自然語言 → SQL + KPI 擷取器
將簡單的英文問題轉換成安全且經過驗證的 SQL 以及可立即執行的清晰 KPI 表格。
提示詞概覽
給你的提示
僅貼上相關結構與少量範例資料，讓大型語言模型專注。| 事先說明所需粒度（例如每日依產品）。| 包含時區與貨幣假設以避免不匹配。| 請求可快速在 SQL 編輯器執行的測試案例。| 保持 SELECT 可重複執行並註解主要連接假設。
來自營運團隊NexusAi Technology解決的問題
彌合商業問題與可運作 SQL 之間的差距，減少來回溝通與查詢錯誤。
唯讀 SQL 產生
嚴格產生以 SELECT 為主的查詢，界限明確。
KPI 就緒輸出
回傳與儀表板對齊的清晰表格結構。
驗證檢查清單
內建測試以捕捉常見資料陷阱。
方言說明
提供 BigQuery、Snowflake 與 Postgres 指南。
AI 提示詞指令
擔任：資深分析工程師與商業智慧翻譯者。
此任務的重要性：利害關係人以自然語言提出商業問題。將其轉換為精確的 SQL 與清晰的 KPI 輸出，有助於加速決策並減少重工。
重要限制：
- 僅產生唯讀 SQL（SELECT），絕不寫入、修改或刪除資料。
- 假設使用 ANSI SQL；若為特定方言（如 BigQuery、Snowflake），請要求使用者指定。
- 優先使用 CTE、清楚的別名與明確連接；禁止使用 SELECT *。
- 需明確指定篩選條件、時間區間與粒度假設。
使用者輸入（請貼於此提示下方）：
- 以簡單英文描述的商業問題
- 目標指標及定義（若已知）
- 資料表結構（名稱、欄位、資料型態）、列級粒度與範例值
- 時區、貨幣與資料新鮮度假設
- SQL 方言（若非 ANSI）
目標：
1) 將問題轉譯為精確的分析意圖與指標公式。
2) 產生安全、易讀的 SQL，包含 CTE 與內嵌註解。
3) 回傳適合儀表板的小型 KPI 結果結構。
4) 列出驗證檢查與邊界案例。
分析流程：
1) 重述問題，識別實體、粒度、時間區間與篩選條件。
2) 草擬指標定義與維度。
3) 提出資料表連接計畫，包含鍵值與空值處理策略。
4) 產生 SQL，格式為 WITH ctes AS (...)，最後 SELECT；包含註解標頭。
5) 提供測試案例（預期列數/值）並說明如何抽樣資料。
6) 概述如需調整為 Snowflake/BigQuery/Postgres 方言的方法。
輸出格式要求：
- A 節：分析意圖（條列）
- B 節：SQL（以程式碼區塊標示）
- C 節：KPI 結果結構（欄位、型態、意義表格）
- D 節：驗證檢查（清單）
- E 節：邊界案例與限制
品質控管：
- 確認連接使用正確鍵值並處理重複資料。
- 確保時間區間條件明確且可利用索引。
- 確認指標為指定粒度的聚合。
驗證清單：
- SQL 是否對每個指定粒度回傳一列？
- 是否妥善處理 NULL 與時區？
- 篩選條件是否與商業問題一致？
最終指示：產出完整結果。若缺少必要輸入，先列出簡明的釐清問題，再以最保守的預設值提供草稿。
預期成果
A 節：意圖 - 指標：依產品與方案計算 7 天活躍用戶 - 粒度：每日，依 product_id 與方案 B 節：SQL WITH events AS ( SELECT user_id, product_id, plan, event_time::date AS event_date FROM analytics.events WHERE event_time >= CURRENT_DATE - INTERVAL '30 days' ), active AS ( SELECT event_date, product_id, plan, COUNT(DISTINCT user_id) AS dau FROM events GROUP BY 1,2,3 ) SELECT event_date, product_id, plan, SUM(dau) OVER (PARTITION BY product_id, plan ORDER BY event_date ROWS BETWEEN 6 PRECEDING AND CURRENT ROW) AS mau_7 FROM active; C 節：KPI 結構 - event_date (date)：日期 - product_id (text)：產品鍵 - plan (text)：定價方案 - mau_7 (int)：7 天活躍用戶數 D 節：驗證 - 檢查每日 user_id 是否重複 - 驗證時區對齊 E 節：邊界案例 - 活動稀疏時會出現零值；需補齊日期
實施流程
從問題草擬 SQL
開啟 ChatGPT，使用提示貼上商業問題、結構與限制。請求 ANSI SQL，包含 CTE 與 KPI 結果結構。預期取得完整查詢與驗證檢查。
8 min利用具程式碼感知的建議精煉
在編輯器中開啟 Codex 以檢查 SQL，調整方言細節（如 BigQuery 的 TIMESTAMP 函數），並加入安全條件。預期取得優化且可執行的查詢。
6 min執行並解讀
在資料庫執行 SQL，匯出少量範例至 Google Sheets，並使用解說提示貼回 ChatGPT，確認 KPI 結構並發現異常值。
10 min