现成的数据库工具已经很多,我仍然想做一个自己的查询工作台。
原因不在于 SQL 执行有什么新发明,而在于自己的工作顺序很明确:先找到以前整理的查询,确认这次条件,再查看和导出几组结果。有些参考资料,还得顺手查一下。
Query Toolkit 把这几件事放在一起。它不包办业务判断,也不想替代所有数据库客户端,只围绕我熟悉的这段工作,把常用操作接起来。
AI降临之时,万事皆如初学
碎片想法与日常记录,从新到旧。
现成的数据库工具已经很多,我仍然想做一个自己的查询工作台。
原因不在于 SQL 执行有什么新发明,而在于自己的工作顺序很明确:先找到以前整理的查询,确认这次条件,再查看和导出几组结果。有些参考资料,还得顺手查一下。
Query Toolkit 把这几件事放在一起。它不包办业务判断,也不想替代所有数据库客户端,只围绕我熟悉的这段工作,把常用操作接起来。
查一笔数据,真正执行 SQL 的时间可能并不长。找脚本、确认条件、切窗口、整理结果,才是容易反复花时间的地方。
我做过基金会计,也一直参与金融系统的需求和交付。工作里积累的查询越来越多,于是借助 AI,把常用 SQL、结果导出和本地表格检索整理成了 Query Toolkit。
这是我第一次把一个自用工具作为产品公开介绍。先从一件小事做起:已经弄清楚的问题,下次尽量不再从头来过。