0


数据库+chatGPT3.5 优化、索引、注释、写SQL就是一句话的事了

引言

3月份chatGPT是不安分的、微软是不安分的、那么勇哥就应该安分?不可能,绝对不可能。简单来说,勇哥3月份成功的把chatGPT3.5集成到bg-tinkle软件中发布了v1.0.5版本。集成后的bg-tinkle对于数据库的修改、统计、删除等操作就都是一句话的事了,非常NICE。

阅读本文你会了解3月份chatGPT重大的事件,体验如何使用AI帮助数据库优化、设计SQL等操作?以及了解本功能开发实现的思路?

事件回顾:不安分的3月大事

  • chatGPT竞品出现:(谷歌的)Bard、(百度的)文心一言

  • chatGPT发布新版:chatGPT4隆重发布(但是勇哥并不CARE,因为太贵和没资格)

  • chatGPT成品出现:微软office正式接入chatGPT,写好word、ppt、excel再也不用报班学习了(但是价格不便宜呀~)

数据库+AI:功能体验

AI功能是以聊天的方式进行,然后对聊天的结果可直接执行SQL、制作图表得操作。

通过数据库软件,直接获取数据库表结构,然后再此基础上可用让AI帮您设计统计分析、修改、优化等,并直接生成SQL语句。然后可在结果中一键执行SQL、或者生成SQL的统计图。

AI补全表注释

忘记写注释也不用怕,一键让AI补充+一键运行,10秒不到完成工作!大赞~

AI设计表索引

可以发送表常用的SQL语句,然后让其设计合理的索引。其设计的索引还挺符合行业规范的。大赞~

AI创建新表

依据现有的数据库,参考设计一张新的表。分成多次会话沟通,依然没有问题。

AI结果直接运行

AI结果中的查询SQL会自动执行,并以表格的方式展示结果。同时相关SQL如果有问题,还支持编辑后执行。

AI结果做成图表

AI生成的SQL语句,可以直接转到图表生成功能中,快速正常折线图、饼图、柱状图、树图、桑基图等。

数据库+AI:使用帮助-开启对话

在数据库软件中,进入AI聊天非常简单按照以下2步进行即可:

  • 选择你要操作的表,可以选择多张;

  • 右键选择Sql Chat即可打开聊天窗口了

ChatGPT访问需要Token:

如果你有自己的token可以直接点击右下角的小齿轮,填写你自己的Token即可。

如果没有自己的token,可以通过‘打赏领Token功能’领取Token,然后即可访问。

数据库+AI:使用帮助-保存会话

数据库AI聊天对话会保持到用户本地,以便再次打开,节省流量。要自定义保存文件名称,则参考以下操作步骤:

  • 点击右下角‘小齿轮’

  • 再弹出的对话框中填写保存的 ‘文件名称’

  • 再次发送请求,程序会自动保存会话。

打开则只需要双击对应的会话名称即可(比如双击下图的3,就可以再次打开会话)。

数据库+AI:实现思路

还实现以上带有会话上下文的聊天功能,其实现原理其实很简单,但是有点费钱。具体实现的思路如下:

  • 把对话中所有的消息都存储到一个集合中,比如下面第1处代码

  • 过滤集合中那些请求失败的对话消息,比如下面第2处代码

ps:处理失败的消息,过滤掉主要原因是减少请求的Token,节省成本;

  • 请求接口并获取响应数据,对响应数据进行SQL语句的解析,标记出来以便前端渲染演示和执行,比如下面第3处代码
// 1、存放所有的对话消息
List<ChatMessageDto> dtos = JSON.parseArray(tempMessages, ChatMessageDto.class);
// 2、过滤失败的消息
List<ChatMessage> messages = dtos.stream().filter(item -> item.getIsCall()==null||item.getIsCall()).map(item ->{
    ChatMessage chatMessage = new ChatMessage();
    chatMessage.setRole(item.getRole());
    chatMessage.setContent(item.getContent());
    return chatMessage;
}
                                                                                                       ).collect(Collectors.toList());
ChatMessageDto result = new ChatMessageDto();
List<ChatCompletionChoice> chatCompletionChoices = AiUtils.chatGpt(token, messages);
for (ChatCompletionChoice chatCompletionChoice : chatCompletionChoices) {
    String content = chatCompletionChoice.getMessage().getContent();
    // 3、把字符串消息,转成结构化的消息,便于运行SQL
    result.setChatTerms(AiUtils.parseChatMessage(content));
    result.setContent(content);
    result.setRole(chatCompletionChoice.getMessage().getRole());
    dtos.add(result);
}

第3处例子:

非结构化的数据:

\n\n统计维度:\n\n1. 按照用户ID统计总销售额\n2. 按照支付方式统计销售额占比\n3. 按照订单状态统计订单数量和销售额\n4. 按照下单时间统计每月销售额\n\nSQL语句:\n\n1. 按照用户ID统计总销售额\n\n```sql\nSELECT user_id, SUM(total_fee) as total_sales\nFROM tb_order\nGROUP BY user_id;\n```\n\n2. 按照支付方式统计销售额占比\n\n```sql\nSELECT payment_type, SUM(total_fee) as total_sales, \n       ROUND(SUM(total_fee)/(SELECT SUM(total_fee) FROM tb_order)*100,2) as sales_percentage\nFROM tb_order\nGROUP BY payment_type;\n```\n\n3. 按照订单状态统计订单数量和销售额\n\n```sql\nSELECT status, COUNT(*) as order_count, SUM(total_fee) as total_sales\nFROM tb_order\nGROUP BY status;\n```\n\n4. 按照下单时间统计每月销售额\n\n```sql\nSELECT DATE_FORMAT(create_time, '%Y-%m') as month, SUM(total_fee) as total_sales\nFROM tb_order\nGROUP BY month;\n```

转成结构化的数据:

[
    {
        "content": "\n\n统计维度:\n\n1. 按照用户ID统计总销售额\n2. 按照支付方式统计销售额占比\n3. 按照订单状态统计订单数量和销售额\n4. 按照下单时间统计每月销售额\n\nSQL语句:\n\n1. 按照用户ID统计总销售额\n\n",
        "type": "MES"
    },
    {
        "content": "\nSELECT user_id, SUM(total_fee) as total_sales\nFROM tb_order\nGROUP BY user_id;\n",
        "type": "SQL"
    },
    {
        "content": "\n\n2. 按照支付方式统计销售额占比\n\n",
        "type": "MES"
    },
    {
        "content": "\nSELECT payment_type, SUM(total_fee) as total_sales, \n       ROUND(SUM(total_fee)/(SELECT SUM(total_fee) FROM tb_order)*100,2) as sales_percentage\nFROM tb_order\nGROUP BY payment_type;\n",
        "type": "SQL"
    },
    {
        "content": "\n\n3. 按照订单状态统计订单数量和销售额\n\n",
        "type": "MES"
    },
    {
        "content": "\nSELECT status, COUNT(*) as order_count, SUM(total_fee) as total_sales\nFROM tb_order\nGROUP BY status;\n",
        "type": "SQL"
    },
    {
        "content": "\n\n4. 按照下单时间统计每月销售额\n\n",
        "type": "MES"
    },
    {
        "content": "\nSELECT DATE_FORMAT(create_time, '%Y-%m') as month, SUM(total_fee) as total_sales\nFROM tb_order\nGROUP BY month;\n",
        "type": "SQL"
    }
]
标签: java chatGPT openai

本文转载自: https://blog.csdn.net/luoxueyong/article/details/129743437
版权归原作者 miukoo 所有, 如有侵权,请联系我们删除。

“数据库+chatGPT3.5 优化、索引、注释、写SQL就是一句话的事了”的评论:

还没有评论