难道AI不知道tnsnames.ora的instance_name配置吗？
难道AI不知道tnsnames.ora的instance_name配置吗？
事情是这样，给某客户培训构建hands-on实验环境时，因测试环境有限，在同一环境做了一套ADG环境； 数据库是单实例，版本19.21，使用了多租户选件； 其中一个测试的PDB，名为demo1，其中建好测试用户jingyu，遇到的问题是： 使用sqlplus连接时，会随机连接到主库或者备库。
排查定位也很简单，因为这样的环境，监听lsnrctl status可以看到对应的服务下，是存在两个实例的，一个是主库，一个是ADG备库，但是，修改配置tnsnames.ora时，指定具体实例的语法怎么写，AI误导我走了弯路。
- 监听服务如下：
Service "demo1.sub00000000000.xxvcn.xxxxxxvcn.com" has 2 instance(s).
Instance "DB0913", status READY, has 1 handler(s) for this service...
Instance "DB0913_DG", status READY, has 1 handler(s) for this service...- tnsnames.ora配置如下：
DEMO1 =
(DESCRIPTION =
(ADDRESS = (PROTOCOL = TCP)(HOST = demo.sub00000000000.xxvcn.xxxxxxvcn.com)(PORT = 1521))
(CONNECT_DATA =
(SERVER = DEDICATED)
(SERVICE_NAME = demo1.sub00000000000.xxvcn.xxxxxxvcn.com)
)
)这里面就是标准配置，HOST那里写主机名或IP地址，这里同一环境，所以主备库肯定一样，端口也是标准的1521，service_name是默认的pdb服务名，也一样。
所以当使用：
sqlplus jingyu/pwd@demo1连接就会随机连接到主库或者备库。
而我们应该指定到底是连接主库还是备库。 正确的方法是查阅Oracle官方文档说明，可以找到这个参数：
6.9.7 INSTANCE_NAME
Purpose
To identify the database instance to access.
Usage Notes
Set the value to the value specified by the INSTANCE_NAME parameter in the initialization parameter file.
Put this parameter under the CONNECT_DATA parameter.说的非常明白，在CONNECT_DATA参数下面，添加INSTANCE_NAME指定要连接的实例。
所以，正确的做法应该是这样配置：
P_DEMO1 =
(DESCRIPTION =
(ADDRESS = (PROTOCOL = TCP)(HOST = demo.sub00000000000.xxvcn.xxxxxxvcn.com)(PORT = 1521))
(CONNECT_DATA =
(SERVER = DEDICATED)
(SERVICE_NAME = demo1.sub00000000000.xxvcn.xxxxxxvcn.com)
(INSTANCE_NAME = DB0913)
)
)
S_DEMO1 =
(DESCRIPTION =
(ADDRESS = (PROTOCOL = TCP)(HOST = demo.sub00000000000.xxvcn.xxxxxxvcn.com)(PORT = 1521))
(CONNECT_DATA =
(SERVER = DEDICATED)
(SERVICE_NAME = demo1.sub00000000000.xxvcn.xxxxxxvcn.com)
(INSTANCE_NAME = DB0913_DG)
)
)然后，指定清楚别名来区分主备库的连接：
--连接主库：
sqlplus jingyu/pwd@p_demo1
--连接备库：
sqlplus jingyu/pwd@s_demo1非常简单对吧？
可是自己最开始偷懒，直接问了LLM的AI，结果前期得到各种风马牛不相及的答案。
比如让我去加（ROLE=PRIMARY）、（ROLE=PHYSICAL STANDBY） 这样的参数，或者是（SID=DB0913）、（SID=DB0913_DG）。
这次终于算是让我切身感受了LLM的幻觉问题有多严重。
由于前段时间通过AI快速辅助我解决了一个疑难问题，让我树立了对AI的信心。 可是这次，如此简单的问题，给出的答案经过测试却完全不对。
看来客观事实是，目前针对专业性问题，AI的局限性其实还是很大的，不怕你说不知道，就怕一本正经的胡说八道。。。 另外提供给AI非常精准的提示词也是非常有挑战的一件事情，比如这个问题，我相信如果提示词写的足够好，也可能会得到正确答案，但很可能前提是你知道这个参数。。比如我查阅了官方手册，再试图引导去问的时候，的确可以得出正确的答案，可这个意义还有多大很值得商榷。
AI这样的回答给人带来的迷惑性极大，导致明明很简单的一个技术问题，却浪费了很多时间。 不过，也不能因噎废食，相信随着技术的进步，通过更好的通用LLM，辅助加上专业领域知识RAG的检索增强，一定会得到越来越可靠的答案给我们做参考，但目前看起来很长一段时间内，都还需要专家来严格把关最终结果。