Mẫu Thu Thập Dữ Liệu → Bản Phác Thảo Mô Hình Dữ Liệu (Thực Thể, Trường, Ràng Buộc)
Chuyển đổi mẫu thu thập dữ liệu thô thành mô hình dữ liệu chuẩn hóa với các thực thể, mối quan hệ, loại trường, ràng buộc và bản ghi mẫu sẵn sàng cho việc tạo API hoặc cơ sở dữ liệu.
Tổng quan prompt
Mẹo dành cho bạn
Bắt đầu với ngôn ngữ kinh doanh để đặt tên thực thể; sau đó tạo ID an toàn cho máy. Cung cấp 2–3 bản ghi thực tế để kiểm tra xem mô hình có bao quát các trường hợp đặc biệt không. Nếu một thuộc tính xuất hiện ở nhiều thực thể, hãy xem xét lại chuẩn hóa hoặc thêm bảng tra cứu.
Từ đội ngũ vận hànhNexusAi TechnologyVấn đề được giải quyết
Các trường trong mẫu không có cấu trúc dẫn đến dữ liệu trùng lặp, tên gọi mơ hồ và bảng tính dễ bị lỗi. Lệnh này chuyển đổi dữ liệu nhập từ mẫu thành một sơ đồ chuẩn hóa rõ ràng, có thể mở rộng.
Thực thể chuẩn hóa
Nhóm các trường mẫu thành bảng ổn định, có thể mở rộng.
Mối quan hệ rõ ràng
Xác định quyền sở hữu, số lượng và hành vi xóa.
Sẵn sàng kiểm tra
Thêm kiểu, phạm vi và giá trị liệt kê để kiểm tra chặt chẽ.
Dữ liệu mẫu
Cung cấp bản ghi thực tế để kiểm tra giả định nhanh chóng.
Hướng dẫn prompt AI
Đóng vai: Kiến trúc sư cấp cao về Quy trình làm việc và Mô hình dữ liệu.
Tại sao nhiệm vụ này quan trọng: Một mô hình dữ liệu sạch, chuẩn hóa là nền tảng của bất kỳ ứng dụng dựa trên biểu mẫu nào. Nó ngăn chặn sự trùng lặp, hỗ trợ báo cáo và duy trì API cùng tự động hóa ổn định.
Các giới hạn quan trọng:
- Ưu tiên chuẩn hóa theo kiểu 3NF trừ khi có lý do rõ ràng để phi chuẩn hóa nhằm cải thiện hiệu suất đọc.
- Sử dụng tên rõ ràng, thân thiện với doanh nghiệp; bao gồm cả định danh an toàn cho máy.
- Làm rõ các giả định và liệt kê các câu hỏi còn bỏ ngỏ.
Dữ liệu người dùng nhập (dán dưới dòng này):
[Mục tiêu kinh doanh]
[Các trường chính của mẫu]
[Các bên liên quan chính]
[Ví dụ về nhu cầu tiếp theo: phê duyệt, báo cáo, bảng điều khiển]
[Dự kiến về khối lượng và tăng trưởng]
Mục tiêu:
1) Chuyển đổi mẫu thành các thực thể, trường, kiểu dữ liệu và ràng buộc.
2) Lập bản đồ các mối quan hệ (1–1, 1–nhiều, nhiều–nhiều) và bảng liên kết.
3) Đề xuất định danh, khóa duy nhất và trường kiểm toán (created_at, updated_at, created_by).
4) Cung cấp bản ghi mẫu để xác thực cấu trúc và tên gọi.
Quy trình phân tích:
1) Phân tích các trường mẫu và nhóm theo thực thể khái niệm.
2) Xác định cơ hội chuẩn hóa và loại bỏ các nhóm lặp lại.
3) Xác định kiểu dữ liệu trường, phạm vi kiểm tra và các giá trị liệt kê.
4) Chỉ định khóa chính, khóa tự nhiên và khóa ngoại.
5) Ghi lại số lượng mối quan hệ và hành vi xóa/cập nhật.
6) Thêm các trường kiểm toán, trạng thái và xóa mềm nếu cần.
7) Liệt kê các trường dẫn xuất và vị trí tính toán chúng.
8) Nêu rõ các giả định và câu hỏi chưa trả lời cho các bên liên quan.
Định dạng đầu ra yêu cầu:
- Danh sách thực thể gồm: tên, mô tả, trường[{tên, id, kiểu, bắt buộc, mặc định, enum, kiểm tra}], khóa, mối quan hệ[{đến, kiểu, fk, hành vi}], và ghi chú.
- Mẫu JSON cho 2–3 bản ghi mỗi thực thể chính.
- Các câu hỏi mở và quyết định đề xuất.
Kiểm soát chất lượng:
- Tên gọi nhất quán và số ít cho thực thể, dùng snake_case hoặc camelCase cho ID kỹ thuật.
- Không có trường trùng lặp giữa các thực thể nếu không có lý do hợp lý.
- Tất cả mối quan hệ có quyền sở hữu rõ ràng và hành vi xóa.
Danh sách kiểm tra xác minh:
- Mô hình này có trả lời được 5 câu hỏi báo cáo hàng đầu không?
- Có các trường trạng thái và dấu thời gian ở những nơi vòng đời quan trọng không?
- Tất cả các giá trị liệt kê có đóng và được ghi chép đầy đủ không?
Hướng dẫn cuối cùng: Trước tiên tạo mô hình và bản mẫu. Sau đó cung cấp một đoạn văn giải thích lý do và một ghi chú ngắn về việc di chuyển dữ liệu từ bảng tính hiện có.
Kết quả kỳ vọng
Các thực thể: Request, Requester, Department, Attachment. Request có các trường: request_id (PK), title, description, priority (enum: Thấp/Trung bình/Cao), status (enum: Mới/Đang xem xét/Đã duyệt/Bị từ chối), submitted_at, requester_id (FK). Mối quan hệ: Request nhiều - một Requester; Request nhiều - một Department; Attachment nhiều - một Request. Bao gồm các đối tượng JSON mẫu cho Request và Requester. Các câu hỏi mở: SLA theo từng phòng ban? Giới hạn kích thước tệp đính kèm?
Hành trình triển khai
Mô hình các thực thể trong ChatGPT
Mở ChatGPT. Dán mục tiêu kinh doanh, các trường mẫu hiện tại và các câu hỏi báo cáo hàng đầu. Yêu cầu danh sách thực thể chuẩn hóa với trường, kiểu và mối quan hệ cùng bản ghi mẫu. Mong đợi đề xuất sơ đồ có cấu trúc và JSON mẫu xác thực hình dạng trường.
10-15 minTạo SQL hoặc kiểu với Codex
Mở Codex và dán đặc tả thực thể từ ChatGPT. Yêu cầu câu lệnh CREATE TABLE hoặc giao diện TypeScript với enum và ràng buộc. Mong đợi DDL có thể thực thi hoặc mô hình kiểu mạnh để bạn tích hợp vào backend.
10-20 minTriển khai trong cơ sở dữ liệu của bạn
Áp dụng DDL vào cơ sở dữ liệu và nhập dữ liệu JSON mẫu làm dữ liệu thử nghiệm. Xác minh khóa chính/khóa ngoại và enum phù hợp với thuật ngữ kinh doanh. Giữ danh sách câu hỏi mở của ChatGPT để xác nhận với các bên liên quan trước khi đưa vào sản xuất.
20-30 min