提取表结构元数据并生成可读描述
第一步自然是获取表结构的“原始档案”。使用 MySQL 客户端连接目标数据库，执行SHOW CREATE TABLE your_table_name; 命令，将完整的建表语句复制出来。注意，不能只看字段名列表——字段类型、默认值、注释（COMMENT）、是否允许 NULL、主键或唯一约束等上下文信息一个都不能少。缺少这些信息，模型将无法判断 tinyint(1) 是布尔标志还是状态码，也无法区分 varchar(20) 与 varchar(255) 是否属于同一语义层级。
将建表语句保存到纯文本文件中，例如 table_schema.txt，务必使用 UTF-8 编码。这一步不可省略——如果直接丢入截图或 PDF，模型很可能识别出错。
构造提示词让 Qwen 识别字段语义冲突
拿到建表语句后，将其喂给模型。这里有两种典型操作方式。 **方法一：本地部署直接对话。** 使用 Qwen2.5-7B-Instruct 或更高版本（32B 效果更优），在本地部署完成后启动对话界面。输入以下提示词（换行和缩进最好原样保留）： 你是一名资深数据库架构师。请严格基于以下 MySQL 表结构定义，逐字段分析是否存在语义冗余、类型冗余或命名冲突。要求：① 只输出 JSON 格式；② 字段对必须同时满足「类型兼容」「业务含义高度重叠」「无明确分工说明」才判定为冗余；③ 对每组冗余字段，给出合并建议（保留哪个、为何保留）；④ 不要臆测业务逻辑，仅依据字段名、类型、注释、约束推断。结构如下：{"redundant_pairs": [{"field_a": "xxx", "field_b": "yyy", "reason": "xxx", "suggestion": "xxx"}], "non_redundant_notes": ["xxx"]} 提示词输入完毕后，将
table_schema.txt 全文粘贴在下面，中间空一行。模型会自动解析字段注释中的中文描述，例如 COMMENT '用户注册手机号' 与 COMMENT '用户绑定手机号' 可能被识别为同一实体。
这里有一个**关键前提**：表结构中必须包含 COMMENT 注释。如果缺乏注释，模型仅依靠字段名（例如 mobile 和 phone）很容易误判——这两个词在中文中常被混用，但如果注释分别写着“用户主联系方式”和“紧急联系人电话”，则显然不是冗余。
用 Python 脚本批量喂入多张表
如果只有一两张表，手动操作已足够。但如果需要一次性处理几十上百张表，则必须借助脚本。 第一步：编写脚本，从 information_schema.columns 中拉取指定库的所有字段信息。SQL 大致如下：SELECT table_name, column_name, data_type, is_nullable, column_default, column_comment, column_key FROM information_schema.columns WHERE table_schema = 'your_db_name' ORDER BY table_name, ordinal_position;
第二步：将查询结果转换为结构化的字典，按表名分组，为每张表生成一段带格式的自然语言描述。例如：“表 orders 包含字段：order_id（bigint，主键）、user_id（bigint，非空）、status（varchar(20)，注释：订单当前状态）、order_status（varchar(20)，注释：订单生命周期阶段）……”
第三步：对每张表调用 Qwen2.5-32B-Instruct 的 API 接口，传入上述生成的描述文本，同时将 temperature 设为 0.1 以保持输出稳定性。模型返回 JSON 后，用 Python 解析 redundant_pairs 字段，并直接写入 CSV 报告。
操作上十分简便，只需将文件拖入即可。但有一个小提醒：最好不要一次性提交超过 5 张表的描述。虽然 Qwen2.5-32B 支持 128K 上下文，但过多字段描述堆叠容易触发 token 截断，导致漏判。
人工复核与落地合并
模型输出的冗余对列表已经拿到，但工作并未结束。真正的重头戏在于以下四个步骤。 ① 先查阅 Git 历史，确认两个字段是否由不同 PR 在不同时间添加；② 检查应用代码，看看是否有服务仍在读写被标记为冗余的字段；③ 如果确认字段确实冗余，执行ALTER TABLE … DROP COLUMN 之前，务必先在测试环境中使用 pt-table-sync 工具校验数据一致性；④ 合并后，更新所有相关文档、ORM 映射、API 响应 Schema，并在字段注释中添加一句“已合并至 xxx 字段”。
模型不会告诉你某个字段正被一个凌晨运行的报表任务读取——这一步必须人工验证。跳过该步骤直接删除字段，线上服务将立刻报错，后果严重。
