对在电商平台经营网店的个体卖家或小团队来说，上新、写详情页、做主图、回复买家、分析评价全都要自己来，人手永远不够。很多人知道要查什么数据，但写 SQL 时卡在关联、分组和窗口函数上。这篇文章用一个完整的例子演示电商卖家如何借助 AI 写 SQL 查询：提供表结构和字段含义，用自然语言描述需求，让 AI 写 SQL 并解释每一步，再用小范围数据验证。

场景：电商卖家为什么需要 AI 写 SQL 查询

电商卖家需要从数据库里查“商品销售”相关的数据：按商品类目统计最近一个月的销售额，还要和上个月对比。数据团队排期很满，自己写 SQL 又总是出错。尤其当合伙人同时还在等“分析上月退货原因”的结果时，能把这部分工作提速，就能腾出精力处理更重要的判断。

用什么工具

可以用 ChatGPT、Claude、DeepSeek 等对话助手，也可以用数据库客户端或 BI 工具内置的 AI 查询功能（如 DataGrip、DBeaver 的 AI 助手，以及不少 BI 平台的自然语言查询）。

编辑器里的编程助手（GitHub Copilot、通义灵码等）在写 SQL 文件时可以直接补全；对话助手适合解释复杂查询。

举个例子

我们用一个虚构人物把流程串起来：小王，电商卖家，最近在忙“拍摄新品场景图”。一次店铺周复盘结束后，小王意识到需要尽快写 SQL 查询，可当天还要处理“上新 8 款秋冬家居产品”。于是小王把要求和背景一次性写进提示词，让 AI 先出一版，再花时间修改关键部分。最后交给合伙人的版本，结构和措辞都是小王亲自把过关的。

分步操作

  1. 提供表名、字段名、字段类型和含义，不需要真实数据
  2. 说明数据库类型，例如 MySQL 8 或 PostgreSQL
  3. 让 AI 解释 SQL 的每个部分
  4. 先加 LIMIT 在测试库或小范围运行，核对结果

提示词示例

提示词的关键是把背景、要求和输出格式写清楚：

【背景】当前的难点是：一款爆品库存偏紧，补货周期约两周。
数据库：MySQL 8.0
表 records（商品销售），字段：
- id：主键
- category：商品类目，文本
- record_date：销售日期，DATE
- amount：销售额，数值
- type：店铺，文本

需求：
1. 统计 2026 年 10 月每个 category 的 amount 合计和记录数
2. 同时给出 9 月的合计，以及环比变化百分比
3. 按 10 月合计从高到低排序

请写出 SQL，并逐段解释；如果 9 月没有数据，环比显示为 NULL。

示例输出（仅供示意）

示例输出如下（虚构内容，仅演示 AI 大致会给出什么样的结果）：

WITH m AS (
  SELECT category,
         SUM(CASE WHEN record_date >= '2026-10-01' AND record_date < '2026-11-01' THEN amount END) AS oct_total,
         COUNT(CASE WHEN record_date >= '2026-10-01' AND record_date < '2026-11-01' THEN 1 END) AS oct_cnt,
         SUM(CASE WHEN record_date >= '2026-09-01' AND record_date < '2026-10-01' THEN amount END) AS sep_total
  FROM records
  WHERE record_date >= '2026-09-01' AND record_date < '2026-11-01'
  GROUP BY category
)
SELECT category, oct_total, oct_cnt, sep_total,
       ROUND((oct_total - sep_total) / NULLIF(sep_total, 0) * 100, 1) AS mom_pct
FROM m
ORDER BY oct_total DESC;

解释：先用条件聚合一次算出两个月的数据，NULLIF 避免除以 0，WHERE 限定时间范围以利用日期索引。

这样的输出只是起点。真正用到“分析上月退货原因”这类工作里之前，还需要对照原始资料逐条检查，并补上 AI 不知道的背景。

注意事项与技巧

  • 表结构描述越准确，SQL 越可用；字段含义不清时 AI 会猜。
  • AI 不知道你们的业务口径（比如是否剔除退款），要在需求中写明。

给电商卖家的特别提醒

用 AI 批量分析差评关键词，比一条条翻评价快得多。另外，商品描述需遵守平台规则和广告法，功效、材质、认证信息必须真实可证。

很多电商卖家还会这样做：给 AI 提供商品的真实参数、材质和使用场景，避免写出夸大或不符的描述。

举一反三

  • 转换方言：把 MySQL 语句改写成 PostgreSQL 或其他数据库的写法。
  • 生成测试数据：让 AI 写插入语句，构造用于验证的样例数据。

相关阅读