `clickzetta-connector-python` | `clickzetta-zettapark-python` |
+
+---
+
+## 11. 适用场景
+
+- **数据工程 / ETL 管道**：使用 DataFrame 转换链构建数据处理流水线
+- **数据探索**：在 Jupyter Notebook 中交互式分析数据
+- **特征工程**：结合 `group_by`、`agg`、`Window` 函数生成特征
+- **可视化前处理**：通过 `to_pandas()` 转换后配合 matplotlib / seaborn 绑图
+- **批量数据写入**：通过 `save_as_table()` 将处理结果写回 Lakehouse
+
+---
+
+## 12. 常见问题
+
+### Q: ZettaPark 和 PySpark 有什么关系？
+
+ZettaPark 提供了类似 PySpark / Snowpark 的 DataFrame API，但底层执行引擎是 ClickZetta Lakehouse。代码风格高度相似，熟悉 PySpark 的开发者可以快速上手。
+
+### Q: `show()` 和 `collect()` 有什么区别？
+
+- `show()` 打印格式化的表格输出到控制台，默认显示前 10 行
+- `collect()` 返回所有行的 `Row` 对象列表，适合程序化处理
+
+### Q: 如何查看 DataFrame 将要执行的 SQL？
+
+使用 `df.queries` 属性查看生成的 SQL，不会触发实际执行。
+
+---
+
+> **交叉引用**：
+> - 主指南：[SKILL.md](../SKILL.md)
+> - Python SDK 参考：[python-sdk.md](./python-sdk.md)
+> - 配置文件管理：[config-file.md](./config-file.md)

package/bin/skills/clickzetta-manage-comments/SKILL.md

@@ -0,0 +1,219 @@
+---
+name: clickzetta-manage-comments
+description: >
+  管理 ClickZetta Lakehouse 各类对象的注释（COMMENT），包括增加、修改、删除注释。
+  支持对象：Schema、普通表、外部表、字段、动态表（Dynamic Table）、物化视图（Materialized View）、
+  VCluster、Workspace。
+  当用户说"加注释"、"改注释"、"删注释"、"补注释"、"更新注释"、"清除注释"、
+  "加 comment"、"补充元数据"、"给表/字段/schema/动态表/物化视图/计算集群/工作空间 加描述/改描述/删描述"、
+  "COMMENT 相关操作"、"更新字段说明"时触发。
+  包含 ClickZetta 特有的注释语法（与标准 SQL 不同），以及各对象类型的语法差异和单引号转义处理。
+  务必在用户提到 ClickZetta 注释、元数据补充、字段描述、表说明等场景时使用此 skill。
+  Keywords: COMMENT, annotation, table comment, column comment, metadata
+---
+
+# ClickZetta 注释管理
+
+ClickZetta 的注释语法与标准 SQL（`COMMENT ON ...`）不同，使用错误语法会直接报错。
+本 skill 固化了各类对象的增、改、删正确语法。
+
+> 增加和修改注释使用完全相同的语法（覆盖写入即可），删除注释通过设置空字符串 `''` 实现，不支持 `NULL`。
+
+---
+
+## 各对象注释语法
+
+### 1. Schema
+
+```sql
+-- 增加 / 修改
+ALTER SCHEMA <schema_name> SET COMMENT '<comment>';
+
+-- 删除
+ALTER SCHEMA <schema_name> SET COMMENT '';
+```
+
+### 2. 普通表 / 外部表（External Table）
+
+两者语法完全相同，统一用 `ALTER TABLE`：
+
+```sql
+-- 表注释：增加 / 修改
+ALTER TABLE <schema_name>.<table_name> SET COMMENT '<comment>';
+
+-- 表注释：删除
+ALTER TABLE <schema_name>.<table_name> SET COMMENT '';
+
+-- 字段注释：增加 / 修改
+ALTER TABLE <schema_name>.<table_name> CHANGE COLUMN <col_name> COMMENT '<comment>';
+
+-- 字段注释：删除
+ALTER TABLE <schema_name>.<table_name> CHANGE COLUMN <col_name> COMMENT '';
+```
+
+> 字段注释**不能**用 `ALTER COLUMN ... COMMENT`，必须用 `CHANGE COLUMN`。
+
+### 3. 动态表（Dynamic Table）
+
+动态表有专属的 `ALTER DYNAMIC TABLE` 语法：
+
+```sql
+-- 表注释：增加 / 修改
+ALTER DYNAMIC TABLE <dt_name> SET COMMENT '<comment>';
+
+-- 表注释：删除
+ALTER DYNAMIC TABLE <dt_name> SET COMMENT '';
+
+-- 字段注释：增加 / 修改
+ALTER DYNAMIC TABLE <dt_name> CHANGE COLUMN <col_name> COMMENT '<comment>';
+
+-- 字段注释：删除
+ALTER DYNAMIC TABLE <dt_name> CHANGE COLUMN <col_name> COMMENT '';
+```
+
+### 4. 物化视图（Materialized View）
+
+注意：物化视图的注释修改用的是 `ALTER TABLE`，不是 `ALTER MATERIALIZED VIEW`：
+
+```sql
+-- 表注释：增加 / 修改
+ALTER TABLE <mv_name> SET COMMENT '<comment>';
+
+-- 表注释：删除
+ALTER TABLE <mv_name> SET COMMENT '';
+
+-- 字段注释：增加 / 修改
+ALTER TABLE <mv_name> CHANGE COLUMN <col_name> COMMENT '<comment>';
+
+-- 字段注释：删除
+ALTER TABLE <mv_name> CHANGE COLUMN <col_name> COMMENT '';
+```
+
+### 5. VCluster（计算集群）
+
+```sql
+-- 增加 / 修改
+ALTER VCLUSTER <vc_name> SET COMMENT '<comment>';
+
+-- 删除
+ALTER VCLUSTER <vc_name> SET COMMENT '';
+```
+
+### 6. Workspace（工作空间）
+
+```sql
+-- 增加 / 修改
+ALTER WORKSPACE <ws_name> SET COMMENT '<comment>';
+
+-- 删除
+ALTER WORKSPACE <ws_name> SET COMMENT '';
+```
+
+---
+
+## 不支持 ALTER COMMENT 的对象
+
+以下对象**只能在 CREATE 时**通过 `COMMENT` 参数指定注释，创建后无法通过 ALTER 修改：
+
+| 对象 | 说明 |
+|---|---|
+| VIEW（普通视图） | 无 `ALTER VIEW SET COMMENT` 语法；可用 `CREATE OR REPLACE VIEW ... COMMENT '...' AS ...` 更新注释，无需 DROP |
+| FUNCTION / PROCEDURE | 只能在 CREATE 时指定，无 ALTER 修改注释的语法 |
+| VOLUME | 无 ALTER VOLUME SET COMMENT 语法 |
+| PIPE | 无 ALTER PIPE SET COMMENT 语法 |
+| TABLE STREAM | 无 ALTER STREAM SET COMMENT 语法 |
+| USER | `ALTER USER` 只支持 `DEFAULT_VCLUSTER` / `DEFAULT_SCHEMA`，不支持 COMMENT |
+| ROLE | 只能在 `CREATE ROLE ... COMMENT '...'` 时设置 |
+| CONNECTION | 只能在 CREATE CONNECTION 时指定 COMMENT，无 ALTER 修改语法 |
+| INDEX | 只能在 CREATE INDEX 时指定 COMMENT（如 `CREATE BLOOMFILTER INDEX idx ON TABLE t(col) COMMENT '...'`），无 ALTER 修改语法 |
+
+如果用户需要修改这些对象的注释：
+- **VIEW**：使用 `CREATE OR REPLACE VIEW view_name COMMENT '新注释' AS <原查询>` 直接替换，无需 DROP
+- **其他对象**：需要 DROP 后重新 CREATE（注意评估影响）
+
+---
+
+## 常见错误语法（不要使用）
+
+| 错误写法 | 正确写法 |
+|---|---|
+| `COMMENT ON TABLE t IS '...'` | `ALTER TABLE t SET COMMENT '...'` |
+| `COMMENT ON SCHEMA s IS '...'` | `ALTER SCHEMA s SET COMMENT '...'` |
+| `ALTER TABLE t ALTER COLUMN c COMMENT '...'` | `ALTER TABLE t CHANGE COLUMN c COMMENT '...'` |
+| `ALTER TABLE t SET COMMENT NULL` | `ALTER TABLE t SET COMMENT ''`（删除用空字符串）|
+| `ALTER MATERIALIZED VIEW mv SET COMMENT '...'` | `ALTER TABLE mv SET COMMENT '...'`（物化视图用 ALTER TABLE）|
+
+---
+
+## 单引号转义
+
+注释内容中如果含有单引号（如 `it's`），需要用两个单引号转义：
+
+```sql
+ALTER TABLE t SET COMMENT 'it''s a player table';
+```
+
+Python 中统一处理：
+
+```python
+comment = comment.replace("'", "''")
+sql = f"ALTER TABLE {schema}.{table} SET COMMENT '{comment}'"
+```
+
+---
+
+## 批量操作示例
+
+```python
+import clickzetta
+
+conn = clickzetta.connect(...)
+cursor = conn.cursor()
+
+# 批量修改表注释
+table_comments = {
+    "players": "玩家基础信息表 | Steam player profiles",
+    "games":   "游戏基础信息表 | Game metadata",
+}
+for table, comment in table_comments.items():
+    c = comment.replace("'", "''")
+    cursor.execute(f"ALTER TABLE my_schema.{table} SET COMMENT '{c}'")
+
+# 批量修改字段注释
+col_comments = [
+    ("players", "playerid", "玩家唯一标识符 | Unique player ID"),
+    ("players", "country",  "玩家所在国家 | Player country"),
+]
+for table, col, comment in col_comments:
+    c = comment.replace("'", "''")
+    cursor.execute(f"ALTER TABLE my_schema.{table} CHANGE COLUMN {col} COMMENT '{c}'")
+
+# 动态表注释
+cursor.execute("ALTER DYNAMIC TABLE my_schema.dt_orders SET COMMENT '订单动态表'")
+
+# VCluster 注释
+cursor.execute("ALTER VCLUSTER default SET COMMENT '默认通用计算集群'")
+
+cursor.close()
+conn.close()
+```
+
+---
+
+## 验证注释是否生效
+
+```sql
+DESCRIBE SCHEMA <schema_name>;
+DESCRIBE TABLE <schema_name>.<table_name>;
+DESCRIBE DYNAMIC TABLE <schema_name>.<dt_name>;
+```
+
+---
+
+## 操作流程
+
+1. 确认目标对象类型（schema / 普通表 / 外部表 / 动态表 / 物化视图 / VCluster / Workspace）
+2. 如果是不支持 ALTER COMMENT 的对象（VIEW、FUNCTION 等），告知用户只能 DROP + CREATE
+3. 对注释内容中的单引号做转义
+4. 执行对应 SQL
+5. 用 `DESCRIBE` 验证结果

package/bin/skills/clickzetta-manage-comments/eval_cases.jsonl

@@ -0,0 +1,3 @@
+{"case_id":"001","type":"should_call","user_input":"怎么给表加注释？字段注释怎么写？","expected_skill":"clickzetta-manage-comments","expected_output_contains":["COMMENT"]}
+{"case_id":"002","type":"should_call","user_input":"动态表和物化视图怎么加注释？语法和普通表一样吗？","expected_skill":"clickzetta-manage-comments","expected_output_contains":["COMMENT","DYNAMIC TABLE"]}
+{"case_id":"003","type":"should_call","user_input":"怎么删除或清空一个字段的注释？","expected_skill":"clickzetta-manage-comments","expected_output_contains":["COMMENT"]}