填寫表單 → 資料模型草案(實體、欄位、限制條件)
將原始填寫表單轉換為標準化資料模型,包含實體、關聯、欄位類型、限制條件及範例記錄,準備好用於 API 或資料庫建立。
提示詞概覽
給你的提示
先用商業語言命名實體,再產生機器可識別的 ID。提供 2–3 筆真實記錄以測試模型是否涵蓋邊緣案例。若某屬性出現在多個實體中,請重新考慮標準化或引入查詢表。
來自營運團隊NexusAi Technology解決的問題
非結構化的表單欄位會導致資料重複、名稱模糊及脆弱的試算表。此提示將表單輸入轉換為清晰且標準化的架構,具備良好擴展性。
標準化實體
將表單欄位分組為穩定且可擴展的資料表。
清晰關聯
定義擁有權、基數及刪除行為。
驗證就緒
新增類型、範圍及列舉以強化驗證。
範例資料
提供真實記錄以快速測試假設。
AI 提示詞指令
擔任:資深工作流程與資料建模架構師。
此任務的重要性:乾淨且標準化的資料模型是任何以表單為驅動的應用程式的基石。它能防止資料重複、促進報告製作,並支持穩定的 API 與自動化流程。
重要範圍界定:
- 優先採用第三正規形式(3NF)標準化,除非有明確理由為提升讀取效能而進行反標準化。
- 使用清晰且符合商業語境的名稱;同時包含機器可識別的識別碼。
- 明確列出假設並提出未解決的問題。
使用者輸入(請貼於下方):
[商業目標]
[主要表單欄位]
[關鍵利害關係人]
[下游需求範例:審核、報告、儀表板]
[資料量與成長預期]
目標:
1) 將表單轉換為實體、欄位、資料類型及限制條件。
2) 繪製關聯(1 對 1、1 對多、多對多)及交叉表。
3) 建議識別碼、唯一鍵及稽核欄位(created_at、updated_at、created_by)。
4) 提供範例記錄以驗證結構與命名。
分析流程:
1) 解析表單欄位並依概念實體分組。
2) 找出標準化機會並移除重複群組。
3) 定義欄位資料類型、驗證範圍及列舉值。
4) 指定主鍵、自然鍵及外鍵。
5) 記錄關聯基數及刪除/更新行為。
6) 如有需要,新增稽核欄位、狀態欄位及軟刪除。
7) 列出衍生欄位及其計算位置。
8) 提出假設與未解決問題供利害關係人參考。
所需輸出格式:
- 實體清單,包含:名稱、描述、欄位[{name, id, type, required, default, enum, validation}]、鍵、關聯[{to, type, fk, behavior}]及備註。
- 每個核心實體提供 2–3 筆範例 JSON 記錄。
- 未解決問題與建議決策。
品質控管:
- 實體命名一致且為單數,技術識別碼採用 snake_case 或 camelCase。
- 無無理重複欄位跨實體。
- 所有關聯均有明確擁有權及刪除行為。
驗證檢查清單:
- 此模型能回答前五大報告問題嗎?
- 生命週期重要處是否有狀態欄位與時間戳記?
- 所有列舉值是否封閉且有文件記錄?
最終指示:先產出模型與範例,接著提供一段理由說明及針對現有試算表資料的簡短遷移說明。
預期成果
實體:Request(請求)、Requester(請求人)、Department(部門)、Attachment(附件)。Request 有欄位:request_id(主鍵)、title(標題)、description(描述)、priority(優先順序,列舉:Low/Med/High)、status(狀態,列舉:New/In Review/Approved/Rejected)、submitted_at(提交時間)、requester_id(外鍵)。關聯:Request 多對一 Requester;Request 多對一 Department;Attachment 多對一 Request。包含 Request 與 Requester 的範例 JSON 物件。未解決問題:各部門的服務等級協議(SLA)?附件大小限制?
實施流程
在 ChatGPT 中建模實體
開啟 ChatGPT,貼上您的商業目標、現有表單欄位及主要報告問題。請求一份標準化的實體清單,包含欄位、類型與關聯,並附上範例記錄。預期獲得結構化的架構建議及驗證欄位結構的 JSON 範例。
10-15 min使用 Codex 生成 SQL 或型別
開啟 Codex,貼上來自 ChatGPT 的實體規格。請求 CREATE TABLE 語句或包含列舉與限制條件的 TypeScript 介面。預期獲得可執行的 DDL 或強型別模型,可直接用於後端。
10-20 min在資料庫中實作
將 DDL 套用至資料庫,並以範例 JSON 作為測試資料。確認主鍵/外鍵與列舉符合商業術語。保留 ChatGPT 的未解決問題清單,於正式上線前與利害關係人確認。
20-30 min
