Το AI είναι κατάλληλο για μετατροπές μορφής (CSV ↔ JSON ↔ SQL) και σενάρια μετάφρασης επειδή οι κανόνες μετασχηματισμού είναι μηχανικοί. Το κόλπο είναι να του δώσετε αρκετό πλαίσιο για να είναι σωστό και ασφαλές: σχήματα, μια δείγμα σειρά και ρητές απαιτήσεις ασφαλείας.
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
Τα σχόλια επισημαίνουν τα σημαντικά μέρη: επικύρωση (παράλειψη κενών email), escaping (εισαγωγικά), και idempotency (ON CONFLICT DO NOTHING). Ζητήστε από το AI να συμπεριλάβει και τα τρία — αυτά είναι τα πράγματα που ξεχνά ένα αφελές σενάριο.
Οι μεταφράσεις δεδομένων είναι υψηλού κινδύνου και συχνά εφάπαξ: ένα σενάριο που διπλασιάζει-εισάγει ή αποσύρει σειρές μπορεί να είναι ακριβό να αναστρέψει. Το AI επιταχύνει την εγγραφή της μετατροπής, αλλά οι ιδιότητες ασφαλείας — idempotency, επικύρωση και ένα δοκιμαστικό σενάριο σε ένα αντίγραφο — δεν είναι διαπραγματεύσιμες. Χειριστείτε το δημιουργημένο σενάριο ως προσχέδιο που πρέπει να διαβάσετε και να δοκιμάσετε, ποτέ ως κάτι που θα εκτελέσετε τυφλά έναντι πραγματικών δεδομένων.