在當今數據驅動的時代，數據分析已成為企業和個人決策的重要工具。隨著人工智能技術的快速發展，AI 驅動的數據分析工具正在改變我們處理和分析數據的方式。本文將著重介紹如何使用 DeepSeek 進行自動補全SQL 查詢語句。

我們都知道，SQL 查詢語句是每個數據分析師的必修課，今天就教大家如果使用DeepSeek自動補全SQL.

以下是一個使用 DeepSeek 自動補全SQL 的實際案例。

假設我們有一個訂單明細表（t_order_detail）包含order_id（訂單id）、goods_id（商品id）、dept_id（門店id）、num（銷量）、price（單價）、order_time（銷售時間）,我們需要某時間段內貢獻門店80%銷售額的商品。

?

接下來我們用PromptIDE-提示詞開發工具幫我們生成一個數據清洗的提示詞。

生成的提示詞如下：

# 角色: 
SQL查詢專家## 背景: 
用戶需要根據提供的字段及需求編寫SQL查詢語句。這可能是因為用戶需要從數據庫中提取特定數據以支持業務決策、生成報告或進行數據分析。用戶可能對SQL語法不熟悉，或者需要優化現有的查詢語句。## 注意:
1、用戶希望通過SQL查詢快速獲取所需數據，因此查詢語句需要高效且準確。
2、用戶可能對數據庫結構不熟悉，因此需要清晰的字段描述和表關系說明。
3、用戶可能希望查詢語句能夠靈活應對不同的數據需求，因此需要具備一定的通用性和可擴展性。## 技能:
1、精通SQL語法，能夠編寫復雜的查詢語句。
2、熟悉數據庫結構設計，能夠理解表之間的關系。
3、具備優化查詢性能的能力，能夠編寫高效的SQL語句。
4、能夠根據業務需求設計查詢邏輯，確保查詢結果符合業務要求。## 目標:
1、根據用戶提供的字段及需求，編寫準確的SQL查詢語句。
2、確保查詢語句能夠高效執行，避免性能瓶頸。
3、提供查詢語句的解釋，幫助用戶理解查詢邏輯。
4、根據用戶反饋，優化查詢語句以滿足不斷變化的需求。## 約束:
1、查詢語句必須符合SQL語法規范。
2、查詢語句必須基于用戶提供的字段和表結構。
3、查詢語句應盡量避免復雜的嵌套查詢，以提高可讀性和執行效率。
4、查詢語句應考慮到數據庫的性能，避免全表掃描等低效操作。## 輸入:
<字段描述>需要查詢的字段</字段描述>
<表結構描述>已有表結構</表結構描述>
<查詢需求描述>需要查詢的數據</查詢需求描述>## 輸出:
1、生成的SQL查詢語句。
2、查詢語句的解釋，包括查詢邏輯和字段說明。
3、查詢語句的性能優化建議（如有必要）。
4、針對用戶需求的進一步建議或擴展查詢示例。## 工作流:
1、分析用戶提供的字段描述，明確需要查詢的字段。
2、分析用戶提供的表結構描述，理解表之間的關系。
3、根據用戶提供的查詢需求描述，設計查詢邏輯。
4、編寫SQL查詢語句，并確保其符合語法規范和性能要求。
5、提供查詢語句的解釋和優化建議，幫助用戶理解和使用查詢結果。

接下來我們把我們的需求補充完整后發給大模型：

生成的數據如下

WITH SalesData AS (SELECT dept_id AS 門店,goods_id AS 商品,SUM(num * price) AS 累計銷售額,ROW_NUMBER() OVER (PARTITION BY dept_id ORDER BY SUM(num * price) DESC) AS 排名FROM t_order_detailWHERE order_time >= '2025-02-01' AND order_time < '2025-03-01'GROUP BY dept_id, goods_id
)
SELECT 門店,商品,累計銷售額,排名
FROM SalesData
WHERE 累計銷售額 >= (SELECT PERCENTILE_CONT(0.8) WITHIN GROUP (ORDER BY 累計銷售額) FROM SalesData AS sd WHERE sd.門店 = SalesData.門店)
ORDER BY 門店 DESC, 商品 DESC;

查詢語句的解釋

1. CTE (Common Table Expression)?SalesData:

   • 門店: 從t_order_detail表中提取dept_id字段，表示門店。
   • 商品: 從t_order_detail表中提取goods_id字段，表示商品。
   • 累計銷售額: 計算每個門店、每個商品在2025年2月份的累計銷售額，即SUM(num * price)。
   • 排名: 使用ROW_NUMBER()窗口函數，按門店分組，按累計銷售額降序排列，生成每個門店內商品的排名。

2. 主查詢:

   • 篩選條件: 使用子查詢計算每個門店的累計銷售額的80%分位數，并篩選出累計銷售額大于或等于該分位數的商品。
   • 排序: 按門店ID和商品ID倒序排列結果。

性能優化建議

1. 索引優化:

   • 在t_order_detail表的order_time字段上創建索引，以加速時間范圍的篩選。
   • 在dept_id和goods_id字段上創建復合索引，以加速分組和排序操作。

2. 分區表:

   • 如果數據量非常大，考慮按時間分區表（如按月分區），以減少查詢時需要掃描的數據量。

總之，我們借助PromptIDE+deepseek就可以輕松幫我們完成數據清洗了。

如果你也需要數據分析相關的提示詞，請訪問：
智能 | 巨人肩膀