如果你是软件工程师，大概率经历过这样的场景：需求变化快、代码要可维护，而SQL 编写又必须按时交付。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SQL 语句。

先判断适不适合

  • 适合：表结构、需求比较多、需要快速形成SQL 语句初稿，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“误删误改数据”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——这些仍由软件工程师本人完成。
  • 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。

先理解 AI 能做什么

  • AI 可以做：整理材料、搭结构、写初稿、改写语气、列出可能遗漏的点。
  • 必须人工做：确认事实和数字、判断取舍、处理“误删误改数据”这类风险、对外发送前的最终确认。
  • 双人复核的情况：涉及金额、合同、个人信息、对外承诺或专业意见时，建议再找一位同事看一遍。

第一次可以这样问

你是一名经验丰富的软件工程师助理。
任务：根据我提供的材料，完成「SQL 编写」，输出一份SQL 语句。
材料：【粘贴表结构、需求，已删除姓名、电话等敏感信息】
要求：
1. 先列出你理解的目标和受众，再给出正文；
2. 信息不足的地方用【待确认】标出，不要自行编造；
3. 结构清晰，使用小标题和要点；
4. 最后单独列出需要我人工核对的 3–5 处。

新手最容易犯的错

  • 直接把 AI 结果交出去：SQL 语句看起来完整，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 编写”，AI 只能写出泛泛的套话。提供表结构、需求和背景，质量差距很大。
  • 忽视主要风险：这项工作最容易出的问题是：误删误改数据。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。

接着看

说明：文中示例人物与场景均为虚构；AI 输出可能有误，请结合专业判断复核，并遵守所在单位关于 AI 工具与数据的规定。