我以前容易把 SQL 当成"后端开发才会用到的数据库语言"。但最近越看 AI 应用，越发现它其实经常站在系统边上：

• RAG 里要用 metadata filter，把自然语言问题转成结构化过滤条件。
• Text2SQL 本身就是让模型读懂表结构，再生成可执行查询。
• Agent 做工具调用时，经常要查订单、用户、日志、指标这些结构化数据。
• 评估和实验分析也离不开按条件筛选、分组统计和对比结果。

所以这组 SQL 笔记不打算写成"数据库管理员大全"，而是先服务一个更朴素的目标：能读懂表，能安全查询，能理解多表关系，能知道模型什么时候在生成危险或不合理的 SQL。

虽然标题叫 SQL，但我不会只停在语法。事务的 ACID、约束、索引、执行计划、隔离和权限边界这些数据库基础，也会穿插进来。因为真正开发时，我们不是在孤立地"写 SQL 语句"，而是在和一个会保存状态、保证一致性、承受并发访问的数据库系统打交道。

这组文章里的 SQL 示例会尽量使用比较通用的写法；如果涉及 INTERVAL、RETURNING、窗口函数这类不同数据库方言略有差异的地方，我会按 PostgreSQL 风格来写，并在心智上提醒自己：真正落地时还要看 MySQL、SQLite、PostgreSQL 或 DuckDB 的具体语法差别。

我会先按这条路线整理：

1. SQL 入门：关系模型、表、行、列与主键 先建立数据库的基本心智：表为什么不是 Excel，主键、外键、字段类型和 NULL 到底在约束什么。

2. SQL 查询基础：SELECT、WHERE、ORDER BY 与 LIMIT 从最常见的读取开始，掌握投影、过滤、排序、分页这些几乎每天都会用到的操作。

3. SQL 聚合分组：COUNT、GROUP BY 与 HAVING 理解"明细数据"和"统计结果"的区别。很多报表、日志分析和评估指标，其实就是这一层。

4. SQL 多表查询：JOIN、外键与关系建模 进入 SQL 最关键的一步：数据为什么要拆成多张表，以及怎么通过 JOIN 把关系重新拼回来。

5. SQL 进阶查询：子查询、CTE 与窗口函数入门 当单条查询开始变复杂，就需要能把问题拆成中间步骤。CTE 更像给 SQL 查询加一个可读的草稿区。

6. SQL 写入与可靠性：INSERT、UPDATE、DELETE、事务与约束 查询只是读世界，写入会改变世界。这一篇重点放在如何少犯危险错误，以及事务、ACID 和约束为什么重要。

7. SQL 性能直觉：索引、执行计划与慢查询 不追求一上来精通优化，但至少要知道索引为什么能加速，也知道它不是越多越好。

8. SQL 与 AI 开发：Text2SQL、RAG 过滤与 Agent 数据工具 最后回到最初的动机：把 SQL 放回 AI 应用里，看模型如何使用结构化数据，以及开发者需要给它哪些边界。

1
users
2
- id
3
- name
4
- email
5
- status
6
- created_at
7

8
orders
9
- id
10
- user_id
11
- total_amount
12
- status
13
- created_at
14

15
products
16
- id
17
- name
18
- stock
19
- price

1
agent_runs
2
- id
3
- user_id
4
- model_name
5
- status
6
- latency_ms
7
- created_at
8

9
agent_tool_calls
10
- id
11
- run_id
12
- tool_name
13
- status
14
- created_at