如何使用 AI 规划数据迁移

当团队过晚发现隐藏关系、标识符不一致、日期无效、负责人缺失或回滚不可行时，数据迁移就容易失败。AI 可以帮助检查结构、整理分析结果和起草文档，但不应获得无限制的生产数据，也不应执行破坏性迁移命令。

这套流程会形成源数据清单、质量分析报告、源到目标映射、转换规则目录、迁移运行手册、验证计划、回滚判断和责任矩阵。实施与批准仍由工程师和数据负责人承担。

定义范围和成功标准

列出源系统、目标系统、数据域、环境、记录规模、保留规则、停机限制、合规约束和排除数据。明确每个数据集的负责人，以及谁有权批准迁移结果。

映射前定义可衡量验收标准，例如记录数量对账、控制总额、引用完整性、必填字段完整率、重复阈值、日期范围、财务余额、业务样本和切换后的应用行为。

建立源数据清单

记录表、文件、API、事件流、负责人、更新频率、主键、外键、参考数据、历史、编码、时区和已知缺陷。不要遗漏参与流程的手工电子表格和影子系统。

先使用元数据和统计结果。如果 AI 需要样本值，应使用经过批准、最小化和脱敏的记录。除非环境和用途被明确批准，不要包含凭据、密钥、访问令牌或个人数据。

设计转换前分析数据质量

衡量空值率、唯一性、格式、范围、无效值、重复、孤立引用、异常值和重要分组的分布。把文档规则与实际数据比较。文档中标记为可选的字段，可能对下游运营十分关键。

记录产生每项统计的查询或工具以及分析日期。AI 可以总结模式并提出问题，但工程师应使用确定性查询复现结果。

建立源到目标映射

为每个目标字段记录来源、转换、默认值、空值处理、验证、参考数据和负责人。无法确定的映射应标记为未解决，而不是填入看似合理的规则。

### Prompt：起草迁移映射

~~~text You are a data migration analyst. Using the supplied schemas, profiling statistics, and approved sample rows, create a source-to-target mapping with: source_table, source_field, source_type, target_table, target_field, target_type, transformation_rule, null_rule, default_rule, reference_data, validation_rule, owner, and open_question. Use only supplied evidence. Mark unknown mappings as unresolved. Do not expose secrets, copy personal data into the output, or invent transformation rules. ~~~

与业务负责人和应用工程师共同审核。确认代码表、单位、时区、小数精度、标识符、删除记录、历史、附件和关系。技术上有效的转换也可能改变业务含义。

定义转换和异常规则

把每项转换写成可测试规则，明确输入条件、输出、无效数据处理、日志、重试和异常负责人。区分能够自动清理的数据与必须由业务人员批准的更正。

避免静默默认。如果目标必填值缺失，应明确是拒绝记录、隔离、从批准来源推导，还是停止迁移。记录已转换、拒绝、重试和人工更正的项目。

安排依赖顺序和演练

确定参考数据、父记录、子记录、历史、附件和派生索引的加载顺序。规划新标识符如何生成，以及旧 ID 如何映射到新 ID。对迁移期间发生的更新，定义冻结窗口或变更数据捕获方法。

至少在隔离环境中完成一次全量演练，使用接近生产的规模和约束。测量提取、转换、加载、验证、索引、应用检查和回滚时间，并用真实时间和瓶颈更新手册。

编写切换与回滚手册

手册应说明每项前置条件、负责人、命令位置、检查点、批准、沟通和停止条件。回滚不能只写“恢复备份”；需要确认备份完整性、恢复时间、反向同步，以及切换后新增数据如何处理。

### Prompt：组织迁移运行手册

~~~text Create a data migration runbook from the approved mapping, constraints, and deployment plan. Include prerequisites, backups, freeze window, extraction, transformation, loading order, dependency checks, reconciliation, business validation, rollback triggers, rollback steps, communication owners, and evidence to retain. Separate automated checks from human approvals. Do not propose destructive production commands or assume a rollback is possible unless the supplied plan proves it. ~~~

工程师必须把描述性占位符替换成经过审核的步骤。可执行脚本应保存在版本控制中并单独测试。不要把生成命令直接复制到生产环境。

验证技术和业务正确性

执行记录数、校验和、控制总额、约束、重复、空值和引用完整性等技术检查，再进行业务验证：用户能否找到正确客户、核对账户、打开附件、继续流程并生成所需报告？

使用预先选定的样本和边缘情况，在字段和工作流层面对比源与目标。要求指定数据负责人签字，并为受监管或财务重要的迁移保留证据。

规划切换后的监控

为失败任务、缺失事件、错误率、对账差异、慢查询、集成失败和用户报告缺陷定义监控与告警。设置稳定期，明确负责人和升级路径。

如果政策允许，在批准期限内保持源系统只读。记录何时可以下线、谁批准删除，以及如何处理备份和保留义务。

常见错误

不要在理解数据质量和业务用途前就开始结构映射，也不要用少量干净样本代表完整数据。避免无文档默认值、未测试时区转换、修改标识符却没有对照表，以及认为数据库成功就等于业务成功。

不要让 AI 接触无限制生产导出，也不要使用绕过审核的生成命令。AI 的价值是整理证据和暴露问题，而不是替代迁移工程。

数据迁移准备清单

• 范围、排除项、负责人和可衡量验收标准已批准。
• 源清单包含隐藏文件、集成和参考数据。
• 分析覆盖空值、重复、格式、范围和关系。
• 每个目标字段都有审核映射或明确待解决问题。
• 转换、异常、重试和审计规则可测试。
• 依赖顺序和迁移期间变更已处理。
• 接近生产的演练产生了实际时间和结果。
• 切换检查点、停止条件和沟通负责人已分配。
• 回滚可行性和恢复时间已测试。
• 技术检查与业务负责人验证已完成。
• 切换后监控和下线标准已有记录。

AI 可以把分散的结构、统计和决定整理成规范材料，从而加快迁移规划。安全迁移仍依赖可复现的数据分析、经过审核的代码、真实演练和有责任人的人工批准。