您如何使用 AI 编写数据迁移和格式转换脚本？

Question

Accepted Answer

AI 非常适合处理 **格式转换**（CSV ↔ JSON ↔ SQL）和迁移脚本，因为转换规则是机械性的。诀窍是给它足够的上下文以确保正确性和安全性：schemas、一行示例数据和明确的安全要求。

## 如何提示它

- **提供源 schema 和目标 schema** — 列名、类型、可空性。
- **包含一行真实示例数据** 以便它看到实际的形状和边界情况（引号、null、日期）。
- **要求它是幂等的且经过验证** — 重新运行不应该重复或损坏数据；不良行应该被捕获，而不是静默插入。
- **总是在数据副本上进行 dry-run** 再在生产环境上操作。首先检查输出。

## 示例：CSV → SQL inserts

```python
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
```

注释标记了重要的部分：**验证**（跳过空的电子邮件）、**转义**（引号）和**幂等性**（`ON CONFLICT DO NOTHING`）。让 AI 包含这三部分 — 这些是朴素脚本容易忘记的东西。

## 为什么这很重要

数据迁移风险很高，通常是一次性的：一个重复插入或删除行的脚本可能很昂贵才能撤销。AI 加快了编写转换的速度，但安全属性 — 幂等性、验证和在副本上进行 dry-run — 是不可商量的。将生成的脚本视为您必须阅读和测试的草稿，永远不要在真实数据上盲目运行。