由 John Doe 三月 28, 2023
GPT 可以编写 SQL。如果我们用简单的语言写下我们的问题，然后让 GPT 编写 SQL 来获得答案，那么我们就可以节省大量花费在企业流程管理、数据分析软件上面的时间。
测试
让我们用一个简单的查询来试试看。
> "Get all the customers who have not made any order"
SELECT customers.*
FROM customers
LEFT JOIN orders
ON customers.customer_id = orders.customer_id
WHERE orders.customer_id IS NULL;
嗯，看起来不太好。
- 我猜 GPT 认为我们的问题可以使用一些限定条件进行修饰，所以它添加了一个谓词并将其包含在英语中
- GPT 不知道我们的表格，所以它自己编造了
请注意，GPT 自信地返回了错误答案，即使它缺少正确执行此操作所需的几乎所有必要信息。GPT 没有提出后续问题的想法。
在 OpenAI 的访问接口中，有一个temperature参数可以控制 GPT 在其响应中的宽松的程度。使用什么采样温度，介于 0 和 2 之间。较高的值（如 0.8）将使输出更加随机，而较低的值（如 0.2）将使其更加集中和确定。
让我们再试一次，将采样温度调整到0：
> "Get all the customers"
SELECT * FROM customers;
非常酷，非常明确。但是 GPT 仍然不知道数据架构或实际的表名，因此该查询不会运行正确。
迭代
我们需要告诉 GPT 更多关于我们正在处理的数据的信息；什么模式有什么表，以及这些表有什么列。
GPT 为此提供的唯一机制是提示，所以我们必须做孩子们所说的提示工程 — 一个花哨的短语，用于将尽可能多的信息塞入有限的空间。
我们可以为我们的表生成一些简洁明了的英语描述以添加到提示中：
Schema STRIPE has tables:
CHARGE with columns [ID, AMOUNT, CREATED, CURRENCY, CUSTOMER_ID, ...]
CUSTOMER with columns [ID, NAME, CREATED, SHIPPING_ADDRESS_STATE, ...]
...
将模式信息添加到提示词后，使用新上下文运行相同的查询，GPT 返回：
> "Get all the customers"
SELECT * FROM STRIPE.CUSTOMER;
看起来不错，第一次跑成功！让我们尝试另一个：
> "Get all charges from customers created in the past year"
SELECT c.ID, c.AMOUNT, c.CREATED, c.CURRENCY, c.CUSTOMER_ID
FROM CHARGE c
INNER JOIN CUSTOMER cu
ON c.CUSTOMER_ID = cu.ID
WHERE cu.CREATED > date('now', '-1 year');
我注意到 GPT 更喜欢枚举列，即使使用*也可以。
这看起来不错，但不会运行。
- 我不确定
date('now', '-1 year')有效语法在哪里，但它不在 PostgreSQL 中，所以我们应该指定数据库。 - 需要在每个表引用之前指定模式
- GPT 认为该
CREATED列是一个日期（合理），但这实际上是一个 VARCHAR 需要转换的日期。理想情况下，我们会告诉 GPT 每列的类型。
让我们在提示中澄清这一点并尝试另一个查询：
> "Get the three users from China who have paid the most money since February 2022"
SELECT c.name, c.email, SUM(ch.amount) AS total_amount
FROM STRIPE.CUSTOMER c
INNER JOIN STRIPE.CHARGE ch
ON c.id = ch.customer_id
WHERE c.shipping_address_country = 'China'
AND date_part(MONTH, CAST(ch.created AS DATE)) >= 2
AND date_part(YEAR, CAST(ch.created AS DATE)) >= 2022
GROUP BY c.name, C.email
ORDER BY total_amount DESC
LIMIT 3;
撇开 SQL 挑剔不谈，这太不可思议了。机器立即回答了我关于自己业务的含糊不清、写得不好的问题。我们生活在激动人心的时代。