钩子：AI 不是听不懂你，是你没把“账本”讲清楚

很多人用 AI 做项目，卡住的地方不是代码，而是反复改需求：这里少一个字段，那里状态乱了，页面能做出来，数据却存不住、查不准、改不动。
所谓懂一点数据库，不是让你去背 SQL，而是让你知道：一个系统真正的骨架，不是页面，是数据。

数据库思维，就是先问“这件事要被怎样记录”

普通人做 Vibe Coding，最容易犯的错是先说界面：“我要一个报名页”“我要一个学员管理后台”“我要一个内容选题库”。这当然没错，但对 AI 来说还不够。

更稳的说法是：这个系统里有哪些东西？每个东西要记录哪些信息？它们之间是什么关系？哪些状态会变化？哪些记录不能丢？

比如做一个课程报名工具，别先让 AI 画页面。先讲清楚：有用户、课程、订单、支付状态、上课记录、跟进记录。用户可以报名多门课，一门课可以有很多用户，订单有待支付、已支付、已取消。这样 AI 才知道该怎么设计，而不是凭感觉拼几个表单。

你不用会建库，但要会写“数据说明书”

给 AI 的第一份材料，最好不是长篇需求，而是一张简单数据说明书：

  1. 业务对象：系统里要管理什么东西，比如用户、课程、文章、订单。
  2. 字段：每个对象要记什么，比如姓名、手机号、来源、状态、创建时间。
  3. 关系：谁属于谁，谁可以有多个谁。
  4. 状态：一个对象会经历哪些阶段，比如草稿、待审核、已发布。
  5. 规则：哪些字段必填，哪些不能重复，哪些只能管理员改。

这五项写清楚，AI 写代码时会少很多“自作主张”。你后面让它改页面、加筛选、做导出，也不容易牵一发动全身。

内容和教育从业者更该学这点

做内容的人，常把资料堆在文档、表格、聊天记录里；做教育的人，常把用户、课程、服务动作拆散在不同工具里。看起来能用，实际一自动化就乱。

数据库思维能帮你把“经验”变成“可调用的资产”。选题不只是一个标题，而是来源、主题、人群、痛点、角度、发布时间、表现数据；课程不只是一个产品，而是课节、资料、作业、反馈、进度。只有这些信息有结构，AI 才能帮你检索、复盘、生成、提醒，而不是每次都重新问一遍背景。

一个可直接套用的 AI 工作流

第一步，先用自然语言写业务流程：谁在什么时候做什么。
第二步，让 AI 从流程里提取对象、字段、关系。
第三步，要求 AI 生成一版数据字典，并追问“哪里可能缺字段”。
第四步，再让 AI 基于数据字典设计页面和功能。
第五步，每次新增需求，先问它会影响哪些表、字段、状态，再改代码。

关键不是把自己变成程序员，而是学会在开工前把混乱的业务说清楚。懂一点数据库，就是少一点玄学，多一点控制感。你越能把事情讲成结构，AI 越像助手；你只给感觉，AI 就只能陪你猜。