AI SQL 工作流

适用场景

AI SQL 工作流适合加速“理解需求—形成 SQL—验证结果”的迭代过程，而不是替代数据库权限控制、业务确认或变更审批。

• 从自然语言起草查询：把统计口径、筛选范围、分组与排序要求转换为 SQL 初稿。
• 理解已有 SQL：解释连接关系、聚合逻辑、子查询、窗口函数及可能产生重复行的位置。
• 优化与改写：请求等价改写、索引方向或执行计划排查建议，再结合真实执行计划验证。
• 带上下文问答：围绕当前连接、选定表、当前 SQL 或查询结果继续追问，缩短补充背景的过程。

不建议把 AI 直接用于无人值守的数据修改、权限变更、生产结构变更，或要求模型对账务、合规和业务口径作最终裁决。

入口路径

根据任务选择入口，先确认界面显示的连接与数据库上下文：

• Provider 配置：顶部「设置」→「AI 助手」，选择服务商，填写 API Key、模型及必要的 Base URL。
• 自然语言生成 SQL：在 SQL 工作台打开 AI 生成 SQL 入口，输入完整需求后生成候选语句。
• 解释或优化：在编辑器中选中目标 SQL，再使用 AI 的解释、优化或改写能力。
• 上下文问答：打开 AI 助手侧栏，围绕当前 SQL、已关联的 Schema 或当前查询结果继续提问。

SQL 工作台 · AI 助手侧栏

前置条件

1. 准备可用的 Provider 账号：自行向所选模型服务商申请 API Key，并了解其计费、限流、数据处理和地区政策。
2. 完成模型配置：在「设置 → AI 助手」选择 Provider 与模型；使用兼容接口时，按服务商文档填写 Base URL。模型名称必须是该账号实际可调用的名称。
3. 建立并确认数据库连接：在工作台选择正确的连接、数据库与 Schema。生成质量依赖可用上下文，元数据不完整时应在提示中明确表名、字段与关系。
4. 收紧执行权限：探索生产数据时优先使用只读账号；需要修改数据时，先准备备份或可回滚方案，并按团队流程审批。
5. 划定隐私边界：发送请求前判断 SQL、Schema、样例值或结果集是否可提交给第三方模型。不要在提示中粘贴密码、Token、个人敏感数据或未获授权的业务数据。

编号步骤

1. 绑定正确上下文。打开目标连接和 SQL Tab，核对连接名称、数据库、Schema 与关键表。若只需查询少量表，应明确点名，避免模型在同名对象之间猜测。
2. 写出可验收的自然语言需求。同时说明数据库方言、目标表、字段、连接条件、时间范围、过滤条件、聚合口径、排序、空值处理和返回行数。例如：“使用当前 PostgreSQL Schema，按自然月统计已支付订单金额，仅返回最近 6 个月，按月份升序，限制 100 行。”
3. 生成 SQL 初稿并停在预览阶段。选择已配置的 Provider / 模型后生成，先阅读生成结果；使用“新 SQL 窗口”“追加到末尾”“替换当前窗口”或“复制”等操作时，避免覆盖尚未保存的 SQL。

   AI 生成 SQL · 结果预览

   

4. 逐项人工审阅。检查方言和标识符引用是否正确，JOIN 是否遗漏条件，WHERE 是否过宽，聚合口径与时区是否符合需求，是否意外包含 DDL / DML，以及 LIMIT 是否满足探索阶段的范围控制。
5. 先验证，再执行。查询语句可先缩小时间范围并加 LIMIT；复杂 SQL 先查看执行计划，确认没有不可接受的全表扫描或笛卡尔积。修改语句先在测试环境运行，并在事务或备份条件允许时验证影响行数与回滚路径。
6. 解释、优化并验证等价性。选中 SQL 请求 AI 解释或优化，要求它明确列出“改动点、依据、风险与验证方式”。优化建议必须用真实执行计划、索引定义、数据量和执行耗时复核；改写前后应比较结果行数、关键聚合值与边界样例。
7. 基于结果继续追问。执行只读查询并确认结果可信后，再询问异常值、分组差异或下一步查询。每次追问都重新确认当前上下文，必要时要求 AI 只给分析或 SQL，不自动执行。

   AI 问数 · SQL 与回答链路

   

参数说明

预期结果

完成流程后，应得到一条可追溯、可审阅、可验证的候选 SQL，而不是直接把自然语言回答当成数据库结论。建议按以下清单验收：

• 生成 SQL 使用当前连接对应的方言，引用的表、字段与关联键确实存在。
• 筛选范围、时间边界、聚合口径、排序和 LIMIT 与原始需求逐项对应。
• 执行前已确认语句类型；任何写操作都有明确影响范围、备份或回滚安排。
• 解释内容能对应到实际 SQL 子句；优化建议已通过执行计划或实测耗时验证，而非仅凭模型措辞接受。
• 上下文问答能够追溯到展示的 SQL 和结果信息；当结果被分页、采样或截断时，结论明确标注该限制。

常见问题

为什么生成结果引用了不存在的表或字段？

先确认当前连接、数据库和 Schema 是否正确，再刷新或重新选择上下文。在提示中只列出相关表、关键字段与关联键，并要求模型不得臆造对象。生成后仍应使用对象树或元数据逐项核对。

Provider 配置后仍无法生成 SQL，怎么排查？

核对 API Key、模型名称和 Base URL 是否与服务商文档一致，并检查账号余额、模型权限、网络代理和服务商限流。可先用短提示验证基础连通性；不要通过反复提交大上下文来试错，以免增加费用。

AI 给出的优化 SQL 可以直接替换原语句吗？

不可以默认视为等价。先比较返回列、行数、NULL 处理、去重、排序和时间边界，再用相同参数与边界数据对比结果；随后检查真实执行计划和耗时。写操作还必须在测试环境验证影响行数和回滚路径。

如何减少敏感数据发送给模型？

优先只提供表结构、脱敏字段名和最小必要 SQL，不粘贴凭据、完整结果集或个人敏感值。使用结果上下文前先判断其是否会进入模型请求，并遵守组织对第三方 AI 服务、数据驻留和保留策略的要求；无法确认时不要发送。

AI 回答与查询结果不一致怎么办？

以数据库实际执行结果为准。检查 AI 是否只看到分页、样例或截断数据，生成 SQL 是否遗漏过滤条件，以及追问时上下文是否已经切换。必要时新建会话，附上明确口径，并让 AI 先复述条件再生成 SQL。

相关文档

• AI 助手：了解 Provider 配置、自然语言生成、解释优化与结果洞察概览。
• SQL 工作台：了解编辑器、对象树、执行结果和常用快捷键。
• 查询结果与历史：核对查询结果、执行记录与复用路径。
• 工具中心 · 数据工具：在数据处理任务中继续使用导入、导出、对比与生成能力。