AI 辅助数据开发正在重塑 SQL 编写方式，采用直接生成 SQL 或结合中间表示的分层方法。本文聚焦于 Trae（AI 规划）与 SQLazy（执行层）相结合的模型。该合作确立了"AI 规划 + 人工审查 + 确定性引擎执行”的框架。流程包括：加载项目知识、明确需求并分解任务后，Trae 生成逐步的 SQLazy 脚本（.nspl）；SQLazy 的 IDE 支持逐步执行、实时调试以及从单一脚本进行跨数据库编译。工作流程始于环境配置，随后通过提供详细的业务需求触发 Trae。最关键阶段是在 SQLazy IDE 中进行验证与修正，利用测试数据验证中间结果。四个真实案例展示了该方法论：统计聚合、多表合并、跨子组数据填充及金额分配。较简单的案例可一次性正确完成，而复杂场景如跨组数据填充和金额分配则需迭代修正。跨组填充案例凸显了当直接连接键不适用时，使用行号作为映射桥梁的重要性。金额分配案例最为复杂，需多次迭代以优化语法与逻辑，特别是在四舍五入及余数分配方面，以确保总额守恒。