SQL 最难的不是语法，是把业务问题翻译成正确的查询逻辑，特别是涉及窗口函数、CTE、多表关联时。Claude Code 是这里最直接的提效点。
从业务问题到 SQL：
claude "帮我写这个查询：
业务问题：
找出过去 30 天内，至少购买过 2 次、且最近一次购买金额比平均高的用户
表结构：
- orders(id, user_id, amount, created_at)
- users(id, email, name)
要求：
1. 先写出思路（不要直接给 SQL）
2. 再给出 PostgreSQL SQL
3. 解释每个 CTE 或子查询做了什么
4. 给出可以用来验证结果的简单测试数据"
慢查询优化：
claude "这个查询跑了 8 秒，EXPLAIN ANALYZE 如下：
[explain analyze 输出]
分析：
1. 哪个操作最慢？（Seq Scan vs Index Scan，Sort 成本等）
2. 为什么走了全表扫描？
3. 应该在哪些列上建索引？
4. 查询本身有没有可以重写的地方（避免不必要的排序、减少 join 代价）
给出具体的优化方案，以及如何验证优化效果（不只看执行时间，看 actual rows vs estimated）"
窗口函数实战：
claude "用 PostgreSQL 窗口函数解决这些问题：
1. 每个用户的订单，按时间排序，计算每个订单与上一次订单的间隔天数
2. 每个商品类别下，销售额 Top 3 的商品（允许并列）
3. 计算每日新增用户的 7 日滚动平均
4. 找出每个用户的连续登录最长天数
每个给出 SQL + 解释窗口函数的 PARTITION BY 和 ORDER BY 在这里的作用。"
数据迁移脚本：
claude "写一个 PostgreSQL 数据迁移脚本：
背景：把 orders 表的 status 字段从 VARCHAR 改成枚举类型
现有值：'pending', 'paid', 'shipped', 'completed', 'cancelled'
要求：
1. 先建枚举类型
2. 添加新字段
3. 用 UPDATE 迁移数据
4. 删除旧字段
注意：
- 这个表有 500 万行，迁移不能锁表太久
- 要有回滚方案
- 迁移期间如何处理新写入（双写）？
给出分步骤的迁移脚本，包括每步的风险点。"
报表查询设计：
claude "设计这个报表的查询方案：
报表：产品运营周报
- 本周新增用户数 vs 上周
- 每天活跃用户（DAU）趋势
- 付费转化率（注册→付费）
- 各渠道来源占比
- 留存率（D1、D7、D30）
表：users(id, created_at, source), events(user_id, event_type, created_at), payments(user_id, amount, created_at)
问题：
1. 哪些报表适合实时查询，哪些需要预计算（存汇总表）？
2. 留存率如何用 SQL 计算？（给出具体 SQL）
3. 如果这些报表每天 100 次查询，数据库压力如何，要不要 materialized view？"
数据质量检查：
claude "帮我写数据质量检查脚本，每天定时运行：
检查项：
1. 孤儿记录（orders 有 user_id，但 users 表不存在）
2. 重复数据（同一用户同一天同一金额的订单超过 1 条）
3. 异常值（order amount 超过 99 分位数的 3 倍）
4. 数据新鲜度（events 表最新数据超过 2 小时没有更新）
5. NULL 比率异常（某列 NULL 比率突然从 5% 变成 50%）
输出：
- JSON 格式的检查报告
- 严重（需要立即处理）vs 警告（需要关注）
- 每个问题的影响行数"
数据工作的 AI 使用原则：让 Claude 帮你翻译意图（业务问题 → SQL），但你要负责验证结果（用样本数据核实逻辑）。SQL 写错了，结果看起来可能完全正常但数字是错的——这是数据工作的头号杀手。