导读|时隔两个月,勇哥终于把chatGPT生成SQL的功能发布上线了,支持统计分析查询、创建表、数据生成等多种全面的SQL DDL生成能力,本文就和大家聊聊相关功能的使用和背后实现逻辑,并希望相关功能能帮助大家在工作中提升一定的工作效率。同时也提醒一下大家,SQL能力很重要,请大家不要在工作中完全依赖工具。阅读本文你会了解到Tinkle工具SQL生成功能如何使用?最后了解如何使用chatGPT API进行落地产品的实施?
Tinkle SQL生成工具使用介绍
Tinkle是本人开发的一款国产数据库管理客户端,目前支持Mysql、Mariadb、PostgreSQL等数据库。区别于其它数据库,其优势是提供了数据可视化、SQL练测、数据填充、SQL逆代码生成、AI SQL生成等创新功能。
本文主要介绍AI SQL生成功能,因此先介绍一下其支持的SQL生成能力:
能生成:多表关联查询的SQL
能生成:插入测试数据的SQL
能生成:查询/统计分析的SQL
能生成:创建表结构的SQL
能生成:修改表结构的SQL
使用步骤介绍
使用SQL生成功能非常简单,生成的SQL可以直接运行,使用仅以下3步:
1、选择你可能关联查询的表,右键打开SQL生成界面;
2、输入你的需求,并点击Run按钮即可为你生成SQL;
3、点击运行按钮预览结果。
预览多表关联查询SQL生成
下面案例使用了teacher表中的数据张三,直接查询course课程表中的信息,生成的结果还是挺准确的。注意必须使用'查询'开头。
预览插入测试数据SQL生成
下面案例直接给课程表course增加10条数据,从生成的结果,可以看出生成的数据字面含义还是非常贴合我们自己的表。
预览创建表结构SQL生成
下面案例要求新增一张表,用于存储老师的上课记录。从生成结果看,创建表的语法一点问题都没得,字段和表名基本满足阿里数据库规约。
预览统计分析SQL生成
下面案例要求统一某一门课程成绩前3的学生,从生成的结果看貌似正确,但是结果limit不支持在子查询中使用,要区分版本的支持。即时这样,生成的结果也可以带给我SQL编写上的一些思路,有参考价值。
chatGPT 功能落地实施介绍
Tinkle SQL生成功能诞生过程
早在12月16日其实上述功能我就已经实现,一值拖到现在才正式公开。期间其实一直在思考如何更好的落地chatGPT应用。苦于这是一个新的领域,参考的产品太少,最后没有找到更好的方式,就还是以当前的方式上线了。
程序要与chatGPT 对接,那就需要使用其API,API这点反而出乎意料,chatGPT提供的接口非常的简单,基本10行代码就可以搞定。但有没有难点呢?其实chatGPT 接口最难的是prompt的设计,一个好的prompt参数设计,能让结果更为准确,另外注意的prompt也包括了上下文。
SQL生成的prompt可设计为: 上下文 SQL需求\\n 生成类型
例:
上下文:###之间的内容为上下文,描述了需求的约束条件
SQL需求:就是要SQL的描述信息,比如:查询员工信息
生成类型:就是生成SQL的类型,比如:SELECT
### Mysql SQL tables, 表字段信息如下:\\n#\\n# Employee(id, name, department_id)\\n# Department(id, name, address)\\n# Salary_Payments(id, employee_id, amount, date)\\n#\\n### 查询员工信息\\n SELECT
有了prompt设计,最后整合一下API代码即可实现相关功能,为帮助大家,我也把直接贴出来:
public class AiUtils {/*** 生成需求* @return*/public static List<CompletionChoice> generatorSqlQuery(String token,String tables,String demand){String keyword = "";if(demand.contains("查询")||demand.contains("统计")||demand.contains("select")){keyword = "SELECT";}else if(demand.contains("删除数据")||demand.contains("delete")){keyword = "DELETE";}else if(demand.contains("删除")||demand.contains("drop")){keyword = "DROP";}else if(demand.contains("修改数据")||demand.contains("update")){keyword = "UPDATE";}else if(demand.contains("修改")||demand.contains("alter")){keyword = "ALTER";}else if(demand.contains("增加")||demand.contains("插入")||demand.contains("新增")||demand.contains("insert")){keyword = "INSERT";}else if(demand.contains("创建")||demand.contains("create")){keyword = "CREATE";}else if(demand.contains("显示")||demand.contains("show")){keyword = "SHOW";}else if(demand.contains("清空")||demand.contains("truncate")){keyword = "TRUNCATE";}else{keyword = "SELECT";}OpenAiService service = new OpenAiService(token);CompletionRequest completionRequest = CompletionRequest.builder().model("code-davinci-002").prompt(String.format("%s %s\\n%s",tables,demand,keyword)).temperature(0.0D).maxTokens(1000).topP(1D).frequencyPenalty(0D).presencePenalty(0D).stop(Arrays.asList("#",";")).build();List<CompletionChoice> choices = service.createCompletion(completionRequest).getChoices();for (CompletionChoice choice : choices) {choice.setText(keyword+choice.getText());}return choices;}}
chatGPT 功能落地经验总结
chatGPT相关开发的说难不难,但是做好确是有一定的困难,具体可参考以下步骤去实施:
选择一个你感兴趣的场景
设计一个优秀的prompt:落地功能效果,直接由这一步决定;
这个需要通过大量的测试,最终总结出一个较好的prompt
对接Open Ai 相关接口
通过GUI图形化界面进行包装
最后你觉得这个chatGPT生成SQL功能可收费吗?欢迎评论区探讨~