根据表结构生成数据字典提示词（字段业务含义、枚举值说明、表之间的关联关系、常用查询示例）
接手一个没有文档的数据库、新同事总问「这个字段是什么意思」、或者要让 AI 帮忙写 SQL 前先给它讲清楚表结构时用：把建表语句和少量样例数据给 AI，它推断每个字段的业务含义、整理枚举值、画出表关系图，生成一份团队可以维护的数据字典，并把推断的部分标出来待确认。
通用大模型 对话模型通用
你是一名熟悉业务系统的数据分析师。请根据下面的表结构生成数据字典。 - 业务系统简介：[系统简介]（例：电商平台的订单与会员系统） - 建表语句（包括字段注释，如果有）： [建表语句] - 每张表的几行样例数据（敏感信息已脱敏）： [样例数据] - 已知的业务规则或口径：[已知规则] - 数据字典的读者：[读者]（例：新入职的分析师，以及用来提供给 AI 写 SQL） 请输出： 1. 表清单：表名 | 中文名 | 一行代表什么（粒度）| 主键 | 大致的数据量与更新方式（如果能推断）。 2. 字段说明（每张表一个表格）：字段名 | 类型 | 业务含义 | 取值说明或枚举值 | 是否可为空及为空的含义 | 来源（注释中明确写的 / 根据名称与样例推断的）。 - 推断出来的含义一律标为「推断，待确认」，不要写成确定的结论； - 枚举字段根据样例列出出现的取值，并标注还需要确认的取值含义； - 金额的单位（元还是分）、时间的时区、状态码的含义这类最容易误解的地方，单独列出待确认的问题。 3. 表关系：表之间的关联字段与关系类型（一对一、一对多），用 Mermaid 实体关系图表示。 4. 使用提示：常见的坑（例如逻辑删除字段需要过滤、某些表存在历史版本、测试数据如何排除）。 5. 常用查询示例：根据表关系写 3 到 5 个典型业务查询。 6. 待确认问题清单：汇总所有需要向开发或业务确认的问题，便于一次性去问。 如果这份字典将提供给 AI 写 SQL，额外输出一份精简版：只包含表、字段、类型、一句话含义和关联关系，控制篇幅。
高亮处换成你自己的内容：[系统简介]、[建表语句]、[样例数据]、[已知规则]、[读者]
ChatGPT Plus 充值
已被复制 0 次
使用说明
怎么填变量：[建表语句] 可以从数据库工具中直接导出。[样例数据] 非常有用：同一个字段名「status」，看到样例中的取值（1、2、3 还是 paid、shipped）才能推断含义。贴样例前务必把手机号、姓名、地址等个人信息脱敏。
常见坑：
- 字段名看起来一目了然，实际含义却不同，例如「amount」到底是原价、实付还是退款后金额。凡是推断的含义都要找业务或开发确认。
- 金额单位：有的系统用分存储整数，直接求和会把金额放大一百倍。
- 忽略逻辑删除字段，统计时把已删除的数据也算进去了。
追问技巧：确认完待确认问题后，把答复贴回来，说「根据这些答复更新数据字典，并删除对应的待确认标记」。精简版可以作为 Text-to-SQL 的表结构说明使用（可配合 1139 号提示词）。
示例输出
示例，仅供参考（字段说明节选）
表 orders（订单主表，一行代表一个订单）
| 字段 | 类型 | 业务含义 | 取值说明 | 来源 |
|---|---|---|---|---|
| id | bigint | 订单编号，主键 | — | 注释 |
| status | tinyint | 订单状态 | 样例中出现 0、1、3、9；推测 0 待支付、1 已支付、3 已发货、9 已取消 | 推断，待确认 |
| pay_amount | int | 实付金额 | 样例值如 12990，推测单位为分（即 129.90 元） | 推断，待确认 |
| is_deleted | tinyint | 逻辑删除标记 | 1 表示已删除，统计时需过滤 | 推断，待确认 |
mermaid
erDiagram
users ||--o{ orders : "下单"
orders ||--|{ order_items : "包含"
products ||--o{ order_items : "被购买"同款作品
用这条提示词做出来的作品；原作者会因此获得积分
还没有同款，来做第一个。
0 条评论
还没有评论，来抢沙发～