【RuoYi-SpringBoot3-Pro】:使用 Dify + AI 快速生成多数据库建表语句

【RuoYi-SpringBoot3-Pro】:使用 Dify + AI 快速生成多数据库建表语句

告别手写 SQL,一句话生成标准化建表语句,支持 MySQL、PostgreSQL、openGauss、SQLite 多种数据库,再也不用为给字段起名字发愁了。

GitHub:https://github.com/undsky/RuoYi-SpringBoot3-Pro

在企业级项目开发中,数据库表结构设计是一项繁琐但重要的工作。不同数据库的语法差异、字段命名规范、索引创建等细节往往需要开发者花费大量时间。

为了解决这个痛点,基于 Dify 平台开发了一个AI 驱动的数据库建表工作流,只需输入简单的表名和字段描述,即可自动生成符合规范的建表语句。

功能特点

🎯 多数据库支持

数据库

主键类型

适用场景

MySQL

AUTO_INCREMENT

互联网应用、中小型系统

PostgreSQL/瀚高

IDENTITY

政企系统、国产化替代

openGauss

BIGSERIAL

华为生态、金融系统

SQLite

AUTOINCREMENT

移动端、嵌入式、轻量应用

📝 智能字段命名

支持两种命名规范:

  • 拼音:适合国内项目,如dingdan(订单)、shangpin(商品)

  • 英文:适合国际化项目,如orderproduct

🏗️ 标准化表结构

自动生成的表包含以下标准字段:

id -- 主键ID(自增) tenant_id -- 租户ID(多租户支持) user_id -- 用户ID dept_id -- 部门ID status -- 状态(默认'0') create_by -- 创建者 create_time -- 创建时间 update_by -- 更新者 update_time -- 更新时间 remark -- 备注 sort -- 排序

🔍 自动创建索引

为常用查询字段自动创建索引:

  • idx_tenant_id- 租户查询优化

  • idx_user_id- 用户查询优化

  • idx_dept_id- 部门查询优化

快速开始

1. 导入工作流

  1. 1. 登录 Dify[1] 平台

  2. 2. 创建新应用 → 选择「导入 DSL」

  3. 3. 上传Dify_数据库建表.yml文件

  4. 4. 配置 LLM 模型(推荐使用通义千问 deepseek-v3 或其他大模型)

2. 配置参数

工作流提供两个配置项:

  • 数据库:选择目标数据库类型

  • 字段命名规范:选择拼音或英文

3. 输入格式

表名:字段1(类型),字段2(类型),字段3

说明:

  • • 一行代表一张表

  • • 字段类型可选,未指定时由 AI 自动推断

  • • 支持常见类型:varchar、int、bigint、decimal、datetime、text 等

使用示例

示例 1:电商订单表

输入:

订单:订单号(varchar),金额(decimal),下单时间(datetime),收货地址,状态

MySQL 输出:

DROP TABLE IF EXISTS `biz_dingdan`; CREATE TABLE `biz_dingdan` ( `id` bigint(20) NOT NULL AUTO_INCREMENT COMMENT 'ID', `tenant_id` bigint(20) NULL DEFAULT NULL COMMENT '租户ID', `user_id` bigint(20) NULL DEFAULT NULL COMMENT '用户ID', `dept_id` bigint(20) NULL DEFAULT NULL COMMENT '部门ID', `dingdanhao` varchar(50) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL COMMENT '订单号', `jine` decimal(20,4) NULL DEFAULT NULL COMMENT '金额', `xiadan_shijian` datetime(0) NULL DEFAULT NULL COMMENT '下单时间', `shouhuo_dizhi` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL COMMENT '收货地址', `status` char(1) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT '0' COMMENT '状态', `create_by` varchar(30) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT '' COMMENT '创建者', `create_time` datetime(0) NULL DEFAULT NULL COMMENT '创建时间', `update_by` varchar(30) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT '' COMMENT '更新者', `update_time` datetime(0) NULL DEFAULT NULL COMMENT '更新时间', `remark` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL COMMENT '备注', `sort` int(11) NULL DEFAULT 0 COMMENT '排序', PRIMARY KEY (`id`) USING BTREE, INDEX `idx_tenant_id`(`tenant_id`) USING BTREE, INDEX `idx_user_id`(`user_id`) USING BTREE, INDEX `idx_dept_id`(`dept_id`) USING BTREE ) ENGINE = InnoDB AUTO_INCREMENT = 1 CHARACTER SET = utf8mb4 COLLATE = utf8mb4_general_ci COMMENT = '订单' ROW_FORMAT = Dynamic;

示例 2:多表批量生成

输入:

商品:商品名称,价格(decimal),库存(int),分类ID(bigint) 商品分类:分类名称,父级ID(bigint),图标

输出:自动生成两张表的完整建表语句

示例 3:PostgreSQL/瀚高数据库

输入:

用户积分:积分值(int),来源,获取时间(timestamp)

PostgreSQL 输出:

DROP TABLE IF EXISTS "biz_yonghu_jifen"; CREATE TABLE "biz_yonghu_jifen" ( "id" int8 NOT NULL GENERATED BY DEFAULT AS IDENTITY ( INCREMENT 1 MINVALUE 1 MAXVALUE 9223372036854775807 START 1 CACHE 1 ), "tenant_id" int8, "user_id" int8, "dept_id" int8, "jifen_zhi" int4 DEFAULT NULL, "laiyuan" varchar(100) COLLATE "pg_catalog"."default", "huoqu_shijian" timestamp(6), "status" char(1) COLLATE "pg_catalog"."default" DEFAULT '0'::bpchar, "create_by" varchar(30) COLLATE "pg_catalog"."default" DEFAULT ''::character varying, "create_time" timestamp(6), "update_by" varchar(30) COLLATE "pg_catalog"."default" DEFAULT ''::character varying, "update_time" timestamp(6), "remark" varchar(255) COLLATE "pg_catalog"."default", "sort" int4 DEFAULT 0 ); COMMENT ON TABLE "biz_yonghu_jifen" IS '用户积分'; COMMENT ON COLUMN "biz_yonghu_jifen"."id" IS 'ID'; COMMENT ON COLUMN "biz_yonghu_jifen"."tenant_id" IS '租户ID'; -- ... 更多字段注释 CREATE INDEX "biz_yonghu_jifen_idx_tenant_id" ON "biz_yonghu_jifen" USING btree ("tenant_id"); CREATE INDEX "biz_yonghu_jifen_idx_user_id" ON "biz_yonghu_jifen" USING btree ("user_id"); CREATE INDEX "biz_yonghu_jifen_idx_dept_id" ON "biz_yonghu_jifen" USING btree ("dept_id"); ALTER TABLE "biz_yonghu_jifen" ADD CONSTRAINT "biz_yonghu_jifen_pkey" PRIMARY KEY ("id");

工作流原理

┌─────────┐ ┌──────────────┐ ┌─────────────┐ ┌──────────┐ │ 开始 │───▶│ 条件分支 │───▶│ LLM 节点 │───▶│ 直接回复 │ │ (参数) │ │ (数据库类型) │ │ (生成SQL) │ │ (输出) │ └─────────┘ └──────────────┘ └─────────────┘ └──────────┘ │ ├── MySQL ──────▶ MySQL LLM ├── PostgreSQL ─▶ PostgreSQL LLM ├── openGauss ──▶ openGauss LLM └── SQLite ─────▶ SQLite LLM

每个数据库分支使用专门的 Prompt 模板,确保生成的 SQL 语法完全符合目标数据库规范。

最佳实践

1. 字段类型建议

业务场景

推荐类型

金额、价格

decimal(20,4)

主键关联

bigint

状态标识

char(1)

短文本(名称)

varchar(50-100)

长文本(描述)

varchar(255) 或 text

时间戳

datetime / timestamp

2. 表名规范

  • • 生成的表名统一添加biz_前缀,与系统表区分

  • • 表名自动转为小写,避免大小写敏感问题

3. 与代码生成器配合

生成建表语句后,可以:

  1. 1. 执行 SQL 创建表

  2. 2. 使用 RuoYi 代码生成器生成 CRUD 代码

  3. 3. 快速完成业务模块开发

常见问题

Q: 如何修改默认的标准字段?

A: 编辑工作流中各 LLM 节点的 Prompt 模板,修改表结构定义部分。

Q: 支持其他数据库吗?

A: 可以复制现有分支,添加新的数据库类型和对应的 Prompt 模板。

Q: 生成的 SQL 可以直接执行吗?

A: 是的,生成的 SQL 经过验证,可以直接在对应数据库中执行。

获取工作流

工作流配置文件位于 RuoYi-SpringBoot3-Pro 项目的sql/Dify_数据库建表.yml

项目地址:

RuoYi-SpringBoot3-Pro[2]


💡 这个工作流是 RuoYi-SpringBoot3-Pro 项目的一部分,旨在提升开发效率。如果觉得有帮助,欢迎 Star 支持!

引用链接

[1]Dify:https://dify.ai
[2]RuoYi-SpringBoot3-Pro:https://github.com/undsky/RuoYi-SpringBoot3-Pro

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/1160592.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

AnimeGANv2版本回滚机制:模型更新失败应急部署教程

AnimeGANv2版本回滚机制:模型更新失败应急部署教程 1. 引言 1.1 业务场景描述 在AI图像风格迁移应用中,AnimeGANv2 因其轻量高效、画风唯美的特性,广泛应用于二次元头像生成、社交内容创作等场景。随着模型迭代加速,开发者常通…

这份无线联网智能门锁系统清单非常专业,清晰地勾勒出了一套适用于多业态、高流动性、强管理场景的现代化出入口解决方案。这不仅是设备清单,更是一套“去中心化部署、云端化管理”的智慧运营蓝图。

无线联网智能门锁系统——专为公寓、办公、宿舍、民宿与酒店打造的全场景智能门禁解决方案这套无线联网智能门锁系统,专为高流动性、多权限管理的场景设计,已广泛应用于公寓、企业宿舍、办公场所、民宿及酒店等环境,实现“一卡通行、远程管控…

【RuoYi-SpringBoot3-Pro】:多租户功能上手指南

【RuoYi-SpringBoot3-Pro】:多租户功能上手指南 做 SaaS 系统最头疼的是什么?肯定是数据隔离。 RuoYi-SpringBoot3-Pro[1] 直接集成了 MyBatis-Plus 的多租户插件(TenantLineInnerInterceptor),不用再关注租户 ID&am…

提示工程架构师经验:如何用Prompt解决客服复杂问题?

提示工程架构师经验:如何用Prompt解决客服复杂问题? 一、引言:客服AI的「尴尬时刻」,你遇到过吗? 上周晚饭后,我帮妈妈处理网购纠纷——她买的养生壶收到时底座裂了,联系客服AI得到回复&#xf…

对象库未注册-VB6企业版控件加载不了MSCOMCTL.ocx

关于WIN7下VB6中MicrosoftWindowsCommonControls6.0(SP6)加载提示“对象库未注册”的一种解决办法​​我之前在另外一台电脑上加上了进度条控件,使用正常;换了一台电脑之后,去“部件”中加入Microsoft Windows Common Controls 6.0 (SP6)时&a…

动漫生成服务SLA保障:AnimeGANv2高可用部署架构

动漫生成服务SLA保障:AnimeGANv2高可用部署架构 1. 引言 1.1 业务场景描述 随着AI图像风格迁移技术的普及,用户对“照片转动漫”类应用的需求迅速增长。尤其在社交娱乐、头像生成、内容创作等领域,基于AnimeGANv2的二次元转换服务因其画风…

go语言对phone脱敏显示

在Go语言中实现手机号脱敏显示主要有以下几种方式,从简单到完整逐步推荐: 一、基础实现(字符串切片) 最常用且高效的方式是直接使用字符串切片操作,保留前3位和后4位,中间用*替换: go 复制 …

通义千问2.5-7B-Instruct优化技巧:RTX 3060流畅运行指南

通义千问2.5-7B-Instruct优化技巧:RTX 3060流畅运行指南 1. 引言:为何在RTX 3060上部署Qwen2.5-7B-Instruct成为可能 随着大模型技术的快速演进,70亿参数级别的语言模型已逐步从“云端专属”走向本地化部署。通义千问2.5-7B-Instruct作为阿…

农业机械收割机拖拉机数据集6340张VOC+YOLO格式

农业机械收割机拖拉机数据集6340张VOCYOLO格式数据集格式:VOC格式YOLO格式压缩包内含:3个文件夹,分别存储图片、xml、txt文件JPEGImages文件夹中jpg图片总计:6340Annotations文件夹中xml文件总计:6340labels文件夹中tx…

AnimeGANv2如何提高边缘清晰度?后处理滤波技术实战

AnimeGANv2如何提高边缘清晰度?后处理滤波技术实战 1. 背景与问题分析 在基于AnimeGANv2的图像风格迁移应用中,尽管模型本身具备较强的动漫化能力,尤其在人脸保留和色彩渲染方面表现优异,但其生成结果常存在边缘模糊、轮廓失真、…

开源模型新选择:AnimeGANv2宫崎骏风格迁移实战指南

开源模型新选择:AnimeGANv2宫崎骏风格迁移实战指南 1. 引言 随着深度学习在图像生成领域的持续突破,风格迁移技术已从实验室走向大众应用。其中,AnimeGANv2 作为轻量级、高效率的动漫风格迁移模型,凭借其出色的画质表现和极低的…

AnimeGANv2优化指南:处理高分辨率图片的配置建议

AnimeGANv2优化指南:处理高分辨率图片的配置建议 1. 背景与挑战:高分辨率输入下的性能瓶颈 随着用户对图像质量要求的不断提升,将高清照片(如1080p、4K)转换为二次元风格的需求日益增长。AnimeGANv2 以其轻量级结构和…

keil5安装包下载通俗解释:新手也能轻松掌握

从零开始搭建嵌入式开发环境:Keil5安装与配置实战指南 你是不是也曾在搜索引擎里输入“ keil5安装包下载 ”,却被五花八门的链接、版本号和破解教程搞得一头雾水? 别担心,这不只是你在经历。几乎每一个刚接触STM32或ARM开发的…

车辆及人数据集(汽车公交车收割机拖拉机卡车人)12819张

车辆及人数据集(汽车公交车收割机拖拉机卡车人)12819张数据集格式:VOC格式YOLO格式压缩包内含:3个文件夹,分别存储图片、xml、txt文件JPEGImages文件夹中jpg图片总计:12819Annotations文件夹中xml文件总计&…

Qt 线程管理:从 QThread 到 QThreadPool

在 Qt 中,多线程开发主要围绕 QThread(底层控制)和 QThreadPool(效率复用)展开。QThread:手动管理线程生命周期,适用于常驻后台任务。QThreadPool:自动管理线程池,适用于…

AnimeGANv2从零开始:构建二次元转换器完整流程

AnimeGANv2从零开始:构建二次元转换器完整流程 1. 引言 1.1 学习目标 本文将带你从零开始,完整实现一个基于 AnimeGANv2 的照片转二次元动漫风格系统。你将掌握: AnimeGANv2 的核心原理与轻量化设计优势如何部署并运行一个支持人脸优化的…

物理约束机器学习赋能科学计算

物理约束机器学习赋能科学计算 研究人员从有限体积法中汲取灵感,并调整神经算子,以在物理系统的深度学习模型中强制执行守恒定律和边界条件。 深度学习方法在科学计算领域也展现出前景,可用于预测偏微分方程的解。这些方程通常数值求解成本高…

彻底解析Java访问修饰符:public、private、protected及默认的区别

文章目录彻底解析 Java 访问修饰符:public、private、protected 及默认的区别?什么是访问修饰符?第一部分:public(公共的)public 的作用范围public 的应用场景示例代码第二部分:private&#xf…

AnimeGANv2代码实例:Python调用模型避坑指南

AnimeGANv2代码实例:Python调用模型避坑指南 1. 引言 1.1 项目背景与技术价值 随着深度学习在图像生成领域的快速发展,风格迁移(Style Transfer)技术已从早期的神经网络艺术化处理演进到如今高度精细化的动漫风格转换。其中&am…

一键部署通义千问2.5-7B-Instruct,AI应用开发从未如此简单

一键部署通义千问2.5-7B-Instruct,AI应用开发从未如此简单 1. 引言:为什么选择通义千问2.5-7B-Instruct? 随着大模型技术的快速演进,开发者对高效、轻量且可商用的本地化推理模型需求日益增长。在这一背景下,通义千问…