AI doskonale nadaje się do konwersji formatów (CSV ↔ JSON ↔ SQL) i skryptów migracji, ponieważ reguły transformacji są mechaniczne. Sztuczka polega na podaniu wystarczającego kontekstu, aby było to prawidłowe i bezpieczne: schematy, przykładowy wiersz i jawne wymagania bezpieczeństwa.
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
Komentarze zaznaczają istotne części: walidacja (pomiń puste e-maile), escapowanie (cudzysłowy) i idempotentność (ON CONFLICT DO NOTHING). Poproś AI, aby uwzględnił wszystkie trzy — to rzeczy, które zapomina naiwny skrypt.
Migracje danych to wysokie stawki i zazwyczaj działanie jednorazowe: skrypt, który duplikuje lub uszkadza wiersze, może być drogi do cofnięcia. AI przyspiesza pisanie konwersji, ale właściwości bezpieczeństwa — idempotentność, walidacja i sucha wersja na kopii — są niepodlegające negocjacjom. Traktuj wygenerowany skrypt jako projekt, który musisz przeczytać i przetestować, nigdy nie jako coś, co będziesz uruchamiać ślepo na rzeczywistych danych.
Biblioteka pytań rekrutacyjnych IT ze szczegółowymi odpowiedziami — od Juniora do Seniora.
Wesprzyj