鲸品堂｜浅谈GPT在数据库重构项目中的创新应用

数据库方面：数据库中存在大量的存储过程、函数、动态SQL需要进行语法差异转换，并且调用链情况较为复杂，在存过、函数、动态SQL之间存在着互相调用的情况，耦合度比较高。

代码方面：祖传架构方面，老式集群模式的项目下代码工程多，工程中的技术框架经过很多轮的迭代，包含JDBC、MyBatis、FreeMarker、EJB、工厂模式等。业务实现方面，有大量的存过、函数调用，并且SQL的组装无处不在，有字符串拼接、StringBuffer、StringBuilder、mapper.xml、自定义XML等方式。

代码走查需仔细，否则范围难控制；

对于人员经验要求高，需要熟悉框架，能够识别、发现、解决问题；

大量的SQL和代码改造，具备高度经验化、高重复化的特征；

DDL转换场景：将Oracle数据库中的表、存储过程、函数、视图等DDL导出到文件中，文本扫描器扫描生成DDL转换任务，分配给研发人员进行审核后，就可以直接交给AI处理；

代码工程转换场景：上传或git拉取代码工程并托管，javaparser、文本扫描器会对代码工程做自动走查扫描，将需要处理的java类、mapper.xml文件等，作为任务，分配给研发人员，待审核后，直接交由AI处理。

模型选择、加载：需要分析场景任务选择合适的模型，将模型加载到计算环境中，以便进行后续的校准和交互；

样本数据准备：为了进行指令的校准，我们将需要问询的数据整理成样本数据；

指令示例：样本数据和特定的场景指令集，组合形成待校准指令集；

筛选指令：根据不同指令的响应，选择符合预期的指令作为场景的prompt。