Rychlý start: Použití tvůrce inteligentních dotazů

V tomto rychlém startu se dozvíte, jak pomocník pro vytváření dotazů pomáhá vytvářet efektivní, přesné a zabezpečené dotazy pomocí nezpracovaného SQL nebo preferovaného MODELU ORM. Je určená pro vývojáře založené na kódu i na data a umožňuje rychlejší generování logiky připravené pro produkční prostředí v souladu se schématem připojené databáze.

Začínáme

Ujistěte se, že jste připojení k databázi a máte otevřené okno aktivního editoru s rozšířením MSSQL. Když se připojíte, @mssql účastník chatu rozumí kontextu vašeho databázového prostředí a může poskytnout přesné návrhy s podporou kontextu. Pokud se nepřipojíte k databázi, účastník chatu nemá schéma ani datový kontext, aby poskytoval smysluplné odpovědi.

Následující příklady používají AdventureWorksLT2022 ukázkovou databázi, kterou si můžete stáhnout z domovské stránky Ukázky microsoft SQL Serveru a projekty komunity .

Nejlepších výsledků dosáhnete, když upravíte názvy tabulek a schémat tak, aby odpovídaly vašemu vlastnímu prostředí.

Ujistěte se, že chat obsahuje předponu @mssql . Například zadejte @mssql svůj dotaz nebo výzvu. Tato předpona zajišťuje, že účastník chatu rozumí tomu, že žádáte o pomoc související s SQL.

Vytváření dotazů

GitHub Copilot podporuje inteligentní vytváření dotazů přímo v editoru Visual Studio Code. Od základních SELECT až po komplexní spojení, filtry a agregace generuje dotazy SQL nebo ORM, které dodržují osvědčené postupy a odrážejí vaše aktuální schéma, abyste se mohli soustředit na logiku aplikace.

Tady jsou běžné případy použití a příklady toho, co se můžete zeptat prostřednictvím účastníka chatu:

Analýza založená na čase

Tyto výzvy pomáhají analyzovat trendy v průběhu času, jako jsou nedávné prodejní aktivity, nejvýkonnější podle období nebo porovnání s historickými průměry. GitHub Copilot může vytvářet dotazy, které počítají hodnoty vzhledem k nejnovějším datům vašich dat, a vyhnout se předpokladům na základě aktuálního systémového data.

Návratový seznam nadprůměrných prodejních objednávek za posledních šest měsíců

Generate a nested query to fetch orders from `SalesLT.SalesOrderHeader` where the total is above the average order amount for the last six months, relative to the most recent order date in the database (not relative to the current date).

Zobrazit tři nejlepší zákazníky seskupené podle roku

Write a query to find the top three customers by total sales in the `SalesLT.SalesOrderHeader` table, grouped by year.

Vrácení celkových výnosů za zákazníka za posledních 30 dnů

Find the total revenue for each customer in `SalesLT.Customer` who has placed orders in the last 30 days, relative to the most recent order date in `SalesLT.SalesOrderHeader` (not relative to the current date).

Vrácení zákazníků a objednávek za poslední rok

Create a Sequelize query to fetch `Customers` (`SalesLT.Customers`) along with their orders (`SalesLT.SalesOrderDetail`) and total revenue, sorted by descending revenue during the last year in the database (not relative to the current date).

Složité vztahy

Pomocí těchto výzev můžete vygenerovat dotazy, které zahrnují více souvisejících tabulek. Ať už připojujete zákaznická data s podrobnostmi objednávky nebo vytváříte agregace výnosů, GitHub Copilot vám pomůže procházet složité relace pomocí kontextu schématu k vytvoření přesných spojení a podmínek.

Vrátit seznam objednávek s nadprůměrnou hodnotou

Using the actual schema of the `SalesLT.SalesOrderHeader` table, generate a nested SQL query that retrieves orders where the order total is above the average order total for the last six months. The six-month period should be calculated relative to the most recent order date in the table (not the current date).

Vracející se zákazníci seřazení podle výnosu

Using my current database, create a SQLAlchemy query to fetch customers along with their orders and total revenue, sorted by descending revenue.

Vygenerování dotazu na celkové výnosy za zákazníka

Using Prisma, generate a query that joins `SalesLT.Customer`, `SalesLT.SalesOrderHeader`, and `SalesLT.SalesOrderDetail` and calculates total revenue per customer.

Vraťte deset nejlepších zákazníků podle prodeje

In Entity Framework, write a LINQ query that returns the top 10 customers by sales in the past year using the `SalesLT` schema.

Vrácení produktů, které se neprodaly v souvislosti s nedávnými prodeji

Write a TypeORM query that finds products that haven't been sold in the last six months. The six-month period should be calculated relative to the most recent order date in the table (not the current date).

Získat zákazníky na základě celkové útraty

Write a Django ORM query that retrieves all customers who have made purchases in the last year, sorted by total spending. The "last year" period should be calculated relative to the most recent order date in the table (not the current date).

Obchodní přehledy

Tyto výzvy poskytují užitečné přehledy z vašich dat. Od identifikace zákazníků s rizikem ztráty až po nalezení neprodaných produktů vám GitHub Copilot může pomoci vytvořit logiku, která podpoří strategická rozhodnutí a sestavy, přizpůsobená propojené databázi.

Identifikace nových zákazníků

Using my current database, generate a list that shows which customers have placed their first order in the last six months, using the most recent order date in the database as the reference point.

Identifikace produktů bez nedávného prodeje

Using my current database, generate a list that identifies products that haven't been sold in the last 12 months, using the most recent order date in the database as the reference.

Identifikace vysoce hodnotných zákazníků bez nedávných nákupů

Identify customers who have placed more than five orders but none in the last 90 days, using the most recent order date in the database as reference.

Vrácení prvních pěti produktů na základě výnosové sazby

List the top five products with the highest return rate based on order returns or cancellations, calculated relative to the most recent order date.

Generování dat trendu měsíčních výnosů

Generate a trend of monthly revenue over the last 12 months based on `OrderDate` in `SalesLT.SalesOrderHeader`, using the most recent order date as the anchor.

Vytvoření sestavy četnosti klesajících objednávek

Using SQLAlchemy and Pandas, create a report that identifies customers with declining order frequency over the last three quarters based on the most recent order date.

Pokud nám chcete pomoct upřesnit a vylepšit GitHub Copilot pro rozšíření MSSQL, odešlete zpětnou vazbu pomocí následující šablony problému Na GitHubu: Váš názor na GitHub Copilot

Při odesílání zpětné vazby zvažte následující:

Testované scénáře: Dejte nám vědět, na které oblasti jste se zaměřili, například na vytváření schématu, generování dotazů, zabezpečení, lokalizaci.
Co dobře fungovalo: Popište všechny zkušenosti, které byly plynulé, užitečné nebo překročily vaše očekávání.
Problémy nebo chyby: Zahrňte všechny problémy, nekonzistence nebo matoucí chování. Snímky obrazovky nebo nahrávky obrazovky jsou užitečné hlavně.
Návrhy pro zlepšení: Sdílejte nápady na zlepšení použitelnosti, rozšíření pokrytí nebo vylepšení odpovědí GitHub Copilotu.

Váš názor

Byla tato stránka užitečná?

Last updated on 2026-01-20