Interroger les données dans PostHog

Les directives contiennent les mêmes instructions que posthog:execute-sql. Si vous avez déjà lu posthog:execute-sql, vous n'avez pas besoin de les relire.

Quand utiliser cette skill

Trouver une entité PostHog spécifique

Quand l'utilisateur veut trouver une entité spécifique créée dans PostHog (insights, dashboards, cohorts, feature flags, expériences, surveys, hog flows, data warehouse items, etc.), ou quand un outil de liste/recherche retourne trop de résultats à affiner :

1. Lire la référence de schéma appropriée sous Data Schema pour comprendre la table et les colonnes de l'entité.
2. Utiliser posthog:execute-sql pour interroger la table système et trouver l'entité correspondante (retournant généralement son ID).
3. Utiliser l'outil de lecture dédié pour ce type d'entité (par ex. posthog:insight-get, posthog:dashboard-get) pour récupérer l'entité complète par son ID.

Ne tentez pas de reconstruire l'entité à partir de SQL — execute-sql est pour la découverte, l'outil de lecture pour la récupération.

Interroger les données analytiques

Quand l'utilisateur veut des données analytiques (trends, funnels, retention, paths, sessions, LLM traces, web analytics, errors, logs, etc.) et que les schémas d'insights existants ne correspondent pas à la demande :

1. Chercher un exemple correspondant sous Analytics Query Examples. La liste n'est pas exhaustive — il n'y a peut-être pas d'exemple pour chaque scénario. Si l'un d'eux s'en rapproche (même domaine, agrégation similaire), le lire ; sinon, ignorer cette étape.
2. Adapter l'exemple de requête trouvé (le cas échéant) à la demande de l'utilisateur et l'exécuter via posthog:execute-sql. Si aucun exemple ne correspondait, composer la requête à partir de zéro en utilisant Data Schema et HogQL References.

Data Schema

Référence de schéma pour les modèles systèmes principaux de PostHog, organisés par domaine :

• Activity logs
• Actions
• Alerts
• Annotations
• Batch exports
• Early Access Features
• Cohorts & Persons
• Dashboards, Tiles & Insights
• Data Warehouse
• Data Modeling Endpoints
• Error Tracking
• Flags & Experiments
• Hog Flows
• Hog Functions
• Integrations
• LLM analytics reviews
• Logs
• Notebooks
• Session Recording Playlists
• Session Recordings
• Support Tickets
• Surveys
• Usage Metrics
• SQL Variables
• Skipped events in the read-data-schema tool
• Dynamic person and event properties — patterns like $survey_dismissed/{id}, $feature/{key} that don't appear in tool results

HogQL References

• Person property modes (event-time vs query-time). À lire quand vous travaillez avec person.properties.* pour comprendre si les valeurs sont historiques ou actuelles.
• Sparkline, SemVer, Session replays, Actions, Translation, HTML tags and links, Text effects, and more
• SQL variables.
• Available functions in HogQL. IMPORTANT: the list is long, so read data using bash commands like grep.

Analytics Query Examples

Utilisez les exemples ci-dessous pour créer des requêtes analytiques optimisées.

• Trends (unique users, specific time range, single series)
• Trends (total count with multiple breakdowns)
• Funnel (two steps, aggregated by unique users, broken down by the person's role, sequential, 14-day conversion window)
• Conversion trends (funnel, two steps, aggregated by unique groups, 1-day conversion window)
• Retention (unique users, returned to perform an event in the next 12 weeks, recurring)
• User paths (pageviews, three steps, applied path cleaning and filters, maximum 50 paths)
• Lifecycle (unique users by pageviews)
• Stickiness (counted by pageviews from unique users, defined by at least one event for the interval, non-cumulative)
• LLM trace (generations, spans, embeddings, human feedback, captured AI metrics)
• LLM traces list (searching and listing traces with property filters, two-phase query)
• Web path stats (paths, visitors, views, bounce rate)
• Web traffic channels (direct, organic search, etc)
• Web views by devices
• Web overview
• Error tracking (search for a value in an error and filtering by custom properties)
• Logs (filtering by severity and searching for a term)
• Sessions (listing sessions with duration, pageviews, and bounce rate)
• Session replay (listing recordings with activity filters)
• Team taxonomy (top events by count, paginated)
• Event taxonomy (properties of an event, with sample values)
• Person property taxonomy (sample values for person properties)