解放程序員雙手！GPT-3自動生成SQL語句 | 代碼開源

十三 2021-01-28 13:29:53 來源：量子位

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“上個月注冊了多少個用戶”。

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；以及在用戶注冊過程中，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嘆道：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面對更加復雜的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”，并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。

基于這樣的引導之后，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，但當作者加大難度后，問題還是出現了。

作者提出了更加復雜的問題：

when did user with email brian@seekwell.io make his last payment?

這次GPT-3的回答是：

SELECT?MAX(charge_dt)?FROM?charges?WHERE?user_id =?1?AND?email = ‘brian@seekwell.io’

很明顯，在“charges”表中，并沒有“email”這樣的字段，而是存在于“users”表中。

也就是說，對于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”

于是，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 brian@seekwell.io sign up?

GPT-3：

SELECT?signup_dt?FROM?users?WHERE?email = ‘brian@seekwell.io’

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 brian@seekwell.io 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 = ‘brian@seekwell.io’

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 <?now() –?interval?‘1?month’?then?1?else?0?end)?as?signups_last_month
FROM?users

在經過這樣一番“學習”之后，回過頭來，再去問GPT-3剛剛出錯的問題：

how many payments has user with email joe@freshpizza.com made?

這次它的回答是：

SELECT?COUNT(*)?FROM?users?INNER?JOIN?charges?ON?users.id = charges.user_id?WHERE?users.email = ‘joe@freshpizza.com’

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。

為什么要搞這個項目？

這個項目的作者是一位分析師，目前就職于一家叫做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，于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。

……

最后，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。

參考鏈接：
https://blog.seekwell.io/gpt3

GitHub項目地址：
https://github.com/bkane1/gpt3-instruct-sandbox