@npe 每个任务步骤的 prompt 都能查看，比如这是生成 sql 的： 

同类型项目 https://github.com/vanna-ai/vanna 如果要专向 model 的话 https://github.com/NumbersStationAI/NSQL

@serco 对的，参考了 vanna ，chat2db ，https://www.sqlai.ai/之类的项目网站。 有几个区别：一个是细到列（考虑到可能一个表几百列，都作为上下文传给 AI 太耗 token 了）；另一个是可以维护 AI 备注（就是另外一个备注字段，比如原数据库我们可能没权限为了 ai 生成方便而大量修改字段备注）。

Datagrip 的自动补齐功能就足够了，AI 生成的无法保证正确性，只能是玩具

@serco 另外不用 vanna 就是感觉 vanna 是面向开发者的，默认的网页端 UI 太丑太难用了，所以做了一个面向用户的直接可用的东西

@leonhao 我也用 datagrip 作为数据库客户端，的确好用，但手撸 sql 时只有补齐功能没有 AI 功能，用过几个 AI 插件，都不行，写 sql 时干扰太大，都卸了。好像也没搜到有专门给 datagrip 写的 ai 生成 sql 插件。 所以为了提供准确的上下文，我思考了几个可能的来源： 1. 表，列信息 2. 文档信息 3. 生成历史（想当于示例，生成类似的 sql 时会很精确） 然后就尝试做了这么个工具，就是没想到会做这么久。

已经执行力很强了，才 2 周时间又不是全职在写。

@serco #16 主要是看很多文章教程里，其他人都 1 小时，1 天生成一个项目，不熟悉背后的技术细节，也没碰到任何问题，搞得我怀疑是不是我效率太低了或者用法有问题。https://i.imgur.com/MAyk5GN.png

@IndieYe 总要吸引眼球的嘛。除非自己对如何实现或者产品细节了如指掌，不然基本不能指望快速生成且调试通过。

6, 不知道对于业务逻辑的理解能力怎么样。是否可以根据数据库的注释来判断业务逻辑，而不是仅仅根据列名表名？