کدنویسی
توسعه بک‌اند و دیتابیس

پرامپت طراحی دیتابیس با هوش مصنوعی؛ اسکیما، روابط جداول، فایل مایگریشن و ایندکس برای SQL و NoSQL

قیمت

رایگان

—·۳·DrPrompt

شرح کسب‌وکار یا ویژگی را بده و طراحی دیتابیس بگیر: موجودیت‌ها، روابط جداول، نرمال‌سازی، فایل مایگریشن Laravel، Django یا Prisma و ایندکس‌های لازم برای MySQL، PostgreSQL یا MongoDB.

دیتابیسی که اول کار درست طراحی نشود، بعداً با هر ویژگی جدید دردسر می‌سازد. این پرامپت طراحی دیتابیس با هوش مصنوعی را از نیاز کسب‌وکار شروع می‌کند: اسکیما و روابط جداول، نرمال‌سازی، فایل مایگریشن و ایندکس برای MySQL، PostgreSQL و MongoDB. برای نمونه‌های بیشتر، پرامپت توسعه بک‌اند و دیتابیس را ببین.

آنچه تحویل می‌گیری

  • سوال‌های کلیدی قبل از طراحی
  • نمودار ER با Mermaid
  • جدول ستون‌ها با نوع داده دقیق
  • فایل‌های مایگریشن آماده اجرا
  • ایندکس‌ها بر اساس کوئری‌های پرتکرار

چطور از این پرامپت استفاده کنیم؟

  1. سیستم و موجودیت‌های اصلی را توصیف کن.
  2. به سوال‌های کلیدی جواب بده.
  3. مایگریشن‌ها را روی دیتابیس توسعه اجرا کن.
  4. با داده نمونه، کوئری‌های اصلی را تست کن.

راهنمای جایگذارها

  • [شرح سیستم]: کسب‌وکار و ویژگی‌ها به زبان ساده.
  • [دیتابیس]: MySQL، PostgreSQL یا MongoDB.
  • [جست‌وجوهای پرتکرار]: گزارش‌ها و فیلترهای اصلی.

نمونه خروجی

orders: id BIGINT PK | user_id FK users (restrict) | status ENUM(pending,paid,shipped,cancelled) | total_rial BIGINT | created_at TIMESTAMP. ایندکس: (user_id, created_at) برای «سفارش‌های من».

نکته‌های مهم

  • قیمت را در لحظه سفارش در order_items ذخیره کن تا تغییر قیمت محصول، سفارش قدیمی را عوض نکند.
  • قبل از رفتن به تولید، مایگریشن rollback را هم تست کن.
  • ایندکس را بر اساس کوئری واقعی بساز، نه حدس.

پرامپت‌ها و دسته‌های مرتبط

سوالات متداول

رابطه‌ای یا NoSQL؟

برای داده با روابط زیاد و تراکنش (مثل فروشگاه) معمولاً رابطه‌ای؛ برای داده سندی و منعطف MongoDB. پرامپت با دلیل پیشنهاد می‌دهد.

فایل مایگریشن هم می‌دهد؟

بله، برای Laravel، Django، Prisma یا SQL خام به ترتیب اجرا.

نرمال‌سازی همیشه لازم است؟

تا 3NF پیش‌فرض است؛ جایی که برای سرعت یا تاریخچه denormalize می‌شود، دلیلش گفته می‌شود.

# نقش
تو یک معمار داده و مهندس بک‌اند ارشد هستی که از نیاز کسب‌وکار، اسکیمای دیتابیس تمیز و قابل رشد طراحی می‌کنی. قبل از طراحی، سوال‌های درست می‌پرسی.

# اطلاعات لازم
- شرح سیستم: [مثلاً فروشگاه اینترنتی با چند فروشنده، سبد خرید، کد تخفیف و ارسال]
- موجودیت‌های اصلی که می‌شناسی: [کاربر، محصول، سفارش، ...]
- دیتابیس: [MySQL / PostgreSQL / MongoDB / مطمئن نیستم]
- فریم‌ورک و ابزار مایگریشن: [Laravel / Django / Prisma / TypeORM / SQL خام]
- مقیاس تقریبی: [تعداد کاربر، سفارش روزانه]
- گزارش‌ها و جست‌وجوهای پرتکرار: [مثلاً سفارش‌های یک کاربر، فروش ماهانه هر محصول]

# قبل از شروع
1. اگر قواعد کسب‌وکار مبهم است (مثلاً یک محصول چند دسته دارد؟ قیمت تاریخچه دارد؟)، حداکثر ۷ سوال کلیدی بپرس.
2. اگر دیتابیس را انتخاب نکرده‌ام، رابطه‌ای یا سندی بودن را با دلیل پیشنهاد بده.
3. فرض‌ها را شماره‌دار بنویس.

# قواعد طراحی
1. موجودیت‌ها و روابط (یک‌به‌یک، یک‌به‌چند، چندبه‌چند با جدول واسط) را صریح بنویس.
2. تا سطح 3NF نرمال کن؛ هر جا عمداً denormalize می‌کنی (مثلاً ذخیره قیمت در لحظه سفارش)، دلیلش را بگو.
3. نوع داده دقیق: پول با DECIMAL یا عدد صحیح ریال، نه FLOAT؛ زمان با timestamp؛ وضعیت‌ها با enum یا جدول مرجع.
4. کلید خارجی با رفتار حذف (cascade، restrict، set null) و دلیل.
5. ایندکس بر اساس جست‌وجوهای پرتکرار، از جمله ایندکس ترکیبی و unique.
6. soft delete، audit (created_by)، و فیلدهای زمان.
7. برای MongoDB: تصمیم embed در برابر reference با دلیل.

# قالب خروجی
1. نمودار ER متنی (Mermaid erDiagram)
2. جدول هر موجودیت: ستون | نوع | null | کلید | توضیح
3. فایل‌های مایگریشن کامل برای فریم‌ورک من به ترتیب اجرا
4. ایندکس‌ها و کوئری‌ای که هر ایندکس برایش است
5. داده نمونه (seed) کوچک برای تست
6. ریسک‌های رشد و تصمیم‌های قابل بازنگری

در پایان بپرس: «کدام قاعده کسب‌وکار را باید دقیق‌تر کنیم؟»

پرامپت‌های مرتبط

آماده کپی
آماده کپی
آماده کپی
آماده کپی

مقالات مرتبط

دکترپرامپت

مهندسی پرامپت

شخصی‌سازی پرامپت آماده؛ راهنمای گام‌به‌گام برای گرفتن جواب حرفه‌ای

پرامپت آماده فقط نقطه شروع است. در این راهنما یاد می‌گیرید با پنج لایه شخصی‌سازی، قالب‌های عمومی را به پرامپت‌هایی تبدیل کنید که خروجی مخصوص کسب‌وکار شما می‌دهند.

۱۴۰۵/۸/۱۴

دکترپرامپت

توسعه و برنامه‌نویسی

مدل‌های هوش مصنوعی چینی ۲۰۲۶؛ Kimi K3، GLM-5.3، Wan3.0 و MiniMax H3

مرور تازه‌ترین مدل‌های هوش مصنوعی چینی بر اساس صفحات رسمی: Kimi K3 و K2.8 Preview، GLM-5.3، Wan3.0 و MiniMax H3؛ و این‌که برای کاربر ایرانی چه معنایی دارند.

۱۴۰۵/۸/۱۳

دکترپرامپت

توسعه و برنامه‌نویسی

کلود اپوس ۵.۵؛ قوی‌ترین مدل Anthropic برای برنامه‌نویسی و پروژه‌های بزرگ

Anthropic در ۲۲ سپتامبر ۲۰۲۶ Claude Opus 5.5 را با عملکرد پیشرو در کدنویسی ایجنتی و ۴۰ درصد هزینه کمتر از Opus 5 معرفی کرد. راهنمای کامل برای برنامه‌نویسان.

۱۴۰۵/۸/۱۲

دکترپرامپت

مهندسی پرامپت

ابزار هوش مصنوعی رایگان برای فارسی‌زبان‌ها در ۲۰۲۶؛ چه چیزی واقعاً رایگان است؟

کدام ابزار هوش مصنوعی رایگان واقعاً به درد کار روزمره می‌خورد؟ راهنمای پلن‌های رایگان ChatGPT، Claude و DeepSeek، مدل‌های متن‌باز و ۷ ترفند برای استفاده بهتر.

۱۴۰۵/۸/۱۱

امتیاز و نظرات

— · 0 امتیاز

امتیاز شما

نظرات

پرامپت طراحی دیتابیس با هوش مصنوعی؛ اسکیما، روابط جداول، فایل مایگریشن و ایندکس برای SQL و NoSQL

رایگان