AI 写 SQL:可编译执行 spec 破除幻觉

Picture1png
AI 写 SQL 很快,但你敢直接上线吗?
目标是“找出连续三个月交易额递增的信用卡客户”,AI 秒给一段 CTE 加 LAG,语法没错、能跑出结果,可逻辑对吗?没人敢说“我看懂了”。
这就是 AI 写 SQL 的尴尬:语法对不等于语义对。就算准确率到 90%,你怎么知道这一次不在那 10% 里?数据决策不是抽奖,跑出漂亮结果却答非所问,比报错更危险。审一段 AI 的 SQL 得一层层拆 CTE 逐段跑,等于把 AI 的活重干一遍。
问题不在 AI 行不行,而在怎么用。AI 编程绕不开 spec:人写 spec→AI 出代码→人 review。spec 越清楚幻觉越低,但再清楚也清不掉“猜”的本质——AI 是在概率空间里找最像的答案,不是逻辑推导。

别让 AI 猜 SQL,用 SQLazy 把 spec 编译成 SQL,这就没幻觉了。
那 AI 做啥?它负责把口语 spec 翻译成 SQLazy 的规范 spec:

t1=ccard: 排序 customer_id 升序, cmonth 升序
t2= 分段 amount 变小 分区 customer_id 命名 noRising
t3= 汇总 计数 noRising 命名 ccount 分组 customer_id,noRising
t4= 筛选 ccount>=3

这就是可编译可执行的 spec,每一步还是人话,还能分步看中间结果,错在执行前就拦住,不用到跑完才 Debug。
然后编译出 SQL 就完了:

WITH ranked AS (
  SELECT customer_id, month, amount,
    LAG(amount,1) OVER(PARTITION BY customer_id ORDER BY month) as prev_1,
    LAG(amount,2) OVER(PARTITION BY customer_id ORDER BY month) as prev_2
  FROM transactions
)
SELECT customer_id, COUNT(*) FROM ranked
WHERE amount > prev_1 AND prev_1 > prev_2
AND prev_1 IS NOT NULL AND prev_2 IS NOT NULL
GROUP BY customer_id HAVING COUNT(*) >= 3

同样的逻辑,编译多少次结果都一样,没有概率,没有幻觉。
想换库?切个选项,MySQL、Oracle 方言自动适配,不用重写。
AI 不再当“决策者”去猜业务,只当“翻译官”把口语 spec 译成规范 spec。SQLazy 是直白易懂的结构化数据计算语言,分步清晰、输出确定、便于审计,让数据开发回归思考本身。