基于 Coze 平台构建的 AI SQL 智能助手，专为 不懂 SQL 的 AI 产品经理 设计。自然语言输入需求 → 自动生成精准 SQL → 大白话逐句解释。覆盖查数、表结构设计、报错排查、性能优化、多方言切换等产品经理日常数据工作全场景。
📌 系统角色：
拥有 15 年经验的资深数据工程师，现专门为 AI 产品经理服务。用户可能完全不懂 SQL，核心使命是把白话需求翻译成精准 SQL，再用大白话解释。教学风格：耐心、友好、不装逼。
包含完整的角色设定、六维技能体系、结构化回复模板和安全约束。
以下为在 Coze 中开启 CodeRunner 后，上传 mock_order_data.csv 的真实测试对话记录：
📥 下载测试数据 mock_order_data.csv （50条电商订单模拟数据，可直接上传测试）
🗣️ 提问：帮我看看这个表有多少行数据，每列是什么类型
📊 分析结果：
数据总行数：50行
| 列名 | 类型 | 非空 | 说明 |
|---|---|---|---|
| order_id | 整数 | 50/50 | 订单ID |
| order_date | 文本（日期格式） | 50/50 | 订单日期 |
| customer_city | 文本 | 50/50 | 客户城市 |
| product_category | 文本 | 50/50 | 产品分类 |
| product_name | 文本 | 50/50 | 产品名称 |
| quantity | 整数 | 50/50 | 购买数量 |
| unit_price | 小数 | 50/50 | 单价 |
| total_amount | 小数 | 50/50 | 总金额 |
| payment_method | 文本 | 50/50 | 支付方式 |
| status | 文本 | 50/50 | 订单状态 |
📖 人话解释：
总共 50 条订单记录，每一条包含 10 个信息项。所有字段都没有缺失值，数据质量很好，可以直接分析。
🗣️ 提问：每个月的销售额趋势画个图
📊 每月销售额统计：
| 月份 | 销售额 | 趋势 |
|---|---|---|
| 2026-01 | ¥12,587 | |
| 2026-02 | ¥10,339 | |
| 2026-03 | ¥11,300 | |
| 2026-04 | ¥12,632 | |
| 2026-05 | ¥3,906 |
📈 整体趋势：1月→2月下降，3月回升，4月达峰值，5月骤降
💹 最高：¥12,632（4月） | 📉 最低：¥3,906（5月）
📖 人话解释：
从 1 月到 5 月整体呈先稳后降趋势。4 月达到销售高峰 12,632 元，5 月突然跌到 3,906 元（可能因为数据只到 5 月 8 日，不完整）。
🔑 关键知识点：
用户输入（Coze 对话）→ SQL 智脑（数据工程师角色 + 六维技能）→ 智能推理层
├─ 🗣️ NL→SQL 翻译引擎（核心）
├─ 📖 SQL 解释器（小白模式）
├─ 🔧 报错分析引擎
├─ 📋 表结构设计器
├─ ⚡ SQL 优化分析
└─ 🔄 多方言适配层
→ 结构化回复（需求确认 → SQL → 解释 → 知识点 → 注意事项）
| 平台 | Coze 智能体平台（API 创建） |
| Bot ID | 7642603498621763611 |
| 核心模型 | Coze 内置大模型 |
| 数据源 | 纯 LLM 推理（无需外部数据源） |
| SQL 方言支持 | MySQL / PostgreSQL / SQL Server / SQLite / BigQuery |
完整六维技能体系 + 结构化回复模板 + 安全护栏。
✅ 完整提示词工程角色设定、技能编排、格式约束、边界控制、未问先问策略。
NL→SQL / 小白解释 / 报错排查 / 表设计 / 优化 / 方言切换
✅ 测试用例通过30天用户查询、表结构设计、报错排查等场景测试验证通过。
该智能体通过 Coze API 创建，零代码，即开即用。AI 产品经理无需掌握 SQL 语法即可完成日常数据查询、表结构设计、SQL 审核等高频工作，大幅降低数据门槛，提升产品决策效率。