快速入门：使用智能查询生成器（预览版）

在本快速入门中，你将了解查询生成助手如何帮助你使用原始 SQL 或首选 ORM 创建高效、准确和安全查询。它专为代码优先和数据优先开发人员设计，可更快地生成与连接的数据库架构一致的生产就绪逻辑。

开始吧

确保已连接到数据库，并使用 MSSQL 扩展打开活动编辑器窗口。通过此连接， @mssql 聊天参与者可以了解数据库环境的上下文，从而提供准确的上下文感知建议。如果没有数据库连接，聊天参与者将没有架构或数据上下文来提供有意义的响应。

以下示例使用 AdventureWorksLT2022 示例数据库，可以从 Microsoft SQL Server 示例和社区项目主页下载该数据库。

为了获得最佳结果，请调整表和架构名称以匹配自己的环境。

确保聊天包含 @mssql 前缀。例如，键入 @mssql 后跟问题或提示。这可确保聊天参与者了解你请求与 SQL 相关的帮助。

GitHub Copilot 直接在 Visual Studio Code 中支持智能查询构造。从基本SELECT 到复杂的联接、筛选器和聚合，它生成遵循最佳做法并反映当前架构的 SQL 或 ORM 查询，以便你可以专注于应用程序逻辑。

下面是通过聊天参与者可以询问的常见用例和示例：

这些提示有助于分析随时间推移的趋势，例如最近的销售活动、按周期排名最高的表现者，或与历史平均值的比较。 GitHub Copilot 可以生成查询来计算相对于数据最近日期的值，从而避免基于当前系统日期的假设。

生成一个嵌套查询，用于从 SalesLT.SalesOrderHeader 中获取过去六个月的总订单量高于平均订单量（相对于数据库中最近的订单日期）（而不是相对于当前日期）。
编写查询以查找表 SalesLT.SalesOrderHeader 中按总销售额排序的前三名客户，并按年份分组。
查找在过去 30 天内下订单的每个客户 SalesLT.Customer 的总收入，相对于最近的订单日期 SalesLT.SalesOrderHeader （而不是当前日期）。
创建一个 Sequelize 查询来提取 Customers （SalesLT.Customers）及其订单（SalesLT.SalesOrderDetail）和总收入，按数据库中去年的降序收入排序（而不是相对于当前日期）。

使用这些提示生成跨多个相关表的查询。无论你是在将客户数据与订单详细信息合并，还是在生成收入聚合，GitHub Copilot 都能够利用架构上下文来导航复杂的关系，从而生成准确的合并和条件。

使用表的实际架构 SalesLT.SalesOrderHeader ，生成一个嵌套 SQL 查询，该查询检索订单总数高于过去六个月的平均订单总数。应根据表中最近的订单日期（而不是当前日期）计算六个月的周期。
使用当前数据库，创建一个 SQLAlchemy 查询来提取客户及其订单和总收入，按降序收入排序。
使用 Prisma 生成连接 SalesLT.Customer、SalesLT.SalesOrderHeader 和 SalesLT.SalesOrderDetail 的查询，并计算每个客户的总收入。
在 Entity Framework中，编写一个 LINQ 查询，该查询使用 SalesLT 架构按过去一年的销售额返回前 10 个客户。
编写一个 TypeORM 查询，该查询查找在过去六个月中尚未销售的产品。应根据表中最近的订单日期（而不是当前日期）计算六个月的周期。
编写一个 Django ORM 查询，用于检索去年购买的所有客户，按总支出排序。相对于表中最近的订单日期（而不是当前日期），需计算“去年”的时间段。

这些提示旨在从数据中呈现可作的见解。从识别流失风险客户到查找未售出的产品，GitHub Copilot 可以帮助构建逻辑，这些逻辑支持根据连接的数据库定制的战略决策和报告。

为了帮助我们优化和改进 MSSQL 扩展的 GitHub Copilot，请使用以下 GitHub 问题模板提交反馈： GitHub Copilot 反馈

提交反馈时，请考虑包括：