解放程序员双手！GPT-3自动生成SQL语句｜代码开源

杨慧怡

金磊 发自 凹非寺
“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’

                               
登录/注册后可看大图

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’

                               
登录/注册后可看大图

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
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
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。

                               
登录/注册后可看大图

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。