封面

最近我在学习数据库课程中的《第5章 数据操作语句》。这部分内容主要围绕 SQL 查询展开，包括 SELECT、WHERE、LIKE、ORDER BY、聚合函数等。

这篇博客不是单纯整理 SQL 知识点，而是想记录一种新的学习方式：

借助 AI，把课件变成一个可以互动的 “私人老师”。

我让 AI 按照课件一页一页讲解，每讲完一页，我可以随时提问；遇到例题时，AI 先不给答案，而是让我自己写 SQL，再判断对错并讲解原因。通过这种方式，原本静态的 PPT 变成了一个可对话、可练习、可纠错的学习过程。

一、我的学习规则设计

一开始，我给 AI 设定了明确的学习规则：

9 条学习规则
  1. 先阅读课件，告诉我总共多少页。
  2. 我说”开始”后，从第一页开始讲。
  3. 每次只讲一页。
  4. 我说 1，表示这一页懂了，进入下一页。
  5. 遇到例题时，AI 先只给题目，不给答案。
  6. 我先自己写 SQL。
  7. AI 判断我写得对不对。
  8. 如果错了，AI 讲清楚错在哪里、为什么错、怎么改。
  9. 我觉得重要的地方，让 AI 记录为”注意点”，最后统一总结。

这种规则的好处是：学习节奏完全由我控制，不会一下子被大量内容淹没。

二、AI 的角色不是”直接给答案”，而是”陪我思考”

以前看课件时，遇到例题我可能会直接看答案，感觉自己懂了，但真正写的时候还是容易错。

这次我要求 AI 遇到题目时不要直接讲答案，而是先把题目给我。

例如课件中有一道题：

查询价格低于 50 的图书的书名和价格。

我先自己写：

1
2
3
SELECT bname, price
FROM books
WHERE price < 50;

AI 判断正确后，再告诉我每一部分对应的含义：

  • SELECT bname, price：查询书名和价格
  • FROM books：从图书表中查询
  • WHERE price < 50：筛选价格低于 50 的图书

这种方式比直接看答案更有效，因为我经历了 “自己想 → 自己写 → 被反馈” 的过程。

三、AI 能及时纠正我的误区

在学习过程中，我经常会写出一些”看起来差不多，但实际有问题”的 SQL。

例如有一道题是：

查询计算机学院全体学生的姓名。

我一开始写成了：

1
2
3
SELECT sname
FROM students
WHERE press = '计算机学院';

AI 立刻指出：press 通常表示出版社，不是学院。学生所在学院应该用类似 college 的字段。

这让我意识到：

SQL 不只是语法问题，还要理解字段的含义。

后来我也和 AI 讨论了：如果考试或作业没给表结构怎么办？最后形成了一个学习原则：

如果题目没有明确表结构，字段名意思相近、语法逻辑正确，可以先认为思路正确；但正式写题时，必须以题目给出的表结构为准。

四、通过追问，把模糊概念问清楚

这次学习中，我发现 AI 最大的价值不是”讲课”，而是可以随时追问。

比如我看到：

1
WHERE sname LIKE '张%'

我问 AI：

张% 这个百分号是什么？

AI 解释说，% 是 LIKE 里的通配符，表示任意多个字符。所以 LIKE '张%' 表示姓名以”张”开头，可以匹配”张三””张小明””张伟”等。

后来我又继续问：

如果本来应该写等于，我写成 LIKE 可以吗？

AI 进一步解释：

  • WHERE college = '计算机学院' 是精确匹配。
  • WHERE college LIKE '计算机学院' 在没有 % 或 _ 的情况下，通常结果类似，但不推荐这样写。精确匹配应该用 =，模糊匹配才用 LIKE。

这种连续追问让我不是只记住写法，而是真正理解了它们的区别。

五、AI 帮我把”易错点”沉淀成注意点

学习过程中，我会主动让 AI 把一些容易错的地方记为”注意点”。

例如我在学习 NOT IN 和多个”不等于”条件时，容易把 AND 和 OR 搞混。

AI 帮我总结成：

1
WHERE press NOT IN ('商务印书馆', '清华大学出版社')

等价于：

1
2
WHERE press != '商务印书馆'
  AND press != '清华大学出版社';

而不是用 OR。

后来遇到：

1
2
3
WHERE SID NOT LIKE '%2'
  AND SID NOT LIKE '%3'
  AND SID NOT LIKE '%5';

AI 又提醒我：

多个”不是……”条件要用 AND，不能用 OR。

这个总结对我很有帮助，因为它不是孤立知识点，而是从我做错的地方提炼出来的。

六、AI 不只是讲知识，还能帮我建立学习节奏

这次学习中，我用 1 作为进入下一页的信号。

例如：

  • AI 讲完第 30 页 → 我提问 → AI 解答 → 我确认懂了 → 我发送 1 → AI 继续讲第 31 页。

这种方式让我感觉自己不是被动听课，而是在主动控制学习进度。

尤其是遇到难点时，我可以停下来一直问，直到搞懂为止；遇到简单页，也可以快速进入下一页。

七、一次典型的互动学习流程

我的学习流程大概是这样的：

1. AI 讲解课件页面

例如讲 ORDER BY：

1
2
ORDER BY price ASC   -- 按价格升序排列
ORDER BY price DESC  -- 按价格降序排列

2. AI 给出例题

查询 “TP” 类图书的详细信息，查询结果按价格升序排序。

3. 我先写 SQL

1
2
3
4
SELECT *
FROM books
WHERE categories = 'TP'
ORDER BY price ASC;

4. AI 判断

AI 判断我的逻辑正确，并提醒如果按课件字段名，categories 可能应为 category。

5. AI 补充总结

ASC 可以省略，因为默认是升序：

1
ORDER BY price;

6. 我把重要点加入注意点

例如：ORDER BY 可以按多个字段排序，前面的字段优先级更高。

八、这次学习中形成的几个关键注意点

下面这些不是完整知识点整理，而是我在学习过程中真正容易错、真正问过的问题。

1. 日期相差天数不要直接相减

在 MySQL 中，计算两个日期相差天数，推荐使用：

1
TIMESTAMPDIFF(DAY, borrow_time, return_time)

不要简单写成：

1
return_time - borrow_time

因为日期直接相减可能不会得到真正的天数差。

2. OR 连接多个条件时，每个条件都要写完整

错误写法：

1
2
3
WHERE press = '商务印书馆'
   OR '清华大学出版社'
   OR '人民邮电出版社';

正确写法：

1
2
3
WHERE press = '商务印书馆'
   OR press = '清华大学出版社'
   OR press = '人民邮电出版社';

如果都是同一个字段匹配多个值，更推荐：

1
WHERE press IN ('商务印书馆', '清华大学出版社', '人民邮电出版社');
3. 多个"不是……"条件要用 AND

例如查询学号最后一位不是 2、3、5：

1
2
3
WHERE SID NOT LIKE '%2'
  AND SID NOT LIKE '%3'
  AND SID NOT LIKE '%5';

不能写成多个 OR。

4. 判断空值不能用 = NULL

错误写法：

1
WHERE return_time = NULL;

正确写法：

1
WHERE return_time IS NULL;

判断非空：

1
WHERE return_time IS NOT NULL;
5. COUNT(*) 和 COUNT(列名) 不一样
  • COUNT(*) — 统计表中有多少行。
  • COUNT(return_time) — 统计 return_time 这一列中非空值的个数。

所以如果 return_time 有 NULL，COUNT(return_time) 不会统计那一行。

九、这种学习方式给我的感受

这次借助 AI 学习 SQL，我最大的感受是：

AI 最适合做一个 “可以随时暂停、随时追问、随时纠错” 的学习搭子。

它不是简单地把答案告诉我，而是在我写错时指出问题，在我不理解时换一种方式解释，在我觉得重要时帮我总结注意点。

和自己看课件相比，这种方式更像是一场互动式学习。

我不只是”看懂了”，而是在不断经历：

看题 → 思考 → 写 SQL → 被纠错 → 追问 → 总结

这个过程让我对知识点的记忆更深。

十、下一步学习计划

目前我已经学到了 SQL 单表查询中的聚合函数，包括：

COUNT SUM AVG MAX MIN

下一步准备继续学习：

GROUP BY — 也就是分组统计。

接下来我还会继续保持这种学习方式：

  • 一页一页学
  • 先自己做题
  • 错了再让 AI 讲
  • 把易错点整理成注意点
  • 最后形成自己的学习笔记

这次实践让我发现，AI 不只是一个答案工具，更可以成为一个帮助我建立学习过程、发现薄弱点、整理知识结构的 学习助手。