1. 为什么手工给几十张表加字段迟早会出事如果你维护的是一套跑了几年的业务库大概率遇到过这种需求产品说所有业务表都要补一个form_key字段或者给一批订单相关表统一加tenant_id。表少的时候打开客户端一张张写ALTER TABLE也就忍了一旦表数量上到二三十张问题就来了——漏改、字段类型写错、注释忘了加、生产库和测试库结构不一致最后排查半天发现是某张表少了个字段。MySQL 本身没有「批量给所有表加字段」的语法ALTER TABLE一次只能作用一张表。所以真正靠谱的做法是用存储过程遍历information_schema.tables拿到目标表名列表再动态拼ALTER TABLE语句逐条执行。这样既保证不漏表又能通过information_schema.columns做字段存在性判断重复执行也不会报「Duplicate column name」。这篇就围绕这个场景给你一套可以直接复制的存储过程骨架再补上执行验证 SQL。同时我会说明怎么用 TaoToken 的统一 Key/API 通道让 AI 工具帮你按表结构批量生成这类脚本省掉手写游标的重复劳动。适合谁日常要维护 MySQL 业务库、需要做结构变更但不想逐表点鼠标的后端和 DBA。2. TaoToken 前置统一 Key 与 API 通道准备写存储过程本身不需要任何外部服务但「批量生成脚本」这件事很适合交给 AI 来做——你把表名列表和字段定义丢给它让它输出存储过程或直接输出一批ALTER语句。问题在于不同 AI 工具的接入方式、Key 管理、计费口径都不一样切来切去很烦。TaoToken 在这里的作用是提供一个统一的 Key 和 API 通道让你用同一套凭证去调用不同模型不用为每个工具单独配一遍。官网地址是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 入口是 https://taotoken.net/api 这个不加 UTM。你需要先拿到一个可用的 Key在控制台里创建即可https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 。创建完在 API Keys 页面复制https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 。注意Key 只用于调用 AI 生成脚本不要把它写进存储过程或提交到代码仓库。数据库连接信息和 AI Key 是两回事别混在一起。如果你只是想先验证模型能不能正确理解你的表结构并生成 SQL可以直接在模型对话页面试https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 。长期做编码和 Agent 类任务的话Coding Plan 更合适https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 。3. 可复制配置存储过程骨架与 settings.json 片段3.1 存储过程骨架下面这个存储过程做了三件事遍历指定库的所有表、判断字段是否已存在、存在则跳过不存在则加。我把它写成通用骨架你只需要改库名和字段定义部分。DELIMITER $$ CREATE PROCEDURE batch_add_column() BEGIN DECLARE v_table_name VARCHAR(128) DEFAULT ; DECLARE v_db_name VARCHAR(128) DEFAULT your_db_name; DECLARE done INT DEFAULT 0; -- 游标拿到目标库下所有基表 DECLARE cur_tables CURSOR FOR SELECT table_name FROM information_schema.tables WHERE table_schema v_db_name AND table_type BASE TABLE; DECLARE CONTINUE HANDLER FOR NOT FOUND SET done 1; OPEN cur_tables; read_loop: LOOP FETCH cur_tables INTO v_table_name; IF done 1 THEN LEAVE read_loop; END IF; -- 字段一form_key IF (SELECT COUNT(*) FROM information_schema.columns WHERE table_schema v_db_name AND table_name v_table_name AND column_name form_key) 0 THEN SET ddl CONCAT(ALTER TABLE , v_table_name, ADD COLUMN form_key VARCHAR(120) NULL COMMENT 表单键值); PREPARE stmt FROM ddl; EXECUTE stmt; DEALLOCATE PREPARE stmt; END IF; -- 字段二form_table_code IF (SELECT COUNT(*) FROM information_schema.columns WHERE table_schema v_db_name AND table_name v_table_name AND column_name form_table_code) 0 THEN SET ddl CONCAT(ALTER TABLE , v_table_name, ADD COLUMN form_table_code VARCHAR(120) NULL COMMENT 表单配置表名表code); PREPARE stmt FROM ddl; EXECUTE stmt; DEALLOCATE PREPARE stmt; END IF; END LOOP; CLOSE cur_tables; END$$ DELIMITER ;几个关键点解释一下。v_db_name一定要改成你自己的库名别用information_schema或mysql这种系统库。table_type BASE TABLE是为了排除视图视图不能ALTER。每个字段单独判断一次是因为不同字段的添加进度可能不一样分开判断更安全。调用就一句CALL batch_add_column();3.2 用 TaoToken 生成脚本的 settings.json 片段如果你不想手写游标可以把表名列表和字段需求整理成一段描述让 AI 生成。以常见的编辑器 AI 插件配置为例把 API 通道指向 TaoToken{ ai.provider: openai-compatible, ai.baseUrl: https://taotoken.net/api, ai.apiKey: sk-你的TaoTokenKey, ai.model: claude-sonnet-4-5, ai.temperature: 0.2, ai.maxTokens: 4096 }baseUrl用 https://taotoken.net/api 即可apiKey换成你在控制台创建的那串。temperature调低一点生成 SQL 这种确定性任务不需要发散。模型名按你实际可用的填Claude 系列在长 SQL 和结构理解上表现比较稳。配置好之后你可以这样给提示词我有一个 MySQL 库表名列表如下t_order、t_order_item、t_user、t_user_profile。请生成一个存储过程遍历这些表给每张表添加 tenant_id BIGINT 和 create_source TINYINT 两个字段要求先判断字段是否存在存在则跳过。用 information_schema 做判断动态 SQL 用 PREPARE。生成后别直接跑生产库先在测试库验证一遍。4. 验证请求与成功结果存储过程执行完怎么确认真的加上了最直接的是查information_schema.columns。SELECT table_name, column_name, column_type, column_comment FROM information_schema.columns WHERE table_schema your_db_name AND column_name IN (form_key, form_table_code) ORDER BY table_name, column_name;预期结果是每张目标表都出现两行column_type是varchar(120)column_comment和你定义的一致。如果某张表只出现一行说明另一个字段没加上回去看存储过程里对应的判断块。再核对一下表总数和字段覆盖数是否匹配SELECT (SELECT COUNT(*) FROM information_schema.tables WHERE table_schema your_db_name AND table_type BASE TABLE) AS total_tables, (SELECT COUNT(DISTINCT table_name) FROM information_schema.columns WHERE table_schema your_db_name AND column_name form_key) AS form_key_tables, (SELECT COUNT(DISTINCT table_name) FROM information_schema.columns WHERE table_schema your_db_name AND column_name form_table_code) AS form_code_tables;三个数字应该相等。如果total_tables比另外两个大说明有表被漏掉了检查游标条件是不是把某些表排除了。用 AI 生成脚本时验证方式一样。把生成的存储过程贴进客户端执行然后跑上面这段验证 SQL。如果 AI 生成的版本用了information_schema但库名写错验证 SQL 会直接暴露出来——查不到任何行。5. 本篇常见错排查报错 1327: Undeclared variable。多半是DECLARE顺序问题。MySQL 要求DECLARE变量和游标必须写在BEGIN之后、其他语句之前而且CONTINUE HANDLER要放在游标声明之后。顺序错了就报这个。报错 1054: Unknown column。动态 SQL 里表名或字段名拼错了。注意CONCAT拼接时反引号别漏表名带特殊字符时尤其容易出问题。建议在SET ddl之后先SELECT ddl;看一眼拼出来的语句对不对再PREPARE。存储过程执行了但字段没加上。检查v_db_name是不是写成了别的库。另一个可能是游标只拿到了部分表——information_schema.tables里table_schema是区分大小写的Linux 下 MySQL 默认库名大小写敏感写错了就查不到表。重复执行报 Duplicate column name。说明存在性判断没生效。检查information_schema.columns查询里的table_schema和table_name条件是否和当前库、当前表完全匹配。有时候表名前后有空格FETCH进来后没TRIM就会匹配不上。AI 生成的脚本跑不通。常见原因是模型把DELIMITER写错或者把PREPARE stmt和EXECUTE stmt的顺序搞反。让 AI 重新生成时明确要求「包含 DELIMITER 切换、每个字段独立判断、动态 SQL 用 PREPARE/EXECUTE/DEALLOCATE 三件套」。如果反复生成都不对把报错原文贴回去让它修比重新描述需求快。权限不足。执行ALTER TABLE需要ALTER权限读information_schema一般都有。如果报权限错误确认当前连接用户对目标库有ALTER权限别用只读账号跑。6. 把批量变更做成可复用流程存储过程跑通一次之后建议把它固化成团队内的标准操作。具体做法把库名和字段定义抽成参数或者维护一个「字段变更清单」表存储过程读这张表来决定加哪些字段。这样下次再有批量加字段需求改清单就行不用动存储过程本身。用 AI 辅助生成时把表结构SHOW CREATE TABLE的结果一起喂给模型它生成的字段类型和注释会更贴合你的实际规范。接入通道统一走 TaoToken 的 APIKey 在控制台集中管理换模型不用改代码。需要长期做这类数据库脚本生成和 Agent 任务的Coding Plan 的额度模型比按次调用更划算https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 。最后提醒一句任何批量ALTER TABLE之前先在测试库跑一遍确认验证 SQL 的三个计数相等再上生产。生产库表大的话加字段可能锁表挑低峰期执行。