Разработка данных с помощью ИИ трансформирует написание SQL, используя либо прямое создание SQL, либо многоуровневый подход с промежуточными представлениями. Эта статья посвящена комбинированной модели Trae (ИИ-планирование) и SQLazy (исполнительный уровень). Это партнерство устанавливает фреймворк "ИИ-планирование + человеческая проверка + детерминированное выполнение движком". Процесс включает генерацию Trae пошаговых скриптов SQLazy (.nspl) после загрузки знаний о проекте, уточнения требований и декомпозиции задач. IDE SQLazy облегчает пошаговое выполнение, отладку в реальном времени и кросс-базовую компиляцию из одного скрипта.Рабочий процесс начинается с настройки среды, за которой следует запуск Trae с подробными бизнес-требованиями. Наиболее важным этапом является валидация и исправление в IDE SQLazy, где тестовые данные используются для проверки промежуточных результатов. Четыре реальных примера иллюстрируют методологию: статистическая агрегация, слияние нескольких таблиц, заполнение данных между подгруппами и распределение сумм. В то время как более простые случаи были правильно обработаны за один раз, сложные сценарии, такие как заполнение данных между группами и распределение сумм, потребовали итеративных исправлений. Случай с заполнением между группами подчеркнул важность использования номеров строк в качестве моста для сопоставления, когда прямые ключи соединения не подходят. Случай с распределением сумм, самый сложный, потребовал нескольких итераций для уточнения синтаксиса и логики, особенно в отношении округления и распределения остатков для обеспечения сохранения общей суммы.