Claude Code自动生成CRUD代码：Skill文件编写实战指南

引言：为什么不能直接让AI设计表结构？

很多开发者在使用AI编程工具时，习惯把整个需求一股脑丢给AI，让它从表设计到代码生成一步到位。但在实际项目中，这种做法往往事倍功半——AI生成的表结构可能字段多了或少了，你需要反复调教，浪费大量时间。

更好的做法是：自己设计好表结构，让AI根据表结构来生成代码。因为表结构本身就代表了你对业务的深入理解，这是AI短时间内无法替代的。本文将详细介绍如何通过Claude Code配合MCP和Skill文件，实现高质量的CRUD代码自动生成。

两个核心准备：MCP与Skill文件

配置MySQL MCP服务器

要让Claude Code能够读取数据库中的表结构，首先需要配置一个MySQL的MCP（Model Context Protocol）服务器。

MCP是Anthropic于2024年底推出的开放协议，旨在为AI模型与外部数据源、工具之间建立标准化的通信桥梁。在MCP出现之前，每个AI工具要访问外部系统（数据库、API、文件系统等）都需要单独编写集成代码，形成了大量的"M×N"适配问题。MCP通过定义统一的客户端-服务器架构，让AI应用（客户端）可以通过标准协议与任意数量的MCP服务器通信，每个服务器封装了对特定外部资源的访问能力。在本文场景中，MySQL MCP服务器充当了Claude Code与数据库之间的中间层，使AI能够像开发者一样执行SQL查询、获取表结构元数据，而无需将数据库凭证直接暴露给模型本身。

配置文件位于用户目录下的 .claude.json，核心内容包括：

• command：MCP服务器的启动命令
• args：启动参数
• env：环境变量，主要配置数据库连接信息（服务器地址、端口、库名、用户名、密码）

配置完成后，Claude Code就能通过MCP直接连接到你的MySQL数据库，执行 SHOW TABLES 等操作来获取表结构信息。

编写CRUD Skill文件（核心中的核心）

Skill文件是整个流程的灵魂。一个写得好的Skill文件，能让生成的代码一遍过；写得不好，就要反复调整。

Skill文件本质上是一种结构化的Prompt Engineering（提示工程）实践。传统的Prompt Engineering通常是在对话中临时编写指令，而Skill文件将这些指令持久化、模块化，存储在项目目录中随项目版本管理。这种做法与业界流行的"System Prompt"理念一脉相承，但更进一步——它支持关键词触发、条件激活，类似于编程中的事件驱动模式。Skill文件的编写质量直接决定了AI输出的可预测性，这也是为什么业界逐渐形成了"Prompt as Code"的理念：将提示词视为代码资产，进行版本控制、Code Review和持续优化。

Skill文件放置在项目根目录下 .claude/skills/crud/skill.md，Claude启动时会自动加载。文件中通过关键词触发机制，当用户输入包含"CRUD"、"实体生成"等关键词时，才会激活该Skill。

Skill文件中包含了以下关键指令：

1. 测试驱动开发模式：先写测试，再写代码
2. 分页策略：明确要求使用 WHERE id > maxId LIMIT N 而非 LIMIT offset, N，因为后者随着offset增大性能会急剧下降
3. 连接池共享：所有DAO层代码共用同一个数据库连接池
4. 测试隔离：使用SQLite内存数据库运行测试，不污染正式MySQL库
5. 代码分层：生成Model、DAO、Service三层代码，避免冗余

深入理解分页性能问题

特别你可能没注意到，为了防止AI不理解分页优化的含义，Skill中专门写了正确示例和错误示例。这种"手把手教AI"的方式非常实用，也是Skill文件编写的核心技巧。

传统的 LIMIT offset, N 分页方式在MySQL中存在严重的深分页性能问题。其根本原因在于MySQL的InnoDB存储引擎处理这类查询时，即使只需要返回N条记录，也必须先扫描并丢弃前offset条记录。例如 LIMIT 1000000, 20 实际上需要扫描1000020行数据，随着页码增大，查询时间呈线性甚至超线性增长。而 WHERE id > maxId LIMIT N 的游标分页方式（也称Keyset Pagination或Seek Method），利用了主键索引的B+树有序性，数据库可以直接通过索引定位到起始位置，时间复杂度始终为O(log N + M)，其中M是返回的记录数。这种优化在百万级以上数据量的表中效果尤为显著，查询时间可从数秒降至毫秒级。不过游标分页也有局限性：它不支持随机跳页，只能实现"上一页/下一页"的连续翻页模式，适用于信息流、列表加载等场景。

实际执行流程演示

一句Prompt触发完整CRUD生成

准备工作完成后，只需在Claude Code中输入一句简短的提示：

生成CRUD代码

Claude会自动命中Skill中的关键词，然后按照预设流程逐步执行：

1. 列出所有表：通过MCP连接数据库，执行 SHOW TABLES
2. 用户选择表：交互式多选，比如选择 user 和 student 两张表
3. 选择技术栈：询问使用什么语言和框架，这里选择了 Go + Gin + GORM
4. 逐表生成代码：从底层到上层，依次生成Model → DAO → Service → Test
5. 运行测试并自动修复：发现问题会自动修正代码

生成代码的质量如何？

经过人工检查，生成的代码质量相当不错：

Model层：结构体包含完整的JSON tag和GORM tag，每个字段都有对应映射，并指定了真实表名。

DAO层：

• Create：调用 gorm.DB.Create 插入数据
• Update：调用 Save 函数更新
• Delete：根据ID软删除
• FindById：查询时自动过滤已删除记录（deleted_at IS NULL）
• 分页查询：正确使用了 id > maxId 的高性能分页方式，支持keyword模糊搜索和city精确筛选

Service层：封装了Request结构体（带JSON tag），负责参数转换后调用DAO层，职责清晰。

测试代码：使用SQLite内存数据库，通过AutoMigrate建表，从Service层往下测试，覆盖了各个CRUD操作，每个断言都检查字段是否符合预期。

测试隔离策略的技术细节

测试驱动开发（Test-Driven Development, TDD）是Kent Beck在2003年系统化提出的软件开发方法论，其核心循环为"红-绿-重构"：先编写一个会失败的测试（红），再编写最少量的代码使测试通过（绿），最后重构代码保持整洁。在本文的AI代码生成场景中，TDD不仅是开发方法，更是质量验证机制——AI生成的代码必须通过预设的测试才算完成。

而使用SQLite内存数据库（:memory:模式）做测试隔离是Go生态中的常见实践。SQLite内存数据库的生命周期与进程绑定，测试结束后数据自动销毁，既避免了对MySQL测试库的依赖和数据残留问题，又大幅提升了测试执行速度（内存操作比磁盘I/O快数个数量级）。GORM框架原生支持SQLite驱动，配合AutoMigrate可以根据Go结构体自动建表，使得同一套代码可以在MySQL和SQLite之间无缝切换。

最终执行 go test -v ./ 命令，所有测试全部通过。

效率与成本的冷思考

整个过程耗时约7分半钟。其中第一张表耗时较长（约5分钟），第二张表因为有了模板参考，只用了不到2分钟。

但客观来说，如果是人工操作，简单的CRUD代码其实更快——因为大部分代码都是复制粘贴后简单修改。更不用说Go生态中已有 go-zero、GoFrame 等框架，Java中有Spring等工具，都能自动生成ORM代码。

现有代码生成工具的成熟度

Go语言生态中已有多个成熟的代码生成方案。go-zero是由好未来（TAL）开源的微服务框架，其goctl工具可以根据API定义文件和数据库DDL自动生成完整的CRUD代码、路由、中间件等，覆盖从接口层到数据层的全链路。GoFrame框架的gf gen dao命令同样支持从数据库表结构反向生成Model、DAO和Service代码。此外，GORM官方提供的gen工具可以生成类型安全的查询代码，sqlc则走了另一条路——从手写SQL反向生成Go代码。这些工具经过大量生产环境验证，生成的代码模式固定、性能优化成熟，且执行速度通常在秒级。相比之下，AI生成代码的优势在于灵活性——它可以根据Skill文件中的自定义规范生成非标准化的代码结构，适应团队特有的架构约定，这是模板化工具难以做到的。

"简单的增删改查，AI能够完成任务，但相比之前并没有带来效率提升，而且还花费了更多的钱。"

这个观点值得深思。AI编程工具的真正价值可能不在于这类模式化的CRUD生成，而在于处理更复杂的业务逻辑和非标准化的开发任务。

核心经验总结

1. 表结构自己设计：不要让AI猜你的业务需求，表结构是业务理解的精确表达
2. Skill文件要详尽：包括正确示例、错误示例、性能要求、架构约束，越具体AI执行越准确
3. 测试隔离很重要：用SQLite内存数据库做测试，避免污染生产环境
4. 分页性能要明确：id > maxId 比 LIMIT offset 性能好得多，这类优化经验需要人工注入Skill文件
5. 理性看待AI效率：对于标准化CRUD，AI未必比成熟框架工具更快，但Skill文件的编写思路可以复用到更复杂的场景中

核心要点

• 自己设计表结构再让AI生成代码，比让AI从零设计更高效可控
• Skill文件是代码质量的关键，需包含分页策略、连接池共享、测试隔离等详细指令
• 通过MCP连接MySQL数据库，Claude Code可自动读取表结构并交互式生成Model/DAO/Service三层代码
• 使用SQLite内存数据库做测试隔离，不污染正式环境，支持测试驱动开发
• 对于标准化CRUD场景，AI编程工具相比成熟框架并未带来明显效率提升，但Skill编写思路可复用到复杂场景