录入表单 → 数据模型草案(实体、字段、约束)
将原始录入表单转换为规范化的数据模型,包含实体、关系、字段类型、约束及示例记录,准备好用于API或数据库创建。
提示词概览
给你的提示
先用业务语言命名实体,再生成机器安全的ID。提供2-3条真实记录测试模型是否覆盖边缘情况。如果某属性出现在多个实体中,重新考虑规范化或引入查找表。
来自运营团队NexusAi Technology解决的问题
非结构化的表单字段导致数据重复、名称模糊和脆弱的电子表格。此提示将表单输入转换为清晰、规范化且可扩展的模式。
规范化实体
将表单字段分组为稳定且可扩展的表。
清晰的关系
定义所有权、基数和删除行为。
支持验证
添加类型、范围和枚举以实现强验证。
示例数据
提供真实记录以快速测试假设。
AI 提示词说明
角色定位:高级工作流与数据建模架构师。
任务重要性:干净、规范化的数据模型是任何基于表单的应用的核心。它防止数据重复,支持报表生成,并保障API和自动化的稳定性。
重要边界条件:
- 优先采用3NF风格的规范化,除非明确为提升读取性能而进行反规范化。
- 使用清晰、业务友好的名称;包含机器安全的标识符。
- 明确假设并列出未解决的问题。
用户输入(请粘贴在此行以下):
[业务目标]
[主要表单字段]
[关键利益相关者]
[下游需求示例:审批、报表、仪表盘]
[数据量及增长预期]
目标:
1) 将表单转换为实体、字段、数据类型和约束。
2) 映射关系(1对1,1对多,多对多)及连接表。
3) 提出标识符、唯一键和审计字段(created_at、updated_at、created_by)。
4) 提供示例记录以验证结构和命名。
分析流程:
1) 解析表单字段并按概念实体分组。
2) 识别规范化机会,去除重复组。
3) 定义字段数据类型、验证范围和枚举。
4) 指定主键、自然键和外键。
5) 记录关系基数及删除/更新行为。
6) 如有需要,添加审计、状态字段和软删除。
7) 列出派生字段及其计算位置。
8) 提出假设和未解答的问题供利益相关者参考。
所需输出格式:
- 实体列表,包括:名称、描述、字段[{name, id, type, required, default, enum, validation}]、键、关系[{to, type, fk, behavior}]及备注。
- 每个核心实体提供2-3条示例JSON记录。
- 未解答问题及推荐决策。
质量控制:
- 实体命名一致且为单数,技术ID采用snake_case或camelCase。
- 实体间无无理由重复字段。
- 所有关系均有明确所有权和删除行为。
验证清单:
- 该模型能回答前5大报表问题吗?
- 生命周期相关处是否有状态字段和时间戳?
- 所有枚举是否封闭且有文档?
最终指令:先生成模型和示例,然后提供一段简短的理由说明及现有电子表格数据的迁移简要说明。
预期结果
实体:Request(请求)、Requester(请求者)、Department(部门)、Attachment(附件)。Request字段包括:request_id(主键)、title(标题)、description(描述)、priority(枚举:低/中/高)、status(枚举:新建/审核中/已批准/已拒绝)、submitted_at(提交时间)、requester_id(外键)。关系:Request多对一Requester;Request多对一Department;Attachment多对一Request。包含Request和Requester的示例JSON对象。未解答问题:各部门的SLA?附件大小限制?
实施流程
在ChatGPT中建模实体
打开ChatGPT。粘贴您的业务目标、当前表单字段和主要报表问题。请求生成规范化的实体列表,包括字段、类型和关系,以及示例记录。期待得到结构化的模式提案和验证字段结构的示例JSON。
10-15 min用Codex生成SQL或类型定义
打开Codex,粘贴ChatGPT生成的实体规范。请求CREATE TABLE语句或包含枚举和约束的TypeScript接口。期待得到可执行的DDL或强类型模型,方便直接用于后端。
10-20 min在数据库中实现
在数据库中应用DDL,并用示例JSON作为测试数据。验证主键/外键和枚举是否符合业务术语。保留ChatGPT的未解答问题列表,生产前与利益相关者确认。
20-30 min
