Hvordan skrive SQL-spørringer med AI

Store språkmodeller lærte SQL fra enorme mengder offentlig kode, dokumentasjon og spørsmål og svar-fora, så de er flinke til å produsere syntaktisk gyldige spørringer. Det de ikke kan vite er databasen din. Uten skjemaet ditt gjetter en modell tabellnavn som "brukere" eller "ordrer" og kolonnenavn som "opprettet_at", og spørringen kan mislykkes eller, enda verre, kjøre og returnere feil svar. Den største enkeltforbedringen du kan gjøre er å lime inn skjemaet: CREATE TABLE-setninger, eller en liste over tabeller, kolonner, datatyper og hvordan tabeller forholder seg gjennom fremmednøkler. Ved å legge til noen eksempler på rader og notater om forretningsregler, for eksempel "kansellerte bestillinger har status = 'X'" eller "beløp lagres i cent", forhindrer du mange stille feil. Oppgi SQL-dialekten også. PostgreSQL, MySQL, SQL Server, SQLite, BigQuery og Snowflake er forskjellige i datofunksjoner, strengsammenkobling, LIMIT versus TOP og andre detaljer. En spørring skrevet for en kan mislykkes eller oppføre seg annerledes på en annen. En pålitelig arbeidsflyt har fire trinn: gi kontekst, still spørsmålet på vanlig engelsk, be modellen forklare søket med ord, og test deretter. Forklaringstrinnet er viktig fordi det avslører misforståelser, for eksempel å telle rader i stedet for distinkte kunder, eller bruke en INNER JOIN som i det stille dropper kunder som ikke har noen bestillinger. Vanlige misoppfatninger inkluderer å tro at en spørring som kjører er riktig (en feil sammenføyning kan dobbelttelle summer), at AI-utdata er trygt å kjøre på produksjon (en UPDATE eller DELETE uten en WHERE-klausul endres hver rad), og at du må dele ekte data. Vanligvis er skjemaet alene nok, noe som også holder kundeinformasjon ute av chatten. Generelle assistenter som ChatGPT, Claude og Gemini, kodeverktøy som GitHub Copilot og AI-hjelperne innebygd i mange databaseredigerere fungerer alle best med det samme mønsteret.