智慧功能
協助 SQLly 用白話解釋你的資料庫、而不假裝知道得比實際更多的工具。
結構描述能告訴你欄位叫什麼,卻不一定告訴你這個欄位是什麼意思。SQLly 的智慧功能就是在謹慎地補上這段落差。即時的值感知自動完成功能在 IntelliSense › 資料感知;本節涵蓋的是建構在語言模型之上的各個層次。
一切都以你的目錄為基礎
這裡沒有任何功能需要模型去猜測你的資料庫。SQLly 會維護一份可搜尋的 目錄 你的 schema 物件,並針對每個問題組出一個範圍有限的切片:把評為相關的物件排出順序,裁減到權杖預算內,並在答案旁邊附上實際包含的清單。因此每個回應都會附帶自己的引用出處,你可以看出它是依據哪些資料表和欄位而來。
凡是能由確定性檢查回答的問題,就先跑檢查,再把結果交給模型。例如 SQL 審查會先執行解析器支援的驗證器,再請模型解釋並處理每個確實成立的發現,這也是為什麼敘述談的是你的查詢,而不是泛泛的 SQL。
哪個模型執行它
| 它在哪裡執行 | 選項 |
|---|---|
| 裝置端 | Ollama 在任何平台上,或者 MLX 執行環境,就在 Apple Silicon 上。沒有任何資料會離開機器。 |
| 你自己的端點 | 任何與 OpenAI 或 Anthropic 相容的基底 URL——自我架設的閘道器,或你區網上的模型伺服器。SQLly 會將指向 localhost 的設定檔標記為 local. |
| 雲端,在你要求時才使用 | 每一種都是具名的 提供者設定檔 各自擁有模型、上下文視窗、推理等級與選用的代理——金鑰以機密參照的形式儲存,而不是放在設定檔中。 |
預設為無。 沒有內建的雲端金鑰,也沒有預設提供者。在你建立設定檔之前,AI 功能沒有地方可以送出提示;每個設定檔也都會清楚標示它是
local 或 cloud.先試用,再信任
這 AI 遊樂場 讓你可以為每個提供者設定檔指定一組提示,然後比較回傳的結果——同樣的問題、同樣的目錄情境、不同的模型,權杖上限也由你掌控。這是在把小型本機模型接進日常工作之前,老實確認它夠不夠用的方法。
在本節中
- 裝置端查詢摘要 進行中
- 在你得自己逐句解讀之前,先用你掌控的模型取得查詢的白話預覽。
- 自動魔法字串文件 已規劃
- 透過 DDL 追蹤一個無法解釋的值,並為下一個人(或許就是未來的你)留下有用的註解。
- 原生 grep-ai 搜尋 已規劃
- 依你的意圖搜尋結構描述和資料,而不是只搜尋你剛好記得的那些確切 SQL 字詞。
- 決策模型
- 選用的快速雲端模型,負責回答瑣碎的單選問題,讓好幾個功能能給出聰明的初步猜測。
- 供程式碼代理使用的 MCP 伺服器
- 讓 Claude Code、Cursor、VS Code 和 Windsurf 透過 MCP 唯讀使用你儲存的連線,且不分享任何密碼。