前言

在项目实施过程中，数据导入几乎是每个技术人都绕不开的问题。

过去，我们只能靠手写脚本、手写SQL，一列列分析，一行行导入，既枯燥又低效。现在，随着 AI 能力的发展，数据导入这件事将变得前所未有的高效和轻松。

今天就和大家聊聊，如何让 AI 帮助我们完成枯燥、低效的数据导入工作。

而我们，应该多去享受生活嘛~

背景及任务

背景

依然是我们内部的协同办公平台，整个项目后端采用 Spring Boot + 原生Mybatis 实现，数据库采用的 MySQL。

平台中有一个模块是“项目环境”，主要管理我们所有项目的各类部署环境，比如开发环境、测试环境、预发布环境、生产环境等，效果如下：

任务

之前没有平台时，通过企业微信的在线表格进行记录，现在，系统初步建设完成，我们需要将表格数据导入到平台的“项目环境”模块中。

文中数据已混淆处理。

操作过程

开发环境：Cursor + Claude 3.7，Chat/Ask 模式。

数据库：Mysql 5.7.x。

本次分享的 AI 辅助数据导入思路，是直接根据表格数据生成sql语句，然后执行sql语句插入数据库。比较适合数据量不太大，且数据格式较为简单的场景。

数据量不能太大的原因，结语中再行讨论。

其实不使用表格，直接使用文本也可以，但是容易遇到结构化不清晰的文本导致 AI 理解偏差，进而导致 SQL 语句生成错误，因此建议直接整理成表格进行导入。

整理数据

1、将需要导入的数据整理到Excel中。

2、将Excel另存为 CSV 格式，方便 AI 读取。

不使用 Excel 格式是因为 AI 默认无法解析 Excel 文件。

如果是很简单的表格，比如，几行数据，列也比较清晰的话，直接截图粘贴到上下文中也是可以的。

但针对一些特殊字符或者行数较多，还是建议使用 CSV 格式，减少识别错误。

编写提示词

该场景的提示词主要包括四部分：

1. 明确任务：根据表结构从CSV文件中读取数据，并生成sql语句。
2. 表结构：直接使用建表 SQL。
3. 数据：使用 CSV 文件。
4. 说明：包括数据映射规则、数据格式要求等。

下面分部分进行分析。

明确任务

这一点应该比较简单，主要点明“参考表结构”、“从CSV文件中读取数据”、“生成sql语句”这几个关键地方。

表结构

表结构直接使用建表的sql语句说明即可。

脚本导入通常依赖列名或下标进行严格匹配，方式较为固定；而AI则能结合上下文智能理解和映射字段，大大提升了数据导入的灵活性和容错能力，这也是AI导入数据的一大优势。

数据

直接使用CSV文件即可。

需要说明的是，Cursor 中无法直接粘贴 CSV 文件，需要先将 CSV 文件复制到项目中，再通过 @ 进行引用。

说明

1、数据中有些字段需要进行转换，比如，环境类型是个字典、项目是个关联字段，需要转换成对应的 value 或者 id。

为了展示效果，我分别采用两种方式进行转换说明。

• 环境类型：直接引入字典表的sql语句，只需点名需要转换成对应的 value，AI 即可自行转换。
• 关联项目：关联字段则直接通过在提示词中写明对应关系进行转换。

2、数据中有些字段需要进行格式化，比如，时间格式需要转换成 yyyy-MM-dd HH:mm 格式。

生成SQL

上下文：

• 项目环境的建表sql
• CSV格式的导入数据
• 字典数据sql：用于映射环境类型使用

提示词：

参考project_environment表结构，从CSV文件中读取数据，并生成insert sql语句。

说明：
- 环境类型是个字典，字典类型为sccop_env_type，sql中直接使用字典对应的value。
- 项目是个关联字段，项目环境中存储项目id，项目id与名称对应关系如下：内部AI创新项目-1，花慧-2，深创协同办公平台-3，易拍即识小程序-4，细胞溯源管理系统-5，深创官网-6，通悟官网-7。
- create_by_id=1，dept_id=1,create_by=admin,create_time使用now()

结果：

显示生成 sql，然后展示中间的转换关系，方便大家进行核对。

说实话，除了主要的结果，还把相关文档整理了，这不比普通初级程序员完成任务的效果好很多？

并且，我实际写提示词的时候，忘记增加日期格式了，但是由于字典数据 sql 中有日期格式，AI 直接学会了。

执行SQL

在各类数据库管理工具中执行生成的sql语句，完成数据导入。

结语

这里补充说明一下，之所以推荐在数据量不大的场景下使用本文这种 AI 导入数据的方式，主要是因为大模型的上下文长度有限，数据过多时容易出现“幻觉”，导致生成的SQL语句不准确。

在实际测试过程中，40条以上的记录，本文的方法就已经有几率出现编造数据的情况了。

如果确实有大批量或更复杂的数据导入需求，建议采用分批处理或者采用Agent模式。

如果你在实际操作中遇到其他棘手的数据导入场景，欢迎留言交流，后续我也会再分享一些其他导入方式。