鯨品堂｜淺談GPT在數據庫重構項目中的創新應用

數據庫方面：數據庫中存在大量的存儲過程、函數、動態SQL需要進行語法差異轉換，并且調用鏈情況較為復雜，在存過、函數、動態SQL之間存在著互相調用的情況，耦合度比較高。

代碼方面：祖傳架構方面，老式集群模式的項目下代碼工程多，工程中的技術框架經過很多輪的迭代，包含JDBC、MyBatis、FreeMarker、EJB、工廠模式等。業務實現方面，有大量的存過、函數調用，并且SQL的組裝無處不在，有字符串拼接、StringBuffer、StringBuilder、mapper.xml、自定義XML等方式。

代碼走查需仔細，否則范圍難控制；

對于人員經驗要求高，需要熟悉框架，能夠識別、發現、解決問題；

大量的SQL和代碼改造，具備高度經驗化、高重復化的特征；

DDL轉換場景：將Oracle數據庫中的表、存儲過程、函數、視圖等DDL導出到文件中，文本掃描器掃描生成DDL轉換任務，分配給研發人員進行審核后，就可以直接交給AI處理；

代碼工程轉換場景：上傳或git拉取代碼工程并托管，javaparser、文本掃描器會對代碼工程做自動走查掃描，將需要處理的java類、mapper.xml文件等，作為任務，分配給研發人員，待審核后，直接交由AI處理。

模型選擇、加載：需要分析場景任務選擇合適的模型，將模型加載到計算環境中，以便進行后續的校準和交互；

樣本數據準備：為了進行指令的校準，我們將需要問詢的數據整理成樣本數據；

指令示例：樣本數據和特定的場景指令集，組合形成待校準指令集；

篩選指令：根據不同指令的響應，選擇符合預期的指令作為場景的prompt。