这是一份 AI 自然语言转 SQL 速查表，适合收藏后随用随查。自然语言写 SQL 是把你想查询的数据用日常语言描述，并提供表结构，让 AI 写出 SQL 语句并解释逻辑。

一句话理解

自然语言写 SQL = 它适合不熟悉 SQL 的业务人员取数，也能帮熟练的分析师快速写出复杂查询。原理：SQL 的难点在于表关联、分组和窗口计算的写法，AI 熟悉这些语法模式；只要表结构和需求描述清楚，就能生成可用的查询。

场景速查

场景推荐做法
需要从数据库中取数，但不熟悉 SQL 语法把常用表的结构和字段说明整理成文档，每次直接粘贴
写复杂的多表关联、分组统计、排名查询要求 AI 在 SQL 中加注释，便于日后维护
看不懂别人写的 SQL，需要解释复杂需求分步写：先写子查询验证结果，再组合
优化慢查询或检查 SQL 中的逻辑错误用一个你知道答案的小例子验证 SQL 是否正确

操作要点

  • 第 1 步：提供表结构：表名、字段名、字段含义和数据类型，不需要真实数据。
  • 第 3 步：用业务语言描述需求，写清指标口径和筛选条件。
  • 第 4 步：让 AI 写出 SQL 并逐段解释。
  • 第 6 步：确认无误后再用于正式报表，并保存查询。

常用模板

示例场景：科研人员准备论文初稿。

数据库类型：[例如 MySQL]
表结构：
- 实验记录表：实验组、实验日期（日期）、测量值（数值）、样本编号
需求：统计最近 30 天，每个“实验组”的记录数和“测量值”的总和，按总和从高到低排序，只显示前 10 名。
请：
1. 写出 SQL，并逐段解释；
2. 说明“最近 30 天”你是如何定义的；
3. 指出如果某些字段有空值，结果会受到什么影响。

错误写法对照

错误写法正确做法
不提供表结构提供字段名和含义，否则 AI 只能猜测
不说明数据库类型不同数据库的日期函数等语法不同
指标口径含糊比如“活跃用户”的定义要写清楚
直接在生产库运行未经检查的语句先在测试环境或加限制条件运行，严禁直接执行修改和删除语句
提供真实的用户数据只给表结构和少量虚构样例

速答

  • 生成的 SQL 能直接用吗？ 需要验证结果正确性，并在测试环境运行，涉及修改数据的语句必须格外谨慎。
  • AI 能直接连接数据库吗？ 部分工具支持连接数据源，需要授权，使用时注意权限控制，只授予只读权限。

速记：自然语言写 SQL 的第一步是“提供表结构：表名、字段名、字段含义和数据类型”，结果一定要自己核对一遍。把 AI 接入日常工作流时，最重要的是明确哪一步由 AI 起草、哪一步由人把关。分工清楚，效率和质量才能兼顾。

怎么用这页

写提示词前先看“场景速查”找到对应做法，写完后对照“错误写法”自查一遍。也可以把整页复制到笔记里，加上你自己的模板和经验。

相关阅读