解放程序员双手！GPT-3自动生成SQL语句 | 代码开源

十三 2021-01-28 13:29:53 来源：量子位

金磊 发自 凹非寺
量子位 报道 | 公众号 QbitAI

“无所不能”的GPT-3，现在又来解放程序员们的双手了。

像这样，只需用简单的英文问下GPT-3“上个月注册了多少个用户”。

GPT-3便会迅速作答，给出对应的SQL语句：

SELECT COUNT(*) FROM users
WHERE signup_time > now() – interval ‘1 month’

更神奇的是，GPT-3是在不知道“数据库模式”的情况下，默认存在“users”这个表；以及在用户注册过程中，存在“signup_time”这样的字段。

相当的智能了！

就连开发者本人都连连惊叹道：妙啊！

更复杂的SQL语句，GPT-3 hold得住吗？

当然，刚才提到的提到的例子，只是非常简单的提问。

那当GPT-3面对更加复杂的SQL查询时，还能如此智能吗？

为此，作者给它“投喂”了更多的上下文，以及与“数据库模式”相关的信息：

输入一个问题，GPT-3需要回答正确的PostgreSQL。

数据库包含2个表，分别是“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”完毕，现在来看下GPT-3的表现。

输入：

how much revenue did we have in the past 7 days?

GPT-3：

SELECT SUM(amount) FROM charges WHERE chargedt > now() – interval ‘7 days’

不难看出，GPT-3正确地推断出了”amount” = “revenue”，并且知道为了回答问题，要用SUM()来汇总过去7天的费用。

看来GPT-3已经掌握了基本的SQL语法。

但作者也表示，GPT-3有的时候喜欢自己“发明”一些字段，所以现在就用“例子引发”的方式，让它变得更加智能。

先让GPT-3做些简单的例子实验，例如让它从“users”和“charges”2个表中，提取所有可用的字段。

基于这样的引导之后，再向GPT-3提问：

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’

这个小实验的结果看着还是挺不错的，但当作者加大难度后，问题还是出现了。

作者提出了更加复杂的问题：

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

这次GPT-3的回答是：

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

很明显，在“charges”表中，并没有“email”这样的字段，而是存在于“users”表中。

也就是说，对于SQL经常用到的联合查询，GPT-3还没有get到。

让GPT-3一步步学会“联合查询”

于是，作者还是通过“例子”的方式，一步一步让它“学”会联合查询。

输入：how many users signed up in the past 30 days?

GPT-3：

SELECT COUNT(*) FROM users WHERE signup_dt >= now() – interval ‘30 days’

输入：when did user with email brian@seekwell.io sign up?

GPT-3：

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

输入：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’

输入：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

输入：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’

输入：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’

输入：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

在经过这样一番“学习”之后，回过头来，再去问GPT-3刚刚出错的问题：

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

这次它的回答是：

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

瞧瞧！GPT-3学会“内联”了，很酷有木有！

当然，除了用“例子”的方式让GPT-3变得更加聪明外，作者表示还可以通过调参的方式。

同时作者还强调了一点，他发现，起码在“让GPT-3写SQL语句”这件事上，GPT-3 Instruct 要比泛化（generalized）的GPT-3引擎好用得多。

为什么要搞这个项目？

这个项目的作者是一位分析师，目前就职于一家叫做SeekWell的公司。

他每天日常的工作，就是编写大量的SQL语句，来回答与业务相关的问题。

这就让他萌生了“自动化”的想法。

与此同时，他也注意网友们用大火的GPT-3，做了各种各样有创意的项目。

例如自动生成HTML、CSS代码等等，于是他便操刀开始训练GPT-3生成SQL语句。

当然，效果也是让他震惊不已，在博客中也是连连发出“Cool”的声音。

……

最后，作者将这个项目的代码在GitHub中开源了，感兴趣的读者可戳下方链接。

参考链接：
https://blog.seekwell.io/gpt3

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