Дата публикации: 15.05.2026

Написание SQL-запросов через ИИ

Введение

Вы уже умеете писать запросы SQL, но иногда сталкиваетесь с «запутанными» условиями, множеством таблиц и сложными агрегатами. Искусственный интеллект — это ваш быстрый помощник, который превратит описание задачи на обычном языке в готовый запрос за секунды. В этом уроке вы узнаете, как формулировать запросы к ИИ, какие детали схемы нужно указывать, как проверять полученный код и как избежать типичных ошибок.

1. Почему ИИ помогает писать SQL

Проблема	Как ИИ решает	Пример
Длинные условия — много `AND`/`OR`	Генерирует их автоматически, соблюдая приоритеты	«Выберите клиентов, у которых сумма покупок > 1000 и которые сделали заказ в последнем месяце».
Неизвестные функции	Предлагает нужные агрегаты, окна, CTE	«Посчитайте средний чек за каждый день».
Ошибки в синтаксисе	Быстрая проверка и исправление	ИИ указывает, где забыли запятую или скобку.

Именно потому, что ИИ «видит» ваш запрос в контексте схемы, он может предложить оптимальное решение, а вам остаётся лишь проверить и при необходимости поправить.

2. Основные понятия и терминология

Термин	Определение
Prompt	Текстовое описание задачи, которое вы передаёте ИИ.
Schema	Структура базы данных: таблицы, столбцы, типы, ключи.
DDL	Data Definition Language – команды создания/изменения схемы (`CREATE TABLE`, `ALTER`).
DML	Data Manipulation Language – команды работы с данными (`SELECT`, `INSERT`).
CTE (Common Table Expression)	Временный набор результатов, объявляемый через `WITH`.
Parameterization	Подстановка параметров вместо конкатенации строк, защищающая от SQL‑инъекций.

Все эти термины будут использоваться в примерах, поэтому запоминайте их заранее.

3. Как подготовить Prompt для генерации SQL

Укажите цель – что именно нужно получить.
Пример: «Получить список топ‑5 товаров по выручке».
Опишите входные данные – какие таблицы и столбцы задействованы.
Пример: «Таблица orders (order_id, product_id, quantity, price) и products (product_id, name)».
Добавьте ограничения и сортировку – фильтры, группировки, порядок.
Пример: «Только за 2023 год, сортировать по убыванию выручки».
Укажите желаемый формат вывода – список, агрегаты, вложенные запросы.
Пример: «Вывести product_name, total_sales».
Не забудьте про ограничения – ограничения на количество строк, безопасность.
Пример: «Не использовать подзапросы более двух уровней».

Совет: пишите запрос в виде небольшого диалога, а не одного длинного абзаца. ИИ лучше «понимает» короткие, чётко разделённые части.

4. Пример полного диалога с ИИ

Вы:

У меня есть две таблицы: employees (id, name, department_id, salary) и departments (id, dept_name). Нужно получить среднюю зарплату по каждому отделу, но только для тех отделов, где средняя зарплата выше 50000. Выведите dept_name и avg_salary, отсортировав по avg_salary убыванию.

ИИ (результат):

WITH dept_avg AS (
    SELECT 
        d.id,
        d.dept_name,
        AVG(e.salary) AS avg_salary
    FROM 
        departments d
    JOIN 
        employees e ON e.department_id = d.id
    GROUP BY 
        d.id, d.dept_name
    HAVING 
        AVG(e.salary) > 50000
)
SELECT 
    dept_name,
    avg_salary
FROM 
    dept_avg
ORDER BY 
    avg_salary DESC;

Пояснение ИИ:

WITH dept_avg AS (…) — CTE, упрощает дальнейший запрос.
HAVING — фильтр после агрегирования.
ORDER BY … DESC — сортировка по убыванию.

5. Как проверять сгенерированный код

Шаг	Что делаем	Почему
1️⃣	Сравниваем названия столбцов с Schema	Чтобы убедиться, что ИИ не придумал несуществующие поля.
2️⃣	Выполняем запрос в тестовой среде (sandbox)	Проверка синтаксиса и логики без риска продакшн‑данных.
3️⃣	Сравниваем результат с ожидаемым вручную	Убедиться, что бизнес‑правила соблюдены.
4️⃣	Добавляем Parameterization если запрос содержит пользовательские данные	Защита от SQL‑инъекций.
5️⃣	Оптимизируем план выполнения (`EXPLAIN`)	Выявить потенциальные узкие места.

Если на каком‑то шаге обнаружена ошибка, просто уточните её в следующем запросе к ИИ: «В столбце salary тип DECIMAL(10,2), а я получил ошибку «тип данных не совместим»». ИИ автоматически поправит запрос.

6. Лучшие практики Prompt‑Engineering для SQL

Практика	Описание	Пример
Ясность	Указывайте точные типы данных, если они влияют на синтаксис.	«`price` — `NUMERIC(12,2)`».
Контекст	При повторных запросах передавайте часть предыдущего кода.	«Продолжи, используя CTE `dept_avg` из предыдущего сообщения».
Ограничения	Указывайте максимум строк (`LIMIT`) и запрещённые конструкции.	«Не использовать `DISTINCT`».
Тестовый набор	Попросите ИИ сгенерировать небольшие тестовые данные.	«Создай 5‑строк таблицы `employees` для проверки».
Пошаговый подход	Сначала попросите схему, потом запрос, потом объяснение.	1️⃣ «Опиши схему», 2️⃣ «Сгенерируй запрос», 3️⃣ «Объясни каждый шаг».

7. Инструменты и платформы

Платформа	Особенности	Как подключить
ChatGPT (OpenAI)	Поддержка «code interpreter», возможность задавать системные подсказки.	Включить режим «Developer Mode», добавить `system`‑сообщение с описанием схемы.
GitHub Copilot	Интеграция в VS Code, автодополнение SQL‑блоков.	Установить расширение, включить `AI Pair Programmer`.
Google Gemini	Хорошо работает с мультимодальными запросами (таблицы + текст).	Через API, передавая `schema` в `metadata`.
SQL‑Assist (Open‑source)	Локальная модель, работает без интернета.	Запустить Docker‑контейнер, загрузить `schema.json`.

Все они используют один и тот же принцип: Prompt + Schema → SQL. Выбирайте тот, который удобнее в вашей рабочей среде.

8. Частые ошибки и как их исправлять

Ошибка	Причина	Решение
`Column not found`	ИИ использовал псевдоним, не объявленный в `SELECT`.	Добавьте `AS`‑псевдоним в CTE или уточните в Prompt.
`Ambiguous column`	Одинаковые имена столбцов в разных таблицах без префикса.	Указывайте таблицу (`t1.column`).
`Incorrect data type`	Попытка сравнить `VARCHAR` с `INT`.	Приведите типы (`CAST(... AS INT)`).
`Performance issue`	ИИ использовал подзапрос вместо JOIN.	Попросите переписать с `JOIN` и добавить индексы.
`SQL injection risk`	Конкатенация пользовательского ввода.	Перепишите запрос с параметрами (`?`, `:name`).

9. Пример сложного запроса с несколькими CTE

Задача:

Нужно получить список студентов, которые получили более 90 % от максимального балла в каждом предмете, а также вывести их средний балл по всем предметам. Таблицы: students (id, name), grades (student_id, subject_id, score), subjects (id, title).

Prompt:

Опиши запрос, используя CTE, без подзапросов более одного уровня, выводя student_name, subject_title, score, overall_avg. Сортировать по overall_avg убыванию.

Ответ ИИ:

WITH max_score_per_subject AS (
    SELECT 
        subject_id,
        MAX(score) AS max_score
    FROM 
        grades
    GROUP BY 
        subject_id
),
high_achievers AS (
    SELECT 
        g.student_id,
        g.subject_id,
        g.score,
        s.title AS subject_title,
        st.name AS student_name
    FROM 
        grades g
    JOIN 
        max_score_per_subject m ON g.subject_id = m.subject_id
    JOIN 
        subjects s ON g.subject_id = s.id
    JOIN 
        students st ON g.student_id = st.id
    WHERE 
        g.score >= 0.9 * m.max_score
),
overall_average AS (
    SELECT 
        student_id,
        AVG(score) AS overall_avg
    FROM 
        grades
    GROUP BY 
        student_id
)
SELECT 
    ha.student_name,
    ha.subject_title,
    ha.score,
    oa.overall_avg
FROM 
    high_achievers ha
JOIN 
    overall_average oa ON ha.student_id = oa.student_id
ORDER BY 
    oa.overall_avg DESC;

Разбор:

max_score_per_subject — вычисляет максимум в каждом предмете.
high_achievers — фильтрует студентов, превысивших 90 % от максимального.
overall_average — средний балл по всем предметам для каждого студента.
Финальный SELECT соединяет всё вместе и сортирует.

10. Как интегрировать генерацию SQL в ваш рабочий процесс

Создайте шаблон Prompt в виде файла sql_prompt.txt.
Автоматизируйте передачу схемы через schema.json.
Запускайте скрипт (Python + OpenAI SDK) который:
- Читает задачу от пользователя.
- Формирует полный Prompt (шаблон + задача).
- Получает ответ, сохраняет в generated.sql.
- Выполняет EXPLAIN и выводит план.
Проверка: добавьте unit‑тесты, сравнивающие результат с ожидаемым набором данных.

Пример кода (Python):

import openai, json, subprocess

with open('schema.json') as f:
    schema = json.load(f)

task = "Получить топ‑10 самых продаваемых товаров за последний квартал."
prompt = f"""Schema:
{json.dumps(schema, indent=2)}

Task: {task}
Generate SQL only, no explanation."""
response = openai.ChatCompletion.create(
    model="gpt-4o",
    messages=[{"role":"system","content":"You are a helpful SQL assistant."},
              {"role":"user","content":prompt}]
)
sql = response.choices[0].message.content.strip()
print(sql)

# optional: run EXPLAIN
subprocess.run(["psql", "-c", f"EXPLAIN {sql}"])

Практика для закрепления

Упражнение 1
Таблицы: orders (order_id, customer_id, order_date, total_amount) и customers (customer_id, city).
Задача: Сформулируйте Prompt, который попросит ИИ вывести количество заказов и суммарную сумму по каждому городу за 2022 год, только для городов, где суммарная сумма превышает 500 000.
Упражнение 2
Сгенерируйте запрос, который найдёт всех сотрудников, получивших зарплату выше среднего по их отделу, и выведет employee_name, department_name, salary. Таблицы: employees (id, name, department_id, salary) и departments (id, name).
Упражнение 3
Опишите, как добавить parameterization к запросу из упражнения 2, если department_id будет передаваться пользователем. Приведите пример кода на Python с использованием psycopg2.
Упражнение 4
Вы получили от ИИ запрос, но в нём присутствует подзапрос более двух уровней. Переформулируйте Prompt, чтобы ИИ использовал только CTE и не более одного уровня вложенности.
Упражнение 5
Сравните план выполнения (EXPLAIN) двух вариантов одного и того же запроса: один с JOIN, второй с подзапросом в WHERE. Какие различия в стоимости вы видите? Какие рекомендации дадите для оптимизации?

Итоги

Чётко формулируйте цель, схему и ограничения в Prompt.
Проверяйте каждый сгенерированный запрос на соответствие схеме и бизнес‑правилам.
Используйте CTE, параметризацию и EXPLAIN для читаемости и производительности.
Практикуйтесь регулярно, меняя сложность задач – тогда ИИ станет вашим надёжным «соавтором» SQL‑кода.

Что такое нейросети и как они работают (простое объяснение)
Обзор популярных нейросетей: ChatGPT, Claude, Gemini, DeepSeek
Как правильно формулировать запросы (промты) для нейросетей
Регистрация и настройка аккаунтов в основных сервисах
Безопасность: что нельзя загружать в нейросети
Использование нейросетей для генерации идей для проектов
Написание писем и деловой переписки с помощью ИИ
Создание структуры доклада или презентации
Автоматическое реферирование больших текстов
Как нейросети помогают учить иностранные языки
Генерация тестов и экзаменационных вопросов
Подготовка к собеседованию с помощью ИИ
Написание постов для соцсетей и блогов
Создание конспектов лекций и видеоуроков
Объяснение сложных тем простыми словами
Генерация примеров для решения задач по математике
Написание кода на Python с помощью нейросетей
Отладка и исправление ошибок в коде
Написание SQL-запросов через ИИ
Автоматизация рутинных отчётов в Excel и Google Sheets
Анализ данных и поиск трендов
Создание таблиц и сводок из неструктурированного текста
Генерация резюме и сопроводительных писем
Составление планов уроков для преподавателей
Проверка грамматики и стиля текста
Генерация названий для статей и видео
Создание аннотаций и кратких содержаний книг
Помощь в решении творческих задач (написание сценариев)
Использование нейросетей для переговоров и аргументации
Составление расписания и to-do листов
Подбор литературы и источников по теме
Генерация возражений для тренировки продаж
Написание инструкций и руководств
Анализ тональности текста
Создание чек-листов для рабочих процессов
Как нейросети помогают перефразировать текст (рерайтинг)
Составление меню и планов питания с обоснованием
Подбор образовательных траекторий под цели ученика
Написание отзывов и рекомендательных писем
Создание вопросов для интервью
Генерация заданий для учеников с ответами
Обобщение переписок в мессенджерах (подведение итогов)
Расчёт бюджета и приблизительных смет
Составление плана развития навыков (roadmap)
Генерация базы знаний для нового сотрудника
Ускорение чтения и обработки документов
Перевод профессиональной лексики с пояснением
Создание скриптов для автоматизации нейросетями (API)
Этика использования ИИ: плагиат и проверки на ИИ
Ограничения и галлюцинации нейросетей (как проверять факты)
Создание пайплайна: от идеи до готового текста с помощью ИИ
Бесплатный курс Excel: логистика, учёт остатков и подбор транспорта
Чат с искусственной подругой
Чатрулетка: чат с новыми друзьями
Чай и кофе: утренний ритуал
Экран с отображением времени в полном размере
Фототехника с подсветкой
Генератор паролей с буквами и цифрами
Игры на развитие воображения у детей
Инновационные методы 3D-печати в строительстве бетонных конструкций
Легковые и микроавтобусы от немецких брендов
Материализация подсказок в Oracle Advanced Security для обеспечения безопасности данных
Местные автобренды России
Нейросети и анализ данных: бесплатно
Оптимизация работы с CDN GEO
Политика конфиденциальности и пользовательское соглашение
Смех без конца
Создание мемов без фотошопа: пошаговое руководство
Средства IP видеосистем
VDSina для чайников: основы
Видеосвязь без задержек
Виджет обратной связи с поддержкой
Зачем видеочат-ролетка в чате

DeepEdit!