Formulaire d'entrée → Brouillon de modèle de données (Entités, Champs, Contraintes)
Transformez un formulaire d'entrée brut en un modèle de données normalisé avec entités, relations, types de champs, contraintes et exemples d'enregistrements prêts pour la création d'API ou de base de données.
Aperçu du prompt
Conseils pour vous
Commencez par des noms d’entités en langage métier ; générez ensuite des identifiants sûrs pour les machines. Fournissez 2–3 enregistrements réels pour tester si le modèle couvre les cas limites. Si un attribut apparaît dans plusieurs entités, reconsidérez la normalisation ou introduisez une table de référence.
De l’équipe opérationsNexusAi TechnologyProblème résolu
Les champs de formulaire non structurés entraînent des données dupliquées, des noms ambigus et des feuilles de calcul fragiles. Ce prompt convertit les entrées de formulaire en un schéma clair et normalisé qui évolue facilement.
Entités normalisées
Regroupe les champs de formulaire en tables stables et évolutives.
Relations claires
Définit la propriété, la cardinalité et les comportements de suppression.
Prêt pour validation
Ajoute types, plages et énumérations pour une validation rigoureuse.
Données d’exemple
Fournit des enregistrements réalistes pour tester rapidement les hypothèses.
Instructions du prompt IA
Agissez en tant que : Architecte principal en flux de travail et modélisation de données.
Pourquoi cette tâche est importante : Un modèle de données propre et normalisé est la colonne vertébrale de toute application basée sur des formulaires. Il évite les duplications, facilite les rapports et soutient des API et automatisations stables.
Limites importantes :
- Privilégiez la normalisation de type 3NF sauf dénormalisation explicite justifiée pour la performance en lecture.
- Utilisez des noms clairs et adaptés au métier ; incluez des identifiants sûrs pour les machines.
- Rendre explicites les hypothèses et lister les questions ouvertes.
Entrées utilisateur (collez sous cette ligne) :
[Objectif métier]
[Champs principaux du formulaire]
[Parties prenantes clés]
[Exemples de besoins en aval : validations, rapports, tableaux de bord]
[Volumes et prévisions de croissance]
Objectifs :
1) Convertir le formulaire en entités, champs, types de données et contraintes.
2) Cartographier les relations (1–1, 1–plusieurs, plusieurs–plusieurs) et tables de jonction.
3) Proposer des identifiants, clés d’unicité et champs d’audit (created_at, updated_at, created_by).
4) Fournir des exemples d’enregistrements pour valider la structure et la nomenclature.
Processus d’analyse :
1) Analyser les champs du formulaire et les regrouper par entité conceptuelle.
2) Identifier les opportunités de normalisation et éliminer les groupes répétés.
3) Définir les types de champs, plages de validation et énumérations.
4) Spécifier clés primaires, clés naturelles et clés étrangères.
5) Documenter la cardinalité des relations et les comportements de suppression/mise à jour.
6) Ajouter audit, champs de statut et suppression douce si nécessaire.
7) Lister les champs dérivés et où les calculer.
8) Mettre en avant hypothèses et questions non résolues pour les parties prenantes.
Format de sortie requis :
- Liste d’entités avec : nom, description, champs[{nom, id, type, obligatoire, défaut, enum, validation}], clés, relations[{vers, type, fk, comportement}], et notes.
- Exemple JSON de 2–3 enregistrements par entité principale.
- Questions ouvertes et décisions recommandées.
Contrôles qualité :
- Nommage cohérent et singulier pour les entités, snake_case ou camelCase pour les identifiants techniques.
- Pas de champs dupliqués entre entités sans justification.
- Toutes les relations ont une propriété claire et un comportement de suppression défini.
Checklist de vérification :
- Ce modèle peut-il répondre aux 5 principales questions de reporting ?
- Les champs de statut et horodatages sont-ils présents là où le cycle de vie est important ?
- Toutes les énumérations sont-elles fermées et documentées ?
Instruction finale : Produisez d’abord le modèle et les exemples. Puis fournissez un paragraphe de justification et une courte note de migration pour les données existantes dans les feuilles de calcul.
Résultat attendu
Entités : Request, Requester, Department, Attachment. Request a les champs : request_id (PK), title, description, priority (enum : Faible/Moyenne/Élevée), status (enum : Nouveau/En révision/Approuvé/Rejeté), submitted_at, requester_id (FK). Relations : Request plusieurs-à-un Requester ; Request plusieurs-à-un Department ; Attachment plusieurs-à-un Request. Objets JSON d’exemple pour Request et Requester inclus. Questions ouvertes : SLA par département ? Limites de taille des pièces jointes ?
Parcours de mise en œuvre
Modélisez les entités dans ChatGPT
Ouvrez ChatGPT. Collez votre objectif métier, les champs actuels du formulaire et les principales questions de reporting. Demandez une liste d’entités normalisées avec champs, types et relations ainsi que des exemples d’enregistrements. Attendez-vous à une proposition de schéma structuré et un JSON d’exemple validant la forme des champs.
10-15 minGénérez SQL ou types avec Codex
Ouvrez Codex et collez la spécification des entités depuis ChatGPT. Demandez des instructions CREATE TABLE ou des interfaces TypeScript avec enums et contraintes. Attendez-vous à un DDL exécutable ou des modèles fortement typés à intégrer dans votre backend.
10-20 minImplémentez dans votre base de données
Appliquez le DDL dans votre base de données et insérez le JSON d’exemple comme données de test. Vérifiez que les clés primaires/étrangères et enums correspondent à la terminologie métier. Conservez la liste des questions ouvertes de ChatGPT pour validation avec les parties prenantes avant la mise en production.
20-30 min
