AI is goed geschikt voor formaatconversies (CSV ↔ JSON ↔ SQL) en migratescript omdat de transformatieregels mechanisch zijn. Het trucje is om voldoende context te geven om correct en veilig te zijn: schema's, een voorbeeldrij en expliciete veiligheidseisen.
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
De opmerkingen markeren de onderdelen die belangrijk zijn: validatie (lege e-mails overslaan), escaping (aanhalingstekens), en idempotency (ON CONFLICT DO NOTHING). Vraag AI om alle drie op te nemen — het zijn dingen die een naïef script vergeet.
Gegevensmigraties zijn riskant en vaak eenmalig: een script dat dubbel invoegt of rijen verwijdert, kan duur zijn om ongedaan te maken. AI versnelt het schrijven van de conversie, maar de veiligheidseigenschappen — idempotency, validatie, en een dry-run op een kopie — zijn niet onderhandelbaar. Behandel het gegenereerde script als een conceptversie die je moet lezen en testen, nooit als iets wat je blind op echte gegevens moet uitvoeren.