如果你是数据分析师，大概率经历过这样的场景：取数、分析、汇报循环往复，而SQL 解释与优化又必须按时交付。用 AI 辅助，目标不是“让 AI 替你做完”，而是让你更快拿到一个可修改的解释与优化建议。

这个任务里 AI 的位置

  • 适合：现有 SQL比较多、需要快速形成解释与优化建议初稿，或者需要换个角度查漏补缺的时候。
  • 谨慎：材料涉及未公开或敏感信息、结论需要专业资质背书，或者容易出现“改写后结果不一致”的情况。
  • 不适合：需要现场判断、当面沟通或承担最终责任的环节——这些仍由数据分析师本人完成。
  • 预期：AI 负责“快”和“全”，你负责“准”和“对”。把节省下来的时间用在复核和沟通上，整体质量才会提升。

常见错误与改法

  • 直接把 AI 结果交出去：解释与优化建议看起来完整，不代表内容正确。至少逐段读一遍，并核对关键信息。
  • 输入太少：只丢一句“帮我SQL 解释与优化”，AI 只能写出泛泛的套话。提供现有 SQL和背景，质量差距很大。
  • 忽视主要风险：这项工作最容易出的问题是：改写后结果不一致。要把它写进提示词，并在复核时专门检查。
  • 把敏感信息原样粘贴：客户、员工、患者等个人信息，以及未公开的经营数据，先脱敏再使用，并遵守所在单位的规定。
  • 一次要求太多：同时要求格式、语气、篇幅、风格，又不给示例，AI 往往顾此失彼。拆成几轮逐步调整。
  • 不保存好用的提示词：每次从头写提示词，效率提升有限。建立自己的提示词库，按任务归档。

更稳妥的提示词

角色：资深数据分析师，熟悉取数、分析、汇报循环往复的工作环境。
背景：【一句话说明项目/对象与目的】
输入：【现有 SQL】
产出：解释与优化建议，长度约【】字，语气【正式/友好/简洁】。
约束：
- 只基于输入信息；凡是推测，标注“推测”并说明依据；
- 特别注意避免：改写后结果不一致；
- 不要使用夸张、绝对化表述。
参考样例：【贴一份你认可的旧版本，说明好在哪里】
步骤：先给大纲让我确认，我回复“继续”后再写完整内容。

接着看

提示：本文不提供未经核实的统计数字；各 AI 工具的功能、价格与数据政策以官方最新说明为准。