需提供完整建表语句（含字段名、主键、外键）才能准确生成SQL；自然语言描述需求或显式指定JOIN方式/字段/过滤条件均可，但必须避免SELECT *，且须验证表别名、关联字段和执行计划。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要根据数据库表结构快速写出准确的SQL查询语句，但面对字段名不熟悉、关系不清晰、别名易混淆等情况，手动拼写容易出错漏字段或写错JOIN条件。
先确认表结构信息
打开智谱清言网页版或App，在对话框中直接粘贴建表语句，例如：CREATE TABLE users (id INT PRIMARY KEY, name VARCHAR(50), dept_id INT); CREATE TABLE departments (id INT PRIMARY KEY, dept_name VARCHAR(30));。
输入提示：“请根据以上两张表，生成‘查询每个用户姓名及其所属部门名称’的SQL语句。”
这一步必须提供完整建表语句或至少包含字段名、主键、外键关联信息；只说“users表和depts表”而无字段定义，智谱清言无法推断dept_id是否指向departments.id。
明确查询目标后让模型生成SQL
方法一：用自然语言描述业务需求，不提技术词
输入：“查出所有订单的下单时间、客户姓名、商品名称和实付金额，按时间倒序排。”
方法二：带约束条件的精准指令
输入：“用LEFT JOIN连接orders、customers、products三张表，只选order_date、customer_name、product_name、final_amount四个字段，过滤掉final_amount为NULL的记录，结果按order_date降序排列。”
【必须显式说明连接方式和过滤逻辑】 否则模型可能默认用INNER JOIN，导致丢失未匹配的订单或客户数据。
验证生成的SQL是否可用
第一步：检查FROM后的主表是否合理——通常以核心业务实体（如orders、users）为主表；
第二步：核对ON子句中的关联字段是否成对且类型一致，例如ON o.customer_id = c.id不能写成ON o.customer_id = c.name；
第三步：确认SELECT列表中所有字段都带了正确的表别名前缀，避免出现“column 'name' ambiguous”错误；
第四步：把生成的SQL复制到数据库客户端中执行前，先用EXPLAIN分析执行计划，确认没全表扫描关键大表。
如果模型返回了SELECT * FROM ...，立刻要求它改写为显式列出所需字段——生产环境严禁用*，字段顺序和数量变更会导致应用解析失败。
