QueryTune：用AI重构SQL优化的原生macOS工具

QueryTune是专为macOS设计的原生应用，利用大语言模型帮助开发者和DBA优化SQL查询性能。支持本地Ollama模型和云端API，提供结构化优化建议、索引推荐和对话式分析模式，解决现有方案的隐私顾虑和使用门槛问题。

对于数据库开发者和DBA，SQL优化关键但耗时，复杂操作需丰富经验。现有方案多为云端SaaS（数据隐私顾虑）或命令行工具（使用门槛高）。QueryTune填补空白，将LLM推理能力与桌面便捷性结合，实现私密高效的SQL优化。

QueryTune定位为"AI驱动的SQL优化工作站"，采用原生macOS界面（CustomTkinter），支持Apple Silicon和Intel双架构，提供深色模式等Mac用户习惯体验。包含两种模式：Optimize模式（深度优化具体查询，输出结构化结果）、Chat模式（流式对话，适合分析和学习）。

QueryTune支持灵活的AI后端：本地模式通过Ollama连接本地模型（如Qwen2.5-Coder），100%离线处理保障数据隐私；云端模式支持OpenAI API及兼容接口（如Groq），使用顶级模型处理复杂任务。内置连接诊断功能，测试AI端点可用性。

SQL优化质量依赖AI对数据上下文的理解。QueryTune提供collapsible "Context"区域，允许用户提供表结构（DDL）、数据规模、约束条件。技巧：仅提供相关表DDL避免噪声，长查询用32k+上下文窗口模型防止"lost in the middle"。

QueryTune文档提供模型推荐：本地推荐Qwen2.5-Coder:7b（默认，平衡逻辑与速度）、DeepSeek-R1:8b/14b（推理场景）、Llama3.1:8b（文本转SQL）；云端推荐GPT-4o/4o-mini（全能）、Claude3.5/3.7 Sonnet（复杂重构）。SQL优化任务建议低温度（0.0-0.2），推理模型略高温度更好。

QueryTune基于Python3.13和CustomTkinter构建，PyInstaller打包独立应用，Apache2.0开源。未来路线图包括历史日志保存、DDL自动解析、可视化diff对比、直接数据库连接等功能。

QueryTune代表AI工具向专业化、本地化发展的范例，未取代DBA判断，而是作为"智能副驾驶"提升优化效率。对频繁处理SQL性能问题的开发者值得尝试。