AI 기반 데이터 개발은 직접적인 SQL 생성 또는 중간 표현을 활용한 계층적 접근 방식을 통해 SQL 작성 방식을 변화시키고 있습니다. 본 문서는 Trae(AI 계획)와 SQLazy(실행 계층)의 결합 모델에 초점을 맞춥니다. 이 파트너십은 "AI 계획 + 인간 검토 + 결정론적 엔진 실행" 프레임워크를 구축합니다. 이 과정은 프로젝트 지식을 로드하고, 요구 사항을 명확히 하며, 작업을 분해한 후 Trae가 단계별 SQLazy 스크립트(.nspl)를 생성하는 것을 포함합니다. SQLazy의 IDE는 단일 스크립트에서 단계별 실행, 실시간 디버깅 및 크로스 데이터베이스 컴파일을 용이하게 합니다.워크플로우는 환경 설정으로 시작하여 상세한 비즈니스 요구 사항으로 Trae를 트리거하는 것으로 이어집니다. 가장 중요한 단계는 SQLazy IDE에서의 검증 및 수정으로, 테스트 데이터를 사용하여 중간 결과를 확인합니다. 네 가지 실제 사례 연구가 이 방법론을 보여줍니다: 통계 집계, 다중 테이블 병합, 교차 하위 그룹 데이터 채우기, 금액 할당. 더 간단한 경우는 한 번에 올바르게 처리되었지만, 교차 하위 그룹 데이터 채우기 및 금액 할당과 같은 복잡한 시나리오는 반복적인 수정이 필요했습니다. 교차 하위 그룹 채우기 사례는 직접적인 조인 키가 적합하지 않을 때 행 번호를 매핑 브릿지로 사용하는 것의 중요성을 강조했습니다. 가장 복잡한 금액 할당 사례는 전체 보존을 보장하기 위해 반올림 및 나머지 분배와 관련된 구문 및 논리를 개선하기 위해 여러 번의 반복이 필요했습니다.