ADVERTISEMENT
「無所不能」的GPT-3，現在又來解放程式設計師們的雙手了。
像這樣，只需用簡單的英文問下GPT-3「上個月註冊了多少使用者」。
GPT-3便會迅速作答，給出相對應的SQL語句：
在使用者
signup_time> now（）中從使用者中選擇COUNT（*）-間隔「 1個月」
更神奇的是，GPT-3是在不知道「資料庫模式」的情況下，預設存在「users」這個表；以及在使用者註冊過程中，存在「signup_time」這樣的字段。
相當的智慧！
就連開發者本人都連連驚嘆道：妙啊！
更複雜的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，還能如此智慧型嗎？
為此，作者給它「投餵」了更多的上下文，以及與「資料庫模式」相關的訊息：
輸入一個問題，GPT-3需要回答正確的PostgreSQL。
資料庫包含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，訊息給定後，現在來看下GPT-3的表現。
輸入：
在過去7天裡，我們有多少收入？
GPT-3：
從收費的地方選擇總和（金額）> now（）-間隔「 7天」
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()來匯總過去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，讓它變得更加智慧化。
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：
過去30天內最大的付款金額是多少？
GPT-3回答道：
從charge_dt> NOW（）中的費用中選擇最大值（金額）-間隔「 30天」
從這個小實驗來看，結果還是很不錯的，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：
使用電子郵件brian@seekwell.io的使用者何時付款？
這次GPT-3的回答是：
從使用者ID = 1且電子郵件='brian@seekwell.io'的費用中選擇SELECT MAX（charge_dt）
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，作者還是透過「例子」的方式，一步一步讓它「學」會聯合查詢。
輸入：在過去30天內有多少使用者註冊？
GPT-3：
從使用者那裡選擇COUNT（*），其中signup_dt> = now（）-間隔「 30天」
輸入：使用電子郵件brian@seekwell.io的使用者何時註冊？
GPT-3：
在電子郵件='brian@seekwell.io'的使用者中選擇signup_dt
輸入：過去7天我們有多少收入？
GPT-3：
從charge_dt> = now（）的費用中選擇總和（金額）-間隔「 7天」
輸入：從10-01-20到11-15-20，我們有多少收入？
GPT-3：
SELECT SUM（在charge_dt> = '10 -01-20':: date和charge_dt <'11 -15-20':: date然後金額為0結束的情況下）作為收入
FROM費用輸入：在過去6個月內，我們從註冊使用者中獲得了多少收入？
GPT-3：
從使用者中選擇
總和（charges.amount ）INNER JOIN對users.id =
charges.user_id收費WHERE users.signup_dt> = now（）-間隔「 6個月」輸入：使用電子郵件brian@seekwell.io的使用者何時付款？
GPT-3：
從使用者中選擇MIN（charge_dt）作為last_payment_dt，INNER JOIN
向使用者收取費用
。id= charges.user_id，WHERE使用者。電子郵件='brian@seekwell.io'輸入：最近2個月中，每年有多少新使用者註冊？
GPT-3：
選擇總和（case signup_dt> = now（）-間隔「 1月」，然後1否則0結束）作為signups_this_month，
總和（case signup_dt> = now（）-間隔「 2 months」和signup_dt <now（）-interval '1 month'，然後1 else 0 end）作為signups_last_month
FROM使用者
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：
使用電子郵件joe@freshpizza.com的使用者進行了多少筆付款？
這次它的回答是：
從使用者中選擇COUNT（*）個INNER JOIN向使用者收取費用。id= charges.user_id，其中users.email ='joe@freshpizza.com'
瞧瞧！GPT-3學會了！
當然，除了用「例子」的方式讓GPT-3變得更加聰明外，作者表示還可以透過調整參數的方式。
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要比廣義的（generalized）的GPT-3引擎好用得多。
為什麼要設計這個專案？
這個專案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。
這讓他萌生了「自動化」的想法。
與此同時，他也注意網友們用熱門的GPT-3，做了各種各樣有創意的專案。例如自動產生HTML、CSS程式碼等等，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，在部落格中也是連連發出「Cool」的聲音。
……
最後，作者將這個專案的程式碼在GitHub中開源了，感興趣的讀者可點選下方連結。
請注意！留言要自負法律責任，相關案例層出不窮，請慎重發文！