输入“展示今年收入前五名的客户”，AI 助手几秒钟就能给出一条 SQL 查询。

这看起来非常高效，但并不总是正确。

打开网易新闻 查看精彩图片

在使用多款 AI 驱动的 SQL 工具后，作者发现了一个规律：多数错误的根源并不在 AI 对 SQL 语法的掌握，而在于它没有真正理解你的数据库、你的业务规则，或者你实际想问什么。

七类失败模式——几乎都与 SQL 语法无关

作者把常见问题总结为七种失败模式，其中最普遍的一类是 AI 会假设你的表结构长成某种样子。

比如你要求“展示所有活跃客户”，AI 可能生成：

SELECT * FROM customers WHERE status = 'Active';

这条语句看着完全合理，直到你发现自己的数据库里表叫 users，列名是 is_active。SQL 本身合法，只是和你实际的 schema 对不上。

这种情况属于“可以运行，但结果是错的”——查询指向了不存在的表和列。

要降低这类错误，可以让 AI 访问你的 schema，或者在提示词里直接写清正确的表名。上下文越多，它需要做的假设就越少。

连接错误与重复行

AI 擅长发现数据之间的关系，但有时候它会 join 错表，或者干脆忘记 join。

要求“展示每个订单以及对应客户姓名”时，一个错误的 join 条件就可能产生重复行，或