金磊 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
“無所不能”的GPT-3，現在又來解放程序員們的雙手了。
像這樣，只需用簡單的英文問下GPT-3“上個月註冊了多少個用戶”。
GPT-3便會迅速作答，給出對應的SQL語句：
SELECT COUNT(*) FROM users
WHERE signup_time > now() - interval ‘1 month’
更神奇的是，GPT-3是在不知道“數據庫模式”的情況下，默認存在“users”這個表；以及在用戶註冊過程中，存在“signup_time”這樣的字段。
相當的智能了！
就連開發者本人都連連驚歎道：妙啊！
更復雜的SQL語句，GPT-3 hold得住嗎？
當然，剛才提到的提到的例子，只是非常簡單的提問。
那當GPT-3面對更加複雜的SQL查詢時，還能如此智能嗎？
為此，作者給它“投喂”了更多的上下文，以及與“數據庫模式”相關的信息：
輸入一個問題，GPT-3需要回答正確的PostgreSQL。
數據庫包含2個表，分別是“users”和“charges”。
“users”表包含的字段有：id (integer), signup_dt (timestamp), email (character varying)和 plan_type (character varying)。
“charges”表包含的字段有：amount (bigint), user_id (integer), 以及charge_dt (timestamp)。
OK，信息“投喂”完畢，現在來看下GPT-3的表現。
輸入：
how much revenue did we have in the past 7 days?
GPT-3：
SELECT SUM(amount) FROM charges WHERE chargedt > now() - interval ‘7 days’
不難看出，GPT-3正確地推斷出了”amount” = “revenue”，並且知道為了回答問題，要用SUM()來彙總過去7天的費用。
看來GPT-3已經掌握了基本的SQL語法。
但作者也表示，GPT-3有的時候喜歡自己“發明”一些字段，所以現在就用“例子引發”的方式，讓它變得更加智能。
先讓GPT-3做些簡單的例子實驗，例如讓它從“users”和“charges”2個表中，提取所有可用的字段。
基於這樣的引導之後，再向GPT-3提問：
what was the largest payment amount made in the past 30 days?
GPT-3回答道：
SELECT MAX(amount) FROM charges WHERE charge_dt > NOW() - INTERVAL ‘30 days’
這個小實驗的結果看著還是挺不錯的，但當作者加大難度後，問題還是出現了。
作者提出了更加複雜的問題：
when did user with email [email protected] make his last payment?
這次GPT-3的回答是：
SELECT MAX(charge_dt) FROM charges WHERE user_id = 1 AND email = ‘[email protected]’
很明顯，在“charges”表中，並沒有“email”這樣的字段，而是存在於“users”表中。
也就是說，對於SQL經常用到的聯合查詢，GPT-3還沒有get到。
讓GPT-3一步步學會“聯合查詢”
於是，作者還是通過“例子”的方式，一步一步讓它“學”會聯合查詢。
輸入：how many users signed up in the past 30 days?
GPT-3：
SELECT COUNT(*) FROM users WHERE signup_dt >= now() - interval ‘30 days’
輸入：when did user with email [email protected] sign up?
GPT-3：
SELECT signup_dt FROM users WHERE email = ‘[email protected]’
輸入：how much revenue did we have in the past 7 days?
GPT-3：
SELECT SUM(amount) from charges WHERE charge_dt >= now() - interval ‘7 days’
輸入：how much revenue did we have from 10-01-20 through 11-15-20?
GPT-3：
SELECT SUM(case when charge_dt>= ‘10-01-20’::date and charge_dt < ‘11-15-20’::date then amount else 0 end) as revenue
FROM charges
輸入：how much revenue have we had from users that signed up in the last 6 months?
GPT-3：
SELECT SUM(charges.amount) FROM users INNER JOIN
charges ON users.id = charges.user_id
WHERE users.signup_dt>= now() - interval ‘6 months’
輸入：when did user with email [email protected] make his first payment?
GPT-3：
SELECT MIN(charge_dt) as last_payment_dt from users INNER JOIN
charges ON users.id = charges.user_id
WHERE users.email = ‘[email protected]’
輸入：how many new users signed up in each of the last 2 months?
GPT-3：
SELECT sum(case when signup_dt>= now() - interval ‘1 month’ then 1 else 0 end) as signups_this_month,
sum(case when signup_dt>= now() - interval ‘2 months’ and signup_dt
FROM users
在經過這樣一番“學習”之後，回過頭來，再去問GPT-3剛剛出錯的問題：
how many payments has user with email [email protected] made?
這次它的回答是：
SELECT COUNT(*) FROM users INNER JOIN charges ON users.id = charges.user_id WHERE users.email = ‘[email protected]’
瞧瞧！GPT-3學會“內聯”了，很酷有木有！
當然，除了用“例子”的方式讓GPT-3變得更加聰明外，作者表示還可以通過調參的方式。
同時作者還強調了一點，他發現，起碼在“讓GPT-3寫SQL語句”這件事上，GPT-3 Instruct 要比泛化（generalized）的GPT-3引擎好用得多。
為什麼要搞這個項目？
這個項目的作者是一位分析師，目前就職於一家叫做SeekWell的公司。
他每天日常的工作，就是編寫大量的SQL語句，來回答與業務相關的問題。
這就讓他萌生了“自動化”的想法。
與此同時，他也注意網友們用大火的GPT-3，做了各種各樣有創意的項目。
例如自動生成HTML、CSS代碼等等，於是他便操刀開始訓練GPT-3生成SQL語句。
當然，效果也是讓他震驚不已，在博客中也是連連發出“Cool”的聲音。
……
最後，作者將這個項目的代碼在GitHub中開源了，感興趣的讀者可戳下方鏈接。
轉載請超鏈接註明：頭條資訊 » 解放程序員雙手！GPT-3自動生成SQL語句｜代碼開源
免責聲明
：非本網註明原創的信息，皆為程序自動獲取互聯網，目的在於傳遞更多信息，並不代表本網贊同其觀點和對其真實性負責；如此頁面有侵犯到您的權益，請給站長發送郵件，並提供相關證明(版權證明、身份證正反面、侵權鏈接)，站長將在收到郵件24小時內刪除。