作者 | Brian Kane @SeekWell

編譯 | 伍杏玲

出品 | AI科技大本營（ID：rgznai100）

【導語】手寫業務 SQL 很繁瑣？GPT-3來幫你！本文作者通過手動輸入簡單的英文描述秒 Get 到 SQL 了，聽說 AI 又來搶開發者飯碗，一起來看看吧：

作為分析師，我花費大量時間撰寫 SQL 來回復各類業務問題，如簡單的客戶查詢問題“用戶X是否有正確的計劃”，評估 KPI，增長指標“上個月有多少用戶注冊，轉換為付費用戶的百分比是多少”，預估問題“12 個月內我們將獲得多少收入”，

為了讓我的作業更輕松，我盡量使用自動化來完成，盡管公司研發一些工具來幫助解決，但需要寫 SQL 代碼的話用當前工具很難自動化，GPT-3 來救駕！

GPT-3 是一種文本完成引擎，它接受輸入的文本并回傳它認為接下來會出現的文本，現在已經有很多人使用它根據指定說明來生成 HTML、CSS 等代碼，

由于我的大部分作業是寫 SQL，所以我希望通過簡單的英語描述陳述句，GPT-3 將這些陳述句轉為 SQL 代碼，接著執行該 SQL，等待頁面回傳結果，

對我來說，GPT-3 Instruct（仍處于beta版）比更通用的 GPT-3 引擎更有效果，GPT-3 Instruct（尤其是davinci-instruct）可讓你給出 GPT-3 回應的特定指令，下面我將詳細為大家展示下一些示例，其中 gif 里輸入問題由我生成，為綠色，GPT-3 將其轉換為SQL（由GPT-3生成，為藍色），我對 GPT-3 說明（黃色）和 GPT-3 示例（橙色），

這是我給的第一條指令，一個問題以及GPT-3的回復：

說明：給定輸入問題，請使用語法正確的 PostgreSQL 進行回應，可以有創新，但 SQL 必須正確

輸入：how many users signed up in the past month?

GPT-3：

SELECT COUNT(*) FROM users
WHERE signup_time > now() - interval '1 month'

我沒給過資料庫架構，但假設我有一個名為“ users”的表，有“ signup_time”時間戳欄位用于用戶注冊，這個符合邏輯，它知道在 PostgreSQL 中從今天的日期減去一個月的正確方法（now（）-間隔“ 1個月”），太酷了！

為了給 GPT-3 提供更多的背景關系，我將有關資料庫模式的資訊添加到指令中，我的新指令：

說明：給定輸入問題，請使用語法正確的PostgreSQL進行回應，僅使用“用戶”和“收費”的表，“用戶”表具有以下列：id（整數），signup_dt（時間戳），電子郵件（字符變化）和plan_type（字符變化），“費用”表中包含列：金額（bigint），user_id（整數）和charge_dt（時間戳），

我問另一個問題，看看 GPT-3 是否可以根據實際資料庫來回應：

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'

我向它提供了有關資料庫中表和列的更多資訊，它正確地推斷出“ amount” =“ revenue”，并 SUM（）來統計 7 天收費后的金額，我們看到，它已知道一些基本的SQL語法，并推斷出我的意思，

用示例啟動GPT-3

我想需要通過一個簡單的示例來明確告知 GPT-3 表中的列，示例是提供 GPT-3背景關系并充實一些細節的好方法，這有助于確定哪些列和表可以使用（GPT-3有時喜歡“發明”列），這是我添加到提示中的示例：

輸入：select all available columns from users table.

輸出：

SELECT id, signup_dt, email, plan_type FROM users

輸入：select all available columns from charges table.

輸出：

SELECT amount, user_id, and charge_dt FROM charges

將這些示例提供給 GPT-3，我將再問一個問題：

輸入：what was the largest payment amount made in the past 30 days?

GPT-3：

SELECT MAX(amount) FROM charges WHERE charge_dt > NOW() - INTERVAL '30 days'

它知道使用MAX（金額）來獲得最大的付款并正確設定日期條件，沒看到有關如何從當前日期減去天數的示例，我們再試試其他的：

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

GPT-3：

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

不太對，“收費”表中沒有電子郵件列，因此該查詢將失敗，我也從來沒有說過電子郵件=“ brian@seekwell.io”的用戶的user_id = 1-不知道從何而來，要正確回答該問題，必須將“收費”表與“用戶”表結合在一起，因為只有“用戶”有電子郵件列，

由于知道在users.id = Charges.user_id上聯接這些表是一個大的進步，所以我將給 GPT-3 一個“聯接”的示例：

輸入：when did jane@seekwell.io make her first payment?

輸出：

SELECT MIN(charge_dt) as last_payment_dt from charges LEFT JOIN
users ON users.id = charges.user_id
WHERE users.email = 'jane@seekwell.io'

我再試一次：

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

GPT-3：

SELECT MAX(charge_dt) as last_payment_dt from charges LEFT JOIN users ON users.id = charges.user_id WHERE users.email = 'brian@seekwell.io'

根據示例，它變得太簡單了，它正確地更改了MIN（）→MAX（）并用我要求的電子郵件替換了該電子郵件，我們嘗試另一個難度級別，先加更多示例來提供更多背景資訊并改善回應，新的例子：

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

輸出：

SELECT COUNT(*) FROM users WHERE signup_dt >= now() - interval '30 days'

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

輸出：

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

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

輸出：

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?

輸出：

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?

輸出：

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?

輸出：

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?

輸出：

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

這些示例為它提供了一些基本查詢，因此它更加熟悉我的資料庫以及用例的特定術語和概念（例如，“付費用戶”表示其plan_type =“ pro”），我還介紹了匯總兩個日期之間的指標（收入），我們繼續加深難度：

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

GPT-3：

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

GPT-3認為這里的COUNT（）是適當的運算式，知道將“用戶”與“收費”表結合在一起，并將電子郵件正確設定為我所詢問的電子郵件，GPT-3的另一個問題：

輸入：how much revenue have we received from users with an email ending in 'seekwell.io' in the last 3 months?

GPT-3：

SELECT SUM(charges.amount) FROM users INNER JOIN charges ON users.id = charges.user_id WHERE users.email LIKE '%seekwell.io%' AND users.signup_dt>= now() - interval '3 months'

太棒了，它知道將“以seekwell.io結尾的電子郵件”在SQL中轉換為“ users.email LIKE'％seekwell.io％'”（即使之前從未見過），并對與此匹配的用戶收取了所有費用的總和健康）狀況，還有一個：

輸入：how much revenue did we have between June 1st and August 1st 2020?

GPT-3：

SELECT SUM(case when charge_dt >= '06-01-2020'::date and charge_dt < '08-01-2020'::date then amount else 0 end) as revenue FROM charges

我已經教過它如何從10-01-20到11-15-20來獲取收入，所以它要容易一些，它確實知道將6月1日和8月1日轉換為SQL中適當的日期格式（'06- 01-2020”和“ 08-01-2020”），如果它只是用“ 6月1日”和“ 8月1日”替換了我示例中的日期，我它不是在獲取日期的概念，只是將模式匹配到最接近的示例，有了這個結果，我可以知道GPT-3至少在某種程度上了解了日期的概念，

將 GPT-3 “玩壞了”

剛才我列舉的例子都是關于用戶、收入和增長指標等基本問題，GPT-3 處理得很好，現在我想知道有多少用戶轉換為付費用戶：

輸入：what percent of users who signed up converted to paid?

GPT-3：

SELECT COUNT() as total_users, COUNT() as total_paid_users, 100.0*(COUNT() as total_paid_users) / COUNT() as total_users AS percent_converted FROM users

這不是我想要的，絕對不是正確的SQL，它不理解“百分比”的概，它僅是 COUNT（）并乘以100，我使用“百分比”來試驗下：

輸入：what percent of users have an email ending in 'gmail.com'?

輸出：

SELECT SUM(CASE WHEN email like '%gmail.com' then 1 else 0 end)/COUNT(*) as percent_gmail
FROM users

當我嘗試相同的問題時，我得到：

輸入：what percent of users who signed up converted to paid?

GPT-3：

SELECT SUM(CASE WHEN plan_type = 'pro' THEN 1 else 0 end)/COUNT(*) as percent_paid FROM users

整潔多了，它知道將plan_type ='pro'的用戶數除以用戶總數即可得到我要求的百分比，我還可以向部分用戶（例如最近6個月內注冊的用戶）詢問相同的問題，并獲得準確的答復：

輸入：what percent of users that signed up in the past 6 months converted to paid?

GPT-3：

SELECT SUM(CASE WHEN plan_type='pro' THEN 1 ELSE 0 END)/COUNT(*) AS percent_paid FROM users WHERE users.signup_dt>= now() - interval '6 months'

調整 GPT-3 的引數

除了給GPT-3提供指導和示例外，還可以調整引數來提高 GPT-3 的有效性，其中關鍵要素是“Temperature”，它轉化為GPT-3在回應中包含多少隨機性，如果只需要最高的概率回應（即無隨機性），則將 Temperature 設定為0，

以“最近兩個月的每個月我們有多少收入？”提示為例，將Temperature 設定為.8的話：

輸入： how much revenue did we have in each of the last 2 months?

Temperature為.8時 GPT-3：

SELECT SUM(case when charge_dt>= now() - interval '1 month'  then charges.amount else 0 end) as revenue_this_month, CASE WHEN signup_dt>= now() - interval '2 months' AND signup_dt < now() - interval '1 month' THEN SUM(charges.amount) else 0 end as revenue_last_month FROM charges  LEFT OUTER JOIN users ON users.id = charges.user_id \ WHERE users.signup_dt >= now() - interval '1 month'

將Temperature 設定為較低的.3，可提供一個有效的查詢，并回答以下問題：

輸入：how much revenue did we have in each of the last 2 months?

Temperature為.3時 GPT-3：

SELECT SUM(case when charge_dt>= now() - interval '1 month' then amount else 0 end) as revenue_this_month, SUM(case when charge_dt>= now() - interval '2 months' and charge_dt < now() - interval '1 month' then amount else 0 end) as revenue_last_month FROM charges

更高的Temperature 讓 GPT-3 變得更具“創造力”，但也使它過于復雜并給出了幾乎沒有意義的回應，Temperature 設定為.3，回應將問題正確轉換為SQL，

根據我的經驗，如果你問的問題遵循的是示例所建立的模式，則較低的Temperature往往會表現得更好，但是，如果您要問一些需要更多創造力的問題，則更高的Temperature是最佳選擇，因為GPT-3更有可能嘗試未明確教導的事情，

在下面的案例中，我問：“過去6個月內注冊的用戶給我們帶來了多少收入？” （從我的示例中洗掉之后），在較低的Temperature下，GPT-3嘗試在“ charges”表中創建一個“ signup_dt”列，因此不必將“ users”表和“ charges”表連接在一起，隨著 Temperature 的升高，它確實加入了，這是Temperature設定為.8的回應：

輸入：how much revenue have we had from users that signed up in the last 6 months?

Temperature為.8時 GPT-3：

SELECT SUM(charges.amount) FROM users INNER JOIN charges ON users.id = charges.user_id WHERE signup_dt >= DATE_SUB(now(), INTERVAL '6 months')

可以肯定的是，“ DATE_SUB（now（），INTERVAL'6 months'）”不是一個有效的Postgres運算式，因此該查詢在技術上將失敗，但是從結構上講，它通過加入“ charges”和“ users”而處于正確的道路上，因此可以以“ signup_dt”為條件，同時，使用“ charges”表中實際上不存在的“ signup_dt”列，.Temperature設定為.2時回應完全不正確：

輸入：how much revenue have we had from users that signed up in the last 6 months?

Temperature為.2時 GPT-3：

SELECT SUM(CASE WHEN signup_dt >= now() - interval '6 months' THEN amount ELSE 0 END) AS revenue FROM charges

結論

GPT-3 實體會根據簡單的英語問題，將其轉換為資料庫真正有效的SQL，它不總是完美，對“增長率”或“百分比”等復雜的概念仍然需要一些人工幫助，但是它對我的日常作業是有用，對于簡單的SQL，GPT-3 能幫忙減輕我的負擔，并且對于不熟悉 SQL 語法的初學者很有用，

這個專案的代碼傳送門：https://github.com/bkane1/gpt3-instruct-sandbox

原文鏈接：https://blog.seekwell.io/gpt3

本文為AI科技大本營翻譯，轉載請注明來源出處，