我平时用 SQLite 的场景挺多：本地开发、调试缓存、看一些桌面应用生成的数据文件，偶尔也会接手别人留下来的 .db 文件。
SQLite 本身很好用，问题通常不在数据库，而在工具体验上。
很多时候我只是想做几件很小的事：看一下某张表有多少数据，确认一个字段在哪，复制一下 DDL，改几条测试记录，或者把常用 SQL 存起来。但实际操作经常会变成：打开表、翻字段、切查询窗口、写 SQL、执行、再回去看结构。
这些动作都不难，就是很打断思路。
所以我做了 DBLens for SQLite。
先把日常操作做顺
DBLens for SQLite 是一个 SQLite 桌面管理工具。最基础的能力肯定都有：
- 管理数据库连接
- 查看表、视图和查询
- 打开表数据
- 编辑记录
- 筛选、排序、分页
- 设计表结构
- 复制 DDL
- 导出 SQL
- 导出数据字典
- 保存常用查询
- 查看历史日志
- 全库搜索
我比较在意的是高频操作的路径要短。比如打开表、设计表、复制 DDL、导出 SQL、复制表结构、刷新、重命名这些事，尽量都放在顺手的位置，不需要为了一个小动作来回翻菜单。
打开表之后，也尽量按"数据表格"的方式来操作。能直接筛选、排序、编辑；长文本、图片、二进制内容也做了单独查看，不用只盯着一个被截断的单元格。
全库搜索是我自己很需要的功能
用 SQLite 经常会遇到一个情况：你手里有库，但不一定有文档。
尤其是看客户端缓存、本地应用数据、别人项目里的数据库时，经常不知道某个字段或某段数据到底在哪张表。
所以 DBLens 里做了全库查找，既能按数据内容搜，也能按结构定义搜。比如你记得一个字段名、一段关键词，或者只知道业务含义，就可以先搜一轮，把可能相关的表和字段找出来。
这比一张表一张表点开看舒服很多。
后来我觉得，AI 不应该只是帮我写 SQL
这次我最想讲的是 LensAI Agent。
一开始做 AI 功能时，很容易做成一个"SQL 生成框"：用户输入需求，模型返回一段 SQL。这个当然有用，但我总觉得还不够。
因为真实使用数据库的时候，写 SQL 只是中间一步。很多时候你还要先知道有哪些表、字段叫什么、结构怎么设计、结果是否可信。
所以 DBLens 里的 Agent 会带着当前数据库上下文工作。它知道你当前连的是哪个库，正在看哪张表，当前对象是什么。
你可以直接问它：
当前表有多少条数据？
用户相关的表有哪些？
帮我看一下这张表结构。
这个字段可能在哪些表里？
生成一条统计 SQL。
解释一下这段 DDL。
它不会直接靠猜回答，而是会先去查真实结构，读取表摘要或 DDL。需要查询数据时，也会走受控的只读查询，并限制返回行数。
我也不想让 Agent 变成黑盒，所以执行过程会展示出来：它在找哪些对象，读了哪些结构，执行了什么查询，为什么这么判断。遇到多个相似表名时，会让用户选；涉及有风险的动作，也会先确认。
我想做的是一个 SQLite 工作台
DBLens for SQLite 不是想做一个特别复杂的"大而全"工具。对我来说，它更像是一个 SQLite 工作台：
能手动操作，也能让 Agent 帮你先跑一轮；
能看数据，也能理解结构；
能写 SQL，也能追踪历史和沉淀常用查询。
如果你也经常和 SQLite 打交道，尤其是做本地开发、调试缓存、看小型项目数据，DBLens for SQLite 应该会比较适合你。
它解决的不是"能不能管理数据库"这个问题，而是希望让你在处理 SQLite 时，少一点重复点击，少一点字段猜测，多一点连续的工作流。