AI-инструменты для написания кода до сих пор часто слабо справляются с PostgreSQL.
Не потому что модели тупые, а из-за того, как они вообще обучались писать SQL.
LLM-ы тренируются на интернете, а интернет забит устаревшими ответами с Stack Overflow и «быстрыми гайдами», которые решают проблему здесь и сейчас, но не учитывают эволюцию Postgres за десятилетия.
Поэтому, когда просишь ИИ сгенерировать схему, он выдает что-то, что формально запускается, но проигнорировано куча важных штук:
Нет GENERATED ALWAYS AS IDENTITY (с PG10)
Никаких expression или partial индексов
Нет NULLS NOT DISTINCT (PG15)
Нет CHECK-ов и нормальных внешних ключей
Генерятся безликие имена, которые ничего не говорят
Но это решаемая проблема.
ИИ можно научить писать нормальный Postgres, если дать ему доступ к правильной документации прямо на этапе генерации.
Ровно это и делает свежевышедший pg-aiguide от TigerDatabase — опенсорсный MCP-сервер, который дает инструментам кодогенерации доступ к 35 годам постгресовского опыта.
Если коротко, MCP-сервер позволяет:
Делать семантический поиск по официальному мануалу PostgreSQL (с учетом версий, понимает отличия PG14 vs PG17)
Использовать наборы «скиллов» с мнением по лучшим практикам: дизайн схем, индексация, ограничения
Я прогнал эксперимент в Claude Code, чтобы посмотреть, как это работает, и вместе с командой собрал результаты.
Запрос:
«Сгенерируй схему для e-commerce дважды: с MCP выключенным и включенным. Потом оцени и сравни результаты».Результат с включенным MCP:
На 420% больше индексов (включая partial и expression)
На 235% больше ограничений
На 60% больше таблиц (нормализация)
11 функций и триггеров под автоматизацию
Современные паттерны PG17 по всему проекту
Схема, сгенерированная с MCP, уже на старте имеет нормальную целостность данных, оптимизации под производительность и адекватные соглашения по именованию, которые не стыдно унести в прод.
pg-aiguide работает с Claude Code, Cursor, VS Code и любыми MCP-совместимыми инструментами.
Бесплатный и полностью опенсорс. 👍