1. 从一次报表卡顿说起：为什么你需要真正理解 T-SQL 函数
如果你写过一段时间的 T-SQL，大概率遇到过这种场景：一个统计报表的存储过程越写越长，里面塞满了重复的SUM、AVG计算，还有一堆针对不同专业的筛选逻辑。每次需求一变，就得在几百行代码里翻找修改点，改完还容易漏。我试过最夸张的一次，一个销售汇总查询里同样的CASE WHEN逻辑出现了七遍，后来加了一个新的产品分类，改到怀疑人生。
这类问题的根源，往往不是 SQL 语法不熟，而是没有把「函数」这个工具用到位。T-SQL 里的函数大致分两类：一类是系统内置的，比如聚合函数SUM、AVG、COUNT，日期函数DATEADD、DATEDIFF，字符串函数SUBSTRING、CHARINDEX；另一类是你自己写的自定义函数，包括标量函数、内嵌表值函数和多语句表值函数。聚合函数解决的是「把多行压成一行」的统计问题，自定义函数解决的是「把重复逻辑封装起来」的复用问题。两者配合好了，查询既能跑得快，代码也能维护得动。
这篇文章面向的是已经会写基本SELECT、想进一步提升 T-SQL 工程能力的 SQL 开发者和数据分析人员。我会从聚合函数的实战用法讲起，再给出三类自定义函数的可复制模板，最后补上执行验证和常见报错排查。另外，如果你在本地或团队里用 AI 辅助写 SQL，我也会给出一份settings.json配置骨架，把模型调用通道统一到 TaoToken 的 Key/API 上，省得每个工具各配一套密钥。整篇内容都可以直接拿去在 SQL Server 里跑，不需要额外环境。
2. 聚合函数实战：不只是 SUM 和 COUNT
2.1 聚合函数的核心行为与 GROUP BY 配合
聚合函数的特点是「多行输入，单行输出」。你写SELECT AVG(score) FROM sc，返回的是一个数；你写SELECT cno, AVG(score) FROM sc GROUP BY cno，返回的是每个课程号一行。这里的关键是GROUP BY决定了聚合的粒度。很多人初学时会把非聚合列直接写在SELECT里而不加GROUP BY，SQL Server 会直接报错：
-- 错误示例：sno 没有出现在 GROUP BY 中 SELECT sno, cno, AVG(score) FROM sc GROUP BY cno;报错信息类似「列 'sc.sno' 在选择列表中无效，因为该列既不包含在聚合函数中，也不包含在 GROUP BY 子句中」。修正方式要么把sno加进GROUP BY，要么用聚合函数包起来。
2.2 常用聚合函数对照与 NULL 处理
| 函数 | 作用 | 对 NULL 的处理 |
|---|---|---|
| SUM | 求和 | 忽略 NULL |
| AVG | 求平均 | 忽略 NULL，分母不含 NULL 行 |
| MIN | 最小值 | 忽略 NULL |
| MAX | 最大值 | 忽略 NULL |
| COUNT(列) | 统计非 NULL 行数 | 忽略 NULL |
| COUNT(*) | 统计所有行数 | 包含 NULL 行 |
这里有个容易踩的坑：AVG忽略 NULL，所以如果某列有一半是 NULL，算出来的平均值只基于另一半非 NULL 值。如果你希望 NULL 按 0 参与平均，得用AVG(ISNULL(score, 0))。而COUNT(*)和COUNT(列)的差异在数据质量检查里特别有用——两者差值就是该列的 NULL 行数。
2.3 聚合查询示例：按课程统计成绩分布
下面这段查询统计每门课程的平均分、最高分、最低分和选课人数，是一个典型的聚合实战：
SELECT cno AS 课程号, COUNT(*) AS 选课人数, AVG(score) AS 平均分, MAX(score) AS 最高分, MIN(score) AS 最低分, SUM(CASE WHEN score >= 60 THEN 1 ELSE 0 END) AS 及格人数 FROM sc GROUP BY cno HAVING AVG(score) > 70 ORDER BY 平均分 DESC;注意HAVING和WHERE的区别：WHERE在分组前过滤行，HAVING在分组后过滤组。上面这个查询先用GROUP BY把每门课聚成一行，再用HAVING筛掉平均分不超过 70 的课程。如果你把条件写成WHERE AVG(score) > 70，SQL Server 会报「聚合函数不能出现在 WHERE 子句中」。
3. 自定义函数三类模板：标量、内嵌表值、多语句表值
3.1 标量函数：返回单个值
标量函数适合封装「输入几个参数，算出一个值」的逻辑。语法骨架如下：
CREATE FUNCTION dbo.fn_GetCourseAvg ( @cno CHAR(6) ) RETURNS FLOAT AS BEGIN DECLARE @aver FLOAT; SELECT @aver = AVG(score) FROM sc WHERE cno = @cno; RETURN @aver; END;调用时必须带所有者名，也就是dbo.前缀：
DECLARE @course CHAR(6) = 'C001'; SELECT dbo.fn_GetCourseAvg(@course) AS 课程平均分;标量函数的一个性能注意点：如果在SELECT里对每一行都调用标量函数，SQL Server 在旧版本中可能逐行执行，数据量大时明显变慢。SQL Server 2019 之后有了标量 UDF 内联优化，但也不是所有场景都能命中。所以标量函数更适合逻辑简单、调用次数可控的场景。
3.2 内嵌表值函数：返回一张表，相当于参数化视图
内嵌表值函数没有BEGIN...END函数体，直接用一个SELECT返回表。它最大的价值是「参数化视图」——视图不能带参数，但内嵌表值函数可以。
CREATE FUNCTION dbo.fn_StudentsByMajor ( @major NVARCHAR(20) ) RETURNS TABLE AS RETURN ( SELECT s.sno, s.sname, sc.cno, sc.score FROM student s INNER JOIN sc ON s.sno = sc.sno WHERE s.specialty = @major );调用方式就是把它当表用：
SELECT * FROM dbo.fn_StudentsByMajor(N'计算机');内嵌表值函数在查询优化器里通常能被展开成等效的连接查询，性能比多语句表值函数好，所以能用内嵌表值函数解决的，优先用它。
3.3 多语句表值函数：需要中间计算时使用
多语句表值函数有BEGIN...END函数体，可以往返回的 table 变量里多次插入数据，适合需要分步筛选、合并的场景。
CREATE FUNCTION dbo.fn_StudentScoreDetail ( @sno CHAR(20) ) RETURNS @result TABLE ( s_no CHAR(20), s_name NVARCHAR(20), c_name NVARCHAR(20), c_score TINYINT, c_credit TINYINT ) AS BEGIN INSERT INTO @result SELECT s.sno, s.sname, c.cname, sc.score, c.credit FROM student s INNER JOIN sc ON s.sno = sc.sno INNER JOIN course c ON sc.cno = c.cno WHERE s.sno = @sno; RETURN; END;调用同样用SELECT：
SELECT * FROM dbo.fn_StudentScoreDetail('201602001');三类函数的选型可以记一个简单原则：算一个值用标量，返回一张表且逻辑是单个查询用内嵌表值，返回一张表但需要多步处理用多语句表值。
4. 统一 Key/API 通道：settings.json 配置骨架
如果你在用 AI 辅助写 T-SQL，比如让模型帮你生成聚合查询或自定义函数模板，通常会涉及多个工具各自配置 API Key 的问题。把通道统一到 TaoToken 可以减少密钥管理成本。下面是一份settings.json配置骨架，适用于支持 OpenAI 兼容接口的编辑器或 CLI 工具：
{ "ai.provider": "openai-compatible", "ai.baseUrl": "https://taotoken.net/api", "ai.apiKey": "sk-你的TaoToken密钥", "ai.model": "claude-sonnet-4-20250514", "ai.temperature": 0.2, "ai.maxTokens": 4096, "ai.requestTimeout": 60000, "ai.retry": { "enabled": true, "maxAttempts": 3, "backoffMs": 1000 } }几个参数说明：baseUrl填https://taotoken.net/api，不要带多余路径；apiKey从控制台的 API Keys 页面生成；temperature写 SQL 建议调低到 0.2 左右，减少随机性；maxTokens根据你生成的 SQL 长度调整，一般 4096 够用。如果你用的是 Claude Code 这类编码 Agent，长期跑任务可以考虑 Coding Plan，额度更稳定。
配置完成后，在工具里发一条测试请求，比如让它生成一个「按专业统计平均分」的 T-SQL 查询，能正常返回就说明通道通了。密钥不要写进版本库，用环境变量或本地配置文件隔离。
5. 执行验证与常见报错排查
5.1 验证自定义函数是否创建成功
创建完函数后，先用系统视图确认存在：
SELECT name, type_desc, create_date FROM sys.objects WHERE type IN ('FN', 'IF', 'TF') AND name LIKE 'fn_%';FN是标量函数，IF是内嵌表值函数，TF是多语句表值函数。查到记录说明创建成功。然后分别调用一次，确认返回结果符合预期。
5.2 常见报错与修正
报错一：「'CREATE FUNCTION' 必须是查询批次中的第一个语句」原因是你把CREATE FUNCTION和其他语句写在同一个批次里了。解决办法是在CREATE FUNCTION前面加GO，或者单独选中函数定义部分执行。
报错二：「在函数内无效的语句」函数体里不能做修改数据状态的操作，比如INSERT、UPDATE、DELETE目标表、CREATE TABLE、EXEC动态 SQL 等。多语句表值函数里只能往@result这个 table 变量插入数据，不能操作永久表。
报错三：「无法在函数中使用的数据类型」标量函数的返回类型不能是TEXT、NTEXT、IMAGE、CURSOR、TIMESTAMP或TABLE。如果你需要返回表，用表值函数。
报错四：调用标量函数时报「不是可以识别的 内置函数名称」多半是忘了加dbo.前缀。自定义标量函数调用时必须带所有者名，写成dbo.fn_xxx()。
报错五：聚合查询报「列在选择列表中无效」检查SELECT里的非聚合列是否都出现在GROUP BY中，或者是否被聚合函数包裹。
5.3 性能排查小技巧
如果发现某个查询变慢，先看执行计划里有没有「标量计算」或「表值函数」的逐行调用。把标量函数改写成内嵌表值函数再CROSS APPLY，往往能明显提速。另外，聚合查询在大表上跑之前，确认GROUP BY和WHERE用到的列上有合适索引。
6. 把函数用成习惯，而不是临时拼 SQL
写 T-SQL 时间长了会发现，真正拉开效率差距的不是会不会写JOIN，而是有没有把重复逻辑沉淀成函数。聚合函数帮你把统计口径固定下来，自定义函数帮你把业务规则封装起来，两者结合，存储过程和报表查询都能瘦一圈。我自己的习惯是：同一个计算逻辑在三个地方出现过，就抽成函数；同一个筛选条件被复制超过两次，就做成内嵌表值函数。
如果你在配置 AI 辅助通道时遇到密钥或模型调用问题，可以直接去 API Keys 页面生成新密钥，接入文档里有各语言的最小请求示例。需要验证模型返回的 SQL 是否正确，用模型对话跑一遍；如果是长期在编辑器里做编码辅助，Coding Plan 的额度模型更适合持续使用。把通道配好之后，让模型帮你生成函数模板、检查聚合逻辑，比手动翻文档快得多。
