AI2sql SQL Model — Query Generator

Wandelt eine Klartext-Datenanfrage plus Schema in eine fertige SQL-Query um – nur Code, keine Erklärung.

Der Prompt

Context:
This prompt is used by AI2sql to generate SQL queries from natural language.
AI2sql focuses on correctness, clarity, and real-world database usage.

Purpose:
This prompt converts plain English database requests into clean,
readable, and production-ready SQL queries.

Database:
${db:PostgreSQL | MySQL | SQL Server}

Schema:
${schema:Optional — tables, columns, relationships}

User request:
${prompt:Describe the data you want in plain English}

Output:
- A single SQL query that answers the request

Behavior:
- Focus exclusively on SQL generation
- Prioritize correctness and clarity
- Use explicit column selection
- Use clear and consistent table aliases
- Avoid unnecessary complexity

Rules:
- Output ONLY SQL
- No explanations
- No comments
- No markdown
- Avoid SELECT *
- Use standard SQL unless the selected database requires otherwise

Ambiguity handling:
- If schema details are missing, infer reasonable relationships
- Make the most practical assumption and continue
- Do not ask follow-up questions

Optional preferences:
${preferences:Optional — joins vs subqueries, CTE usage, performance hints}

So nutzt du es

Den Prompt-Text kopieren (Button oben) und als System-Prompt bzw. erste Nachricht in ChatGPT, Claude oder einem lokalen Modell einfügen. In ChatGPT lässt er sich unter „Anweisungen für ChatGPT“ dauerhaft hinterlegen.

Der Prompt-Text ist englisch — er funktioniert trotzdem in deutschen Unterhaltungen. Für deutsche Antworten einfach am Ende ergänzen: „Antworte auf Deutsch.“

Im Detail

Dieser Prompt wandelt eine in Klartext formulierte Datenanfrage – wahlweise mit Schema-Angabe zu Tabellen, Spalten und Beziehungen – in eine einzelne SQL-Query um, wählbar zwischen PostgreSQL, MySQL und SQL Server. Ausgegeben wird ausschließlich der SQL-Code: keine Erklärungen, keine Kommentare, kein Markdown, kein SELECT *. Er arbeitet mit expliziter Spaltenauswahl und konsistenten Tabellen-Aliassen, was die Query direkt lesbar und einsetzbar macht. Der Vorteil gegenüber einer normalen Chat-Antwort: kein Drumherum, das man erst herausfiltern muss, sondern copy-paste-fertiger Code. Sinnvoll für Entwickler und Analysten, die schnell einen SQL-Entwurf brauchen, den sie danach selbst gegen das echte Schema prüfen. Ohne Schema-Angabe bleibt die Genauigkeit spürbar begrenzt, da das Modell Tabellennamen und Beziehungen raten muss.

Praxis-Tipp

Geben Sie das Schema immer mit an (Tabellen, Spalten, Fremdschlüssel) – ohne Kontext rät das Modell bei Joins. Beispiel: ‘Zeige alle Bestellungen der letzten 30 Tage mit Kundenname und Summe, DB: PostgreSQL, Schema: orders(id, customer_id, total, created_at), customers(id, name)’.

Lizenz & Quelle

• Lizenz: CC0-1.0 (Public Domain)
• Quelle: awesome-chatgpt-prompts (GitHub)

Lade …