Details

ВКР посвящена разработке прототипа SmartERD - веб-приложения для автоматического преобразования ER-диаграмм в SQL DDL. Объект исследования - процесс проектирования реляционных баз данных на основе ER-моделей. Цель работы - разработать инструмент преобразования ER-диаграмм в SQL-код с использованием элементов искусственного интеллекта, снижающий трудоемкость и число типовых ошибок за счет объединения визуального редактора, встроенной валидации и рекомендаций. Методы включают анализ литературы и аналогов, проектирование архитектуры, реализацию прототипа и экспериментальную проверку корректности результатов. Результат: реализована клиент-серверная система. Клиентская часть включает визуальный редактор ER-диаграмм, валидатор и генератор SQL по диалектам; серверная часть обеспечивает аутентификацию, хранение проектов и AI-компонент. Генератор поддерживает связи 1:1, 1:N и M:N, формирует таблицы-связки, ограничения целостности и индексы. AI-компонент использует локальную LLM через LM Studio для справочных запросов и генерации черновой ER-модели по текстовому описанию с последующей проверкой результата. Область применения - учебные и начальные прикладные задачи проектирования БД, где требуется прозрачное преобразование и контролируемая обратная связь по типовым ошибкам. Использованы технологии и средства: TypeScript/React, Node.js/Express, PostgreSQL, Prisma, Docker/Docker Compose, JWT, Vitest, Playwright, Cucumber, SonarQube; облачные AI-сервисы не применялись.

The thesis is devoted to the development of the SmartERD prototype, a web application for automatic transformation of ER diagrams into SQL DDL. The research object is the process of designing relational databases based on ER models. The objective is to develop an ER-to-SQL transformation tool using elements of artificial intelligence that reduces effort and typical mistakes by combining a visual editor, built-in validation, and recommendations. The methods include literature and tool review, architecture design, prototype implementation, and experimental verification of result correctness. As a result, a client-server system was implemented. The client provides a visual ER editor, a validator, and a multi-dialect SQL generator; the server provides authentication, project storage, and an AI component. The generator supports 1:1, 1:N, and M:N relationships, creates junction tables, referential integrity constraints, and indexes. The AI component uses a local LLM via LM Studio for reference queries and for generating a draft ER model from a textual description with subsequent validation. The application area is educational and entry-level database design tasks where transparent transformation and controlled feedback on typical modeling errors are required. The following technologies and tools were used: TypeScript/React, Node.js/Express, PostgreSQL, Prisma, Docker/Docker Compose, JWT, Vitest, Playwright, Cucumber, SonarQube; no cloud AI services were used.

• Разработка инструмента автоматического преобразования ER-диаграмм в SQL-код с использованием элементов искусственного интеллекта
  • Введение
  • 1. Анализ предметной области и формализация требований к системе
  • 2. Проектирование SmartERD
  • 3. Реализация прототипа SmartERD
  • 4. Тестирование и практическая проверка на кейсах
  • Заключение
  • Список использованных источников
  • Приложение 1 Программный код ключевых модулей SmartERD
  • Приложение 2 Иллюстративные материалы