AI для баз данных — проектирование и SQL с ИИ

AI для баз данных — проектирование и SQL с помощью ИИ

Зачем вообще AI в базах данных?

Базы данных — одно из самых болезненных мест в разработке. Нормализация, индексы, миграции, N+1 запросы, explain plan… Всё это можно делать руками и тратить часы, или делегировать AI и тратить минуты.

В 2026 году AI умеет:

Проектировать схемы из словесного описания
Генерировать Prisma schema, Drizzle schema, чистый SQL
Писать и оптимизировать запросы
Читать EXPLAIN ANALYZE и предлагать индексы
Генерировать миграции и seed data
Рисовать ERD из описания (буквально)

Это не замена понимания БД — это суперзарядка для тех, кто понимает.

Описываем схему словами, получаем готовый код

Самое мощное применение AI в базах — это трансформация бизнес-требований в готовую схему. Не нужно держать в голове синтаксис — просто описываешь что нужно.

Промпт для Prisma schema

Спроектируй Prisma schema для SaaS-платформы управления задачами.

Требования:
- Пользователи могут состоять в нескольких организациях (разные роли)
- Организации имеют проекты, проекты — задачи
- Задачи: название, описание, статус, приоритет, дедлайн, исполнитель
- Комментарии к задачам с поддержкой вложенности (replies)
- Вложения к задачам (URL + метаданные)
- Теги и лейблы
- Аудит-лог всех изменений
- Подписки/тарифы для организаций

Стек: PostgreSQL, Prisma ORM, TypeScript.
Используй best practices: createdAt/updatedAt везде, soft delete через deletedAt, UUID как primary keys.

Claude или ChatGPT выдадут полную Prisma schema с отношениями, индексами и перечислениями. Дальше уточняешь итеративно:

Добавь поддержку подзадач (subtasks). Задача может быть дочерней для другой задачи — неограниченная вложенность.

Добавь таблицу для webhook-подписок организации на события (task.created, comment.added и т.д.)

Drizzle schema

Drizzle — альтернатива Prisma с другим подходом. AI отлично справляется с обоими:

Перепиши эту Prisma schema на Drizzle ORM с PostgreSQL.
Используй Drizzle Kit для миграций.
Типы должны быть полностью TypeScript-safe.

[вставить Prisma schema]

Чистый SQL

Сгенерируй CREATE TABLE statements для PostgreSQL.
Нужны таблицы: users, organizations, projects, tasks.
Включи: foreign keys, индексы на часто фильтруемые поля, CHECK constraints для статусов/приоритетов.
Добавь комментарии к каждой таблице и колонке.

ERD из описания

ERD (Entity-Relationship Diagram) — схема базы данных в виде диаграммы. Раньше нужно было вручную рисовать в Lucidchart или draw.io. Сейчас:

Вариант 1: Mermaid через Claude/ChatGPT

Нарисуй ERD для схемы выше в формате Mermaid erDiagram.
Покажи все связи: один-ко-многим, многие-ко-многим.

Результат — Mermaid-код, который рендерится прямо в GitHub, Notion, Obsidian:

erDiagram
    User {
        uuid id PK
        string email UK
        string name
        timestamp createdAt
    }
    Organization {
        uuid id PK
        string name
        string slug UK
        timestamp createdAt
    }
    OrganizationMember {
        uuid userId FK
        uuid organizationId FK
        enum role
    }
    Project {
        uuid id PK
        uuid organizationId FK
        string name
        timestamp createdAt
    }
    Task {
        uuid id PK
        uuid projectId FK
        uuid assigneeId FK
        string title
        enum status
        enum priority
        timestamp deadline
        timestamp createdAt
    }

    User ||--o{ OrganizationMember : "состоит в"
    Organization ||--o{ OrganizationMember : "имеет"
    Organization ||--o{ Project : "содержит"
    Project ||--o{ Task : "имеет"
    User ||--o{ Task : "назначен на"

Вариант 2: dbdiagram.io

Сервис dbdiagram.io использует свой DBML синтаксис. AI генерирует его:

Напиши DBML код для dbdiagram.io для следующей схемы: [описание]

Вставляешь в dbdiagram.io — получаешь красивую интерактивную диаграмму, которую можно экспортировать в PDF, PNG или SQL.

Генерация миграций

С Prisma

После изменения schema.prisma скажи AI:

У меня изменилась Prisma schema — добавил таблицу Webhook и поле metadata к Task.
Какую команду запустить для создания миграции?
Напиши имя миграции в snake_case.

Ответ: npx prisma migrate dev --name add_webhooks_and_task_metadata

Но AI может сделать больше — проверить, нет ли проблем с миграцией:

Вот SQL который сгенерировал Prisma для миграции: [вставить SQL]

Проверь:
1. Нет ли потенциальной потери данных
2. Правильно ли настроены CASCADE на foreign keys
3. Есть ли необходимые индексы
4. Нужны ли дополнительные DEFAULT значения для существующих строк

Ручные миграции

Иногда Prisma Migrate недостаточно. Скажи AI что нужно:

Напиши SQL-миграцию для PostgreSQL:
1. Переименовать колонку user_id в author_id в таблице comments
2. Не потерять данные
3. Не блокировать таблицу на prod (используй concurrent where возможно)
4. Добавить rollback-скрипт

Seed data — тестовые данные быстро

Seed data — одна из самых нудных вещей. AI справляется за секунды:

Напиши seed.ts для Prisma с реалистичными тестовыми данными:
- 3 организации (разные тарифы: free, pro, enterprise)
- По 5-10 пользователей в каждой
- По 3-5 проектов на организацию
- По 10-30 задач на проект (разные статусы и приоритеты)
- Комментарии к части задач
- Используй @faker-js/faker для реалистичных имён и текстов
- Пароли захешируй через bcrypt (пароль: "password123" для всех)

Дополнение:

Добавь детерминированный seed (фиксированный randomSeed в faker) чтобы данные были одинаковые при каждом запуске.

Оптимизация запросов с AI

Это один из самых ценных сценариев. У тебя есть медленный запрос — AI помогает его починить.

Шаг 1: Получи EXPLAIN ANALYZE

EXPLAIN (ANALYZE, BUFFERS, FORMAT JSON)
SELECT t.*, u.name as assignee_name, p.name as project_name
FROM tasks t
LEFT JOIN users u ON t.assignee_id = u.id
LEFT JOIN projects p ON t.project_id = p.id
WHERE t.organization_id = '...'
  AND t.status != 'done'
  AND t.deadline < NOW() + INTERVAL '7 days'
ORDER BY t.priority DESC, t.deadline ASC
LIMIT 50;

Шаг 2: Скармливай AI

Вот запрос и его EXPLAIN ANALYZE output. Время выполнения: 847ms.
Таблица tasks: ~500k строк. users: ~50k. projects: ~10k.

[вставить запрос]
[вставить EXPLAIN ANALYZE JSON]

Что замедляет запрос? Какие индексы добавить? Можно ли переписать запрос эффективнее?

AI проанализирует plan, найдёт Sequential Scan там где должен быть Index Scan, и предложит:

Конкретные CREATE INDEX команды
Composite индексы для частых комбинаций фильтров
Переписанный запрос (иногда CTE быстрее JOIN)
Partial индексы для фильтров по статусу

N+1 проблема

Частая боль в ORM. AI умеет её находить и чинить:

Вот мой Prisma запрос. Есть подозрение на N+1.
Как переписать через include/select чтобы данные тянулись одним запросом?

const tasks = await prisma.task.findMany({
  where: { projectId },
});

// Потом в цикле:
for (const task of tasks) {
  const comments = await prisma.comment.findMany({
    where: { taskId: task.id },
  });
}

Инструменты для AI + базы данных

Claude/ChatGPT

Универсальный вариант для проектирования схем, написания SQL, оптимизации запросов. Просто вставляй код и объясняй проблему.

Cursor

AI прямо в редакторе. Понимает контекст твоей schema.prisma и генерирует запросы под неё. Отличен для написания репозиторного слоя.

Drizzle Studio + AI

Drizzle Kit имеет встроенный Studio (веб-интерфейс для БД). В связке с Cursor — мощный дуэт: видишь данные и пишешь запросы с AI.

PgAdmin + AI

Вставляй медленные запросы в чат AI прямо из PgAdmin. Или используй расширение для VS Code — Database Client.

Специализированные инструменты

Chat2DB — IDE для баз данных с встроенным AI. Пишешь запрос на естественном языке, он конвертирует в SQL. Поддерживает PostgreSQL, MySQL, MongoDB, Redis.

DataGrip + AI Assistant — JetBrains IDE для БД с AI-автодополнением SQL. Платный, но мощный.

Outerbase — веб-интерфейс для БД с AI-чатом. Спрашиваешь “покажи топ-10 пользователей по количеству задач” — получаешь результат и SQL.

Практика: Проектируем схему для SaaS-приложения

Создадим полноценную схему для task-management SaaS с нуля через диалог с AI.

Пошаговый процесс

Старт: бизнес-требования → первичная схема

Промпт:

Я строю SaaS для управления проектами (аналог Jira/Linear).

Основные сущности:
- Workspace (организация) с подпиской (free/pro/enterprise)
- Пользователи с ролями внутри workspace (owner, admin, member, viewer)
- Проекты внутри workspace
- Issues (задачи) с кастомными статусами на уровне проекта
- Labels, Milestones, Sprints
- Комментарии с @mentions
- Интеграции (GitHub, Slack — хранить OAuth токены)

Спроектируй Prisma schema для PostgreSQL.
Best practices: UUID PKs, timestamps, soft delete там где нужно, индексы.

Добавляем фичи итеративно

Добавь:
1. Activity log — каждое изменение issue пишется в лог (какое поле, старое значение, новое)
2. Уведомления — пользователь подписывается на issue или проект
3. Кастомные поля для issues (тип: text, number, date, select, multiselect)

Не ломай существующую схему — только добавляй.

Проверяем на проблемы

Просмотри схему и найди потенциальные проблемы:
1. Где могут быть проблемы с производительностью при большом объёме данных?
2. Какие индексы обязательно нужны для типичных запросов?
3. Есть ли риск циклических зависимостей в foreign keys?
4. Где нужен CASCADE DELETE, а где SET NULL?

Генерируем seed data

Напиши prisma/seed.ts:
- 2 workspace (free и pro)
- 5 пользователей, распределённых по workspace
- 3 проекта в pro workspace, 1 в free
- 50 issues с реалистичными данными
- 20 комментариев
- Используй @faker-js/faker

Пишем первые запросы

Напиши Prisma-запросы для:
1. Dashboard: все открытые issues назначенные на меня, сгруппированные по проекту
2. Inbox: непрочитанные уведомления с пагинацией
3. Activity feed: последние 50 событий в workspace с деталями

Оптимизируй: не должно быть N+1 запросов.

Типичные задачи с промптами

Напиши SQL/Prisma запрос для:

Получить статистику по workspace за последние 30 дней:
- Количество созданных issues по дням
- Топ-5 пользователей по закрытым issues
- Среднее время закрытия issue (от создания до статуса done)
- Количество issue по приоритетам

БД: PostgreSQL, ORM: Prisma

Запрос выполняется 2.3 секунды. Оптимизируй.

Схема: [вставить relevent таблицы]
Запрос: [вставить]
EXPLAIN ANALYZE: [вставить output]

Данные: issues ~1M строк, users ~100k, workspaces ~10k

Напиши безопасную миграцию PostgreSQL:

Нужно: добавить полнотекстовый поиск к таблице issues
(поля: title, description)

Требования:
- Не блокировать таблицу (CONCURRENTLY где возможно)
- Использовать GIN индекс с tsvector
- Добавить rollback скрипт
- Миграция должна быть идемпотентной (IF NOT EXISTS)

Мой Prisma запрос возвращает дубликаты. Разберись почему.

[вставить запрос]
[вставить пример данных с дубликатами]

Схема отношений:
Task hasMany Labels (many-to-many через _TaskLabels)
Task hasMany Comments

Советы

Давай схему контекстом. Всегда вставляй relevent части Prisma schema или CREATE TABLE — AI строит точный запрос под твою структуру, не угадывает.

Итерируй, не пиши огромные промпты. Начни с базовой схемы, потом добавляй фичи. Огромный промпт = размытый результат.

Проверяй индексы. AI часто добавляет индексы на foreign keys — это правильно. Но иногда забывает composite индексы для запросов с несколькими WHERE условиями. Спроси отдельно.

Используй EXPLAIN для проверки. После AI-оптимизации запускай EXPLAIN ANALYZE снова — убедись что план изменился. Иногда AI предлагает индекс который PostgreSQL всё равно не использует.

Не доверяй слепо. AI может предложить правильный индекс, но неверный тип (B-tree vs GIN для массивов и full-text). Всегда читай что он объясняет, а не только копируй код.

Ссылки

Prisma Docs — документация Prisma ORM
Drizzle ORM — быстрая TypeScript-native альтернатива
dbdiagram.io — нарисовать ERD из DBML
explain.dalibo.com — визуализация EXPLAIN ANALYZE для PostgreSQL
pganalyze — мониторинг и анализ запросов в проде
Chat2DB — IDE для БД с встроенным AI