GPT-4o与SQL:大模型改变自身架构的能力有多强?

2024-06-08 12:52

本文主要是介绍GPT-4o与SQL:大模型改变自身架构的能力有多强?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

尽管没有任何大型语言模型(LLM)骑过自行车,但它们显然理解骑行在人类交通领域中的作用。它们似乎为软件开发者提供的是一种类似语义的现实世界知识,结合了对技术世界的理解。我们在最近的一篇文章中清楚地看到了这一点,仅通过用自然语言描述,我们就能够生成一个简单的图书出版SQL架构。

虽然我对Llama 3创建架构的性能感到满意,但我之前在Oracle工作时期的一位同事指出,图书出版架构是一个相当为人熟知的例子。为了便于理解,这自然是件好事,但为了进一步拓展LLM的能力,本文中我将探索大型语言模型根据英语描述的问题调整其自身架构的能力如何。这一次,我将使用OpenAI的GPT-4o,因为它最近在代码审查方面为我提供了很好的帮助。

作为出发点,我们将从与第一篇文章中相同的问题开始,并总结答案,这个答案与上次相似。这一次,GPT-4o不仅为我们提供了一个ERD(实体关系图),还很好地解释了各实体间的关系:

图片

和之前的尝试类似,它提出了以下这样的架构:

CREATE TABLE Author ( author_id INT AUTO_INCREMENT PRIMARY KEY, first_name VARCHAR(50), last_name VARCHAR(50), birth_date DATE, nationality VARCHAR(50) 
); CREATE TABLE Publisher ( publisher_id INT AUTO_INCREMENT PRIMARY KEY, name VARCHAR(100), address VARCHAR(255), contact_number VARCHAR(20), email VARCHAR(100) 
); CREATE TABLE Book ( book_id INT AUTO_INCREMENT PRIMARY KEY, title VARCHAR(100), genre VARCHAR(50), publication_date DATE, isbn VARCHAR(20) UNIQUE, author_id INT, publisher_id INT, FOREIGN KEY (author_id) REFERENCES Author(author_id), FOREIGN KEY (publisher_id) REFERENCES Publisher(publisher_id) 
);

我更倾向于让表名使用所包含对象的复数形式,我认为这是被广泛接受的标准。

大型语言模型指出了这些关系限制:

图片

因此,使用上次相同的示例数据,让我们在SQL沙盒环境DB Fiddle中检查是否能得到相同的结果。如果我们填充这些数据并添加上次的视图……

INSERT INTO Author (first_name, last_name, birth_date) 
VALUES ('Iain', 'Banks', '1954-02-16'); INSERT INTO Author (first_name, last_name, birth_date) 
VALUES ('Iain', 'M Banks', '1954-02-16'); INSERT INTO Publisher (name, address) 
VALUES ('Abacus', 'London'); INSERT INTO Publisher (name, address) 
VALUES ('Orbit', 'New York');INSERT INTO Book (title, author_id, publisher_id, publication_date)
VALUES ('Consider Phlebas', 2, 2, '1988-04-14');INSERT INTO Book (title, author_id, publisher_id, publication_date)
VALUES ('The Wasp Factory', 1, 1, '1984-02-15');CREATE VIEW ViewableBooks AS
SELECT Book.title 'Book', Author.first_name 'Author firstname', Author.last_name 'Author surname', Publisher.name 'Publisher', Book.publication_date
FROM Book, Publisher, Author
WHERE Book.author_id = Author.author_id
AND Book.publisher_id = Publisher.publisher_id;

我们就能在下方的表格中从DB Fiddle获得所需的结果视图:

图片

第二个姓氏中包含了中间名“M”,看起来有些别扭。接下来,我们将探讨与此相关的问题。

1.首次修改

正如我在前一篇关于SQL生成的文章中提到的,“Ian Banks”和“Ian M Banks”实际上是同一位作者。上次,我们没有解决这个笔名问题。所以,让我们要求大模型来修复这个问题:

图片

所以这是个好的开始。这次它需要将“笔名”这一文学概念映射到它已经产生的现有架构设计上。因此,它不仅要发现现有的解决方案,还必须做更多的工作。首先,我们来看看新建立的关系:

图片

这看起来是合理的。以下是经过修改的新表结构:

CREATE TABLE Pseudonym ( pseudonym_id INT AUTO_INCREMENT PRIMARY KEY, pseudonym VARCHAR(100), author_id INT, FOREIGN KEY (author_id) REFERENCES Author(author_id) 
); CREATE TABLE Book ( book_id INT AUTO_INCREMENT PRIMARY KEY, title VARCHAR(100), genre VARCHAR(50), publication_date DATE, isbn VARCHAR(20) UNIQUE, pseudonym_id INT, publisher_id INT, FOREIGN KEY (pseudonym_id) REFERENCES Pseudonym(pseudonym_id), FOREIGN KEY (publisher_id) REFERENCES Publisher(publisher_id) 
);

这感觉也是正确的。架构现在将书籍关联到笔名,而不是直接关联到作者。让我们使用新的架构重新做一个dbfiddle,输入经过修改的数据以配合使用,并查看我们是否能再次获得理想的结果:

图片

实际上,现在笔名栏只是一个字段,表格显得更加整洁了。

2.另一个修改请求

现在,我将提出进一步的架构修改要求。我们知道一本书可以有多个作者(你可能还记得上次Llama 3在没有提示的情况下就提出了这一点),所以我们希望GPT-4o再次修改其架构。

图片

需要增加的那一个新表就是:

CREATE TABLE BookAuthor 
( book_id INT, pseudonym_id INT, PRIMARY KEY (book_id, pseudonym_id), FOREIGN KEY (book_id) REFERENCES Book(book_id), FOREIGN KEY (pseudonym_id) REFERENCES Pseudonym(pseudonym_id) 
);

因此,关系变更如下:

图片

(注意,在描述了最初几段关系后出现了奇怪的括号错误。这个错误在所有关系的描述中都有重复出现。它似乎阻止了文本“1:M”或“M:M”的打印——可能是由于表情符号混淆?)

当然,GPT-4o也在遵循单一的对话线索——它将其先前的工作内容纳入了上下文考虑。这种广受赞誉的能力确实使得与它的交互更加自然。总体而言,它表现得很好(并且非常迅速)地解析了我们的英语描述,以调整其建议的架构。

3.在我们太过兴奋之前

架构主要关乎事物之间的关系——并不需要对事物本身的深入了解。然而,这并不完全意味着大模型接管数据库设计的道路已经畅通无阻。

针对SQL查询和架构进行优化一直都有点儿像一门艺术。需要理解哪些常见查询会最适合某种设计、将涉及多少张表、查询间的依赖性、索引定义、分区等等。而这还只是在处理CAP定理困境——一致性与可用性之间的权衡——之前。在这些技术抽象之下,是人们对数据检索远非简单的预期。

我相信,随着时间的推移,大型语言模型与专业化的某种结合将逐步解决这些工程问题,但目前我们应该为GPT-4o能够高效地生成和修改合理架构的能力而感到胜利。

这篇关于GPT-4o与SQL:大模型改变自身架构的能力有多强?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1042244

相关文章

mybatis的整体架构

mybatis的整体架构分为三层: 1.基础支持层 该层包括:数据源模块、事务管理模块、缓存模块、Binding模块、反射模块、类型转换模块、日志模块、资源加载模块、解析器模块 2.核心处理层 该层包括:配置解析、参数映射、SQL解析、SQL执行、结果集映射、插件 3.接口层 该层包括:SqlSession 基础支持层 该层保护mybatis的基础模块,它们为核心处理层提供了良好的支撑。

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

SQL中的外键约束

外键约束用于表示两张表中的指标连接关系。外键约束的作用主要有以下三点: 1.确保子表中的某个字段(外键)只能引用父表中的有效记录2.主表中的列被删除时,子表中的关联列也会被删除3.主表中的列更新时,子表中的关联元素也会被更新 子表中的元素指向主表 以下是一个外键约束的实例展示

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

百度/小米/滴滴/京东,中台架构比较

小米中台建设实践 01 小米的三大中台建设:业务+数据+技术 业务中台--从业务说起 在中台建设中,需要规范化的服务接口、一致整合化的数据、容器化的技术组件以及弹性的基础设施。并结合业务情况,判定是否真的需要中台。 小米参考了业界优秀的案例包括移动中台、数据中台、业务中台、技术中台等,再结合其业务发展历程及业务现状,整理了中台架构的核心方法论,一是企业如何共享服务,二是如何为业务提供便利。

如何去写一手好SQL

MySQL性能 最大数据量 抛开数据量和并发数,谈性能都是耍流氓。MySQL没有限制单表最大记录数,它取决于操作系统对文件大小的限制。 《阿里巴巴Java开发手册》提出单表行数超过500万行或者单表容量超过2GB,才推荐分库分表。性能由综合因素决定,抛开业务复杂度,影响程度依次是硬件配置、MySQL配置、数据表设计、索引优化。500万这个值仅供参考,并非铁律。 博主曾经操作过超过4亿行数据

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置

MySQL数据库宕机,启动不起来,教你一招搞定!

作者介绍:老苏,10余年DBA工作运维经验,擅长Oracle、MySQL、PG、Mongodb数据库运维(如安装迁移,性能优化、故障应急处理等)公众号:老苏畅谈运维欢迎关注本人公众号,更多精彩与您分享。 MySQL数据库宕机,数据页损坏问题,启动不起来,该如何排查和解决,本文将为你说明具体的排查过程。 查看MySQL error日志 查看 MySQL error日志,排查哪个表(表空间

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了