AI je velmi vhodná pro konverze formátů (CSV ↔ JSON ↔ SQL) a migrace skriptů, protože transformační pravidla jsou mechanická. Trik spočívá v tom, abyste jí poskytli dostatek kontextu, aby byla správná a bezpečná: schémata, vzorový řádek a explicitní požadavky na bezpečnost.
import csv
# Source CSV: id,email,signup_date (signup_date may be blank)
# Target table: users(id INT, email TEXT NOT NULL, signup_date DATE NULL)
def csv_to_sql(path: str) -> list[str]:
statements = []
with open(path, newline="", encoding="utf-8") as f:
for row in csv.DictReader(f):
email = row["email"].strip()
if not email: # validate: skip invalid rows, don't insert garbage
continue
date = row["signup_date"].strip() or None
email_sql = email.replace("'", "''") # escape quotes to avoid broken SQL / injection
date_sql = f"'{date}'" if date else "NULL"
# ON CONFLICT makes it idempotent: re-running won't create duplicates
statements.append(
f"INSERT INTO users (id, email, signup_date) "
f"VALUES ({int(row['id'])}, '{email_sql}', {date_sql}) "
f"ON CONFLICT (id) DO NOTHING;"
)
return statements
Komentáře označují důležité části: validace (přeskočit prázdné e-maily), escapování (uvozovky), a idempotence (ON CONFLICT DO NOTHING). Požádejte AI, aby všechny tři zahrnula — to jsou věci, které naivní skript zapomene.
Migrace dat jsou vysokoriziková a často jednorázové: skript, který duplikuje vkládání nebo klesá řádky, může být drahý na vrácení. AI urychluje psaní konverze, ale bezpečnostní vlastnosti — idempotence, validace a dry-run na kopii — jsou nezpochybitelné. Ošetřujte vygenerovaný skript jako návrh, který musíte přečíst a otestovat, nikdy jako něco k slepému spuštění proti reálným datům.