织信开发日志 15：AI 生成数据表，真正困难的不是识别字段

织信开发日志 15AI 生成数据表真正困难的不是识别字段让 AI 生成一张数据表看起来是一个很直接的任务。用户说“帮我建一张项目表”AI 识别出项目名称、项目经理、开始日期和项目状态然后把字段创建出来。如果只看演示这一步已经很像“AI 建表”。但数据表真正进入业务系统后问题才刚开始。项目经理是一段文本还是一个可以参与权限判断的用户项目状态是让用户随便输入还是受控的选项项目进度是手工填写还是从任务完成情况汇总所以AI 生成数据表的难点不是从一句话里找出几个名词。它要把业务语言翻译成一组能够被查询、关联、统计、授权和自动化的结构。第一步是识别字段这次项目管理系统里AI 先生成了项目表、任务表、里程碑表、工时记录表和项目风险表。在项目表里它继续生成了一组字段项目编号项目名称项目状态项目经理项目优先级开始日期计划截止日期实际完成日期项目进度项目描述。从名称上看这组字段已经覆盖了项目的基本信息。这是 AI 的优势。它能很快从“项目管理”这个概念里找出常见的业务属性先让空白设计器变成一个可以继续讨论的初稿。但“字段名对不对”只是最浅的一层。字段类型是第一道业务判断假设 AI 识别出了“项目经理”接下来要创建什么类型的字段如果建成单行文本用户可以填写一个名字界面上也能正常显示。但系统不知道这个名字对应哪个账号。它无法给项目经理发送通知无法按当前用户过滤项目也无法用这个字段参与记录权限。它应该是用户选择字段。同样“项目状态”如果是文本就可能同时出现“进行中”“执行中”“正在进行”。这些文字人能看懂但对系统来说是三个不同的值。一旦进入筛选、分组、统计和自动化结果就会被分散。它应该是选项字段并且选项值应该受控。日期、整数、小数、用户、部门、选项、附件和关联记录它们不只是不同的输入控件。选中哪一种类型等于在决定这份数据以后能参与什么业务。有些字段其实不应该手填“项目进度”是一个很典型的例子。如果只从字面判断它可以是一个 0 到 100 的整数字段。运行端表单也确实可以让用户输入这个数字。但项目进度通常不是一个独立事实。它可能由已完成任务数除以全部任务数计算也可能按任务权重汇总还可能由里程碑的完成情况决定。如果让用户每次手动修改就会出现任务全部完成项目进度还停在 60% 的情况。所以 AI 不能只决定“这是个数字”。它还要识别这是原始录入值还是一个应该由系统计算的派生值。关联字段不能只看名称项目管理系统里任务需要关联项目工时需要关联项目和任务风险也需要回到所属项目。假设 AI 在任务表里创建一个文本字段名字叫“所属项目”页面上也能填入项目名称。但这不是关系。项目名称改了任务里的文本不会跟着改。系统也无法从项目下钻到任务更不能稳定地汇总任务数量。关联记录字段表达的是对象之间的连接不是一段看起来相同的文字。AI 要先知道应用中已经有哪些表再决定字段指向哪张表、是单条关联还是多条关联以及是否需要反向查看。这也是为什么 AI 建表前必须先读取应用结构。默认值和必填规则也在建模字段创建出来后还有一组容易被忽略的设置是否必填默认值是什么是否允许重复是否只读数字的范围文本的长度日期之间的先后关系。这些不是表单上的小配置。比如项目状态可以默认为“未开始”项目进度可以默认为 0项目编号应该唯一计划截止日期不应早于开始日期。如果 AI 只创建字段名称和类型结构看起来完整真实数据还是会很快变乱。一张可用的数据表必须同时表达“要存什么”和“什么样的值才允许存”。AI 要学会承认不确定业务语言里有很多信息不可能只靠常识确定。用户说“建一个客户管理系统”AI 不知道客户编号是不是企业已有的编码不知道客户状态有哪些真实选项也不知道一个客户能不能对应多个负责人。这时最危险的做法不是 AI 停下来问问题而是它用一组“常见做法”把所有细节都填满。看起来很完整也可以很快发布但这些默认假设会继续进入页面、统计、权限和自动化。更稳妥的方式是把判断分三类可以根据语义确定的直接生成可以使用安全默认值的生成后明确告知用户会影响业务口径的在执行前询问用户。AI 不需要在每个字段上都追问。但它要知道哪些是普通配置哪些是会改变系统行为的业务决策。生成之后必须回到运行端验证设计端看到字段列表不代表建表任务已经完成。至少还要用一批测试数据确认必填字段是否真的必要选项值能否覆盖真实状态用户和部门字段能否找到正确对象关联记录能否正常选择和下钻默认值是否正确非法数据是否会被拦下。这一轮验证会暴露很多在字段列表里看不出来的问题。所以我现在更认可一个完整的闭环AI 读取应用的现有结构从需求中识别业务对象和字段为字段选择有业务语义的类型确定关联、默认值和校验规则让用户确认影响业务口径的决策执行创建再用测试数据验证。AI 生成数据表不应该只追求“一句话创建了多少个字段”。字段数量越多不代表结构越完整。真正的质量要看五件事字段是否表达了真实业务语义字段类型能否支撑后续业务对象之间的关系是否正确默认值和校验能否保护数据质量不确定的业务决策是否交给了人。AI 可以大幅降低建表的操作成本。但它最有价值的地方不是比人更快地点击“新增字段”。而是它能不能把一句模糊的业务需求稳定地变成一个可以继续生长的数据结构。