与其记住所有要点，不如把 AI 自然语言转 SQL 整理成一张清单。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。工作流技能要算的是总账：AI 省下的时间，减去检查和修正的时间，才是真正的收益。

适合对照清单的时刻

  • 写复杂的多表关联、分组统计、排名查询。
  • 优化慢查询或检查 SQL 中的逻辑错误。

多说一句：比如关联时产生了重复行，导致总数翻倍；筛选条件放错位置，漏掉了部分数据。

使用前

  • 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。
  • 说明数据库类型，因为不同数据库的语法有差异。
  • 用业务语言描述需求，写清指标口径和筛选条件。
  • 确认材料中不包含银行账户、工资明细、发票信息和公司财务数据，必要时先脱敏。

使用中

  • 让 AI 写出 SQL 并逐段解释。
  • 在测试环境或用小范围条件执行，核对结果。
  • 不同数据库的日期函数等语法不同。
  • 比如“活跃用户”的定义要写清楚。

使用后

  • 确认无误后再用于正式报表，并保存查询。
  • 只给表结构和少量虚构样例。
  • 关键事实、数字和日期已对照原始资料核实。
  • 财务特别注意：每个公式先用几行测试数据验证结果，再应用到整表。

红线清单

  • 不提供表结构。
  • 不说明数据库类型。
  • 指标口径含糊。
  • 直接在生产库运行未经检查的语句。

配套模板

清单配合下面的模板使用效果更好：

数据库类型：[例如 MySQL]
表结构：
- 费用报销表：费用类别、报销日期（日期）、报销金额（数值）、所属部门
需求：统计最近 30 天，每个“费用类别”的记录数和“报销金额”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。

按清单完成后，结果大致会是这样（虚构示例）：

示例（虚构）：一位运营想知道“每个渠道新用户的首单平均金额”。AI 写出一段先找每位用户首单、再按渠道求平均的 SQL，并提醒“如果同一用户同一天有多笔订单，需要确定以哪一笔为首单”。

让清单更好用的两个习惯

  • 把常用表的结构和字段说明整理成文档，每次直接粘贴。
  • 让 AI 解释查询计划，学习性能优化。

清单之外

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。

能写存储过程吗？ 可以，但复杂逻辑需要更仔细的测试和评审。

怎么用这份清单

第一次用时可以逐条对照，熟悉后只需重点看“使用后”部分。建议把清单复制到你常用的笔记里，按自己的经验增删条目。对财务来说，可以把“费用分析报告”这类高频任务单独做一份精简版，贴在模板旁边。

相关阅读