第65期：《AI提示工程实战》

随着GPT模型的快速发展和卓越表现，越来越多的应用开始集成GPT模型以提升其功能和性能。在本文章中，将总结构建SQL提示的方法，并探讨如何将一个开源SQL工程进行产品化。

文末有送书福利！！！

    有两个方面决定了能否构建高质量SQL提示内容，分别是个人SQL能力和大语言模型性能。

1. 个人SQL能力

      构建高质量的SQL提示内容对个人提出较高的要求。这要求个人具备熟练的SQL语言和数据库知识，深入理解SQL执行过程，并能够将自然语言理解应用于实际情境，将这些理解和知识转化为有效的SQL提示内容和功能。个人需具备以下两种能力，以构建高质量的提示。

2. 实践操作

（1） 将SQL翻译为自然语言。如图3所示，将 8.7 节生成的SQL转换为自然语言。由于sqltranslator工具功能还不完善，为了将SQL语句翻译为中文，第一行SQL语句为：SELECT “翻译为中文“。

（2） 将自然语言翻译为SQL。如图 4所示，将8.11 节的提示内容翻译为SQL。

      sql-translator是开源工具，可通过查看其源代码了解运行方式，即调用了哪些ChatGPT API、构建了哪些提示内容。为了能更好地理解本节内容，可复习下第3 章和第 4 章中ChatGPT API的内容。

1. 自然语言转SQL

      sql-translator开源工程中有一个名为“translateToSQL.js”的脚本，作用是将输入的自然语言查询翻译成SQL语句，以下简要解析代码。

（1） 定义translateToSQL函数。translateToSQL函数接收三个参数：query参数是自然语言查询文本；apiKey参数是 API 密钥；参数tableSchema是可选参数，是表结构信息。

// 从"isomorphic-unfetch"模块导入fetch函数，这个函数在不同环境（如 Node.js 和浏览器）中都能使用
​
import fetch from "isomorphic-unfetch";
​
// 定义一个异步函数translateToSQL
​
const translateToSQL = async (query, apiKey, tableSchema = "") => {……
​

（2） 构建提示内容。在translateToSQL函数中首先定义一个名为prompt的变量，将参数query和 tableSchema作为提示内容拼接到prompt变量中。

// 构造一个字符串变量prompt，该变量被发送到OpenAI的GPT-3 API，用于生成SQL语句
​
const prompt = Translate this natural language query into SQL 
​
without changing the case of the entries given by me:\n\n"${query}"\n\ n${tableSchema ? 'Use this table schema:\n\n${tableSchema}\n\n' : ''}SQL 
Query:;
​

为了能更好地理解translateToSQL函数中的提示内容，以下将prompt变量内容翻译为中文。

>提示翻译为中文：
​
将这个自然语言查询翻译为SQL，不要改变我给出的信息的大小写：
"query参数内容"
​
表结构信息：tableSchema参数内容
​
SQL查询语句为：
​

（3） 调用ChatGPT API。构建完提示内容后，在translateToSQL函数中发起API请求，代码如下所示。调用的API端点为“/v1/completions”，提示内容为prompt变量的值，使用的模型为“textdavinci-003”。

// 发送一个POST请求到OpenAI的API地址
​
const response = await fetch("https://api.openai.com/v1/completions", {
​
    method: "POST",
​
    headers: {
​
      "Content-Type": "application/json",
​
      Authorization: 'Bearer ${apiKey}',  // 在请求头中设置API密钥
​
    },
​
    body: JSON.stringify({   // 请求体中包含将发送给API的数据
​
      prompt,               // 提示内容
​
      temperature: 0.5,      // 控制输出的随机性
​
      max_tokens: 2048,     // 最大生成的文本长度
​
      n: 1,            // 生成的文本数量
​
      stop: "\\n",       // 生成停止的标志
​
      model: "text-davinci-003",    // 使用的模型
​
      frequency_penalty: 0.5,       // 频率惩罚
​
      presence_penalty: 0.5,        // 存在惩罚
​
      logprobs: 10,      // 生成对数概率
​
    }),
​
  });
​

（4）解析返回结果。调用ChatGPT API后，对返回的JSON格式结果进行解析，代码如下所示。

// 解析响应数据为JSON
​
const data = await response.json();
​
  // 如果响应状态不好，输出响应并抛出错误
​
  if (!response.ok) {
​
    console.log(response);
​
    throw new Error(data.error || "Error translating to SQL.");
​
  }
​
  // 返回生成的SQL语句
​
  return data.choices[0].text.trim();
​
};
​

2. SQL转自然语言

     sql-translator开源工程中有一个名为“translateToHuman.js”的脚本，作用是将输入的SQL语句转换为自然语言，以下简要解析代码。

   （1） 定义 translateToHuman函数。translateToHuman函数接收 2 个参数：query参数是SQL语句文本；apiKey参数是 API 密钥。

// 从isomorphic-unfetch模块导入fetch函数，这个函数在不同环境（如 Node.js 和浏览器）中都能使用
​
import fetch from "isomorphic-unfetch";
​
// 定义一个异步函数 'translateToHuman'
​
const translateToHuman = async (query, apiKey) => {……
​

（2） 调用ChatGPT API。在translateToHuman函数中发起API请求，代码如下所示。调用的API 端点为“/v1/completions”，提示内容为prompt参数，使用的模型为“text-davinci-003”。

// 发送一个POST请求到OpenAI的API地址
​
const response = await fetch("https://api.openai.com/v1/completions", {
​
    method: "POST",
​
    headers: {
​
      "Content-Type": "application/json",
​
      Authorization: 'Bearer ${apiKey}',   // 在请求头中设置API密钥
​
    },
​
    body: JSON.stringify({ // 请求体中包含将发送给API的数据
​
      // prompt 指向GPT-3模型，告诉它我们需要翻译的SQL查询
      prompt: 'Translate this SQL query into natural language:\n\ n"${query}"\n\nNatural language query:',
​
      temperature: 0.5, // 控制输出的随机性
​
      max_tokens: 2048, // 最大生成的文本长度
​
      n: 1,   // 生成的文本数量
​
      stop: "\\n",   // 生成停止的标志
​
      model: "text-davinci-003",    // 使用的模型
​
      frequency_penalty: 0.5,       // 频率惩罚
​
      presence_penalty: 0.5,        // 存在惩罚
​
      logprobs: 10,                 // 生成对数概率
​
    }),
​
  });
​

为了能更好地理解translateToHuman函数中的提示内容，以下将prompt参数内容翻译为中文。

>prompt参数的英文提示：
​
prompt: Translate this SQL query into natural language:\n\n"${query}"\n\ nNatural language query:
​
>提示翻译为中文：
​
将此SQL查询翻译为自然语言：
"query参数内容"
自然语言内容为：
​

（3）解析返回结果。调用ChatGPT API后，对返回的JSON格式结果进行解析，代码如下所示。

// 解析响应数据为JSON
​
const data = await response.json();
​
  // 如果响应状态不好，输出响应并抛出错误
​
  if (!response.ok) {
​
    console.log(response);
​
    throw new Error(data.error || "Error translating to SQL.");
​
  }
​
  // 返回生成的自然语言查询
​
  return data.choices[0].text.trim();
​
};
​

      sql-translator为了将SQL与GPT模型集成并进行产品化提供了一个良好的思路。基于以下三点，说明以sql-translator代码为基础逐步完善，并将其发展为特定的产品。

（1） SQL教学平台。开发一款用于教学的平台，用户可以输入自然语言的数据查询请求，平台即返回对应的SQL代码。这样一来，用户可以在实际操作中学习并理解SQL查询是如何工作的，逐渐掌握SQL语言。

（2） 智能数据报告生成工具。这个工具可以从数据库中获取数据，并自动生成相应的报告。例如，输入“显示上个月的销售额”，工具将自动翻译为相应的SQL查询语句获取数据，并生成易于理解的分析报告。

（3） 智能数据分析聊天机器人。构建一个聊天机器人，用户可以向它提问，例如，“去年同期的销售数据是多少？”或“显示今年第二季度的用户增长”。机器人会把这些自然语言问题转化为SQL查询，获取数据，并给出人类语言的答案。

本文章出自北京大学出版社《AI提示工程实战：从零开始利用提示工程学习应用大语言模型》一书中，经授权此公号。

社区赠书

本次福利将送出 5本《AI提示工程实战》，点击链接也可优惠购买

截止时间：还需要支付积分，就还有赠书额度，先到先得

领取方式：

1. 支付积分即可兑换，复制“ 积分支付订单号 ”
2. 在本站中私信我这些内容：积分支付订单号、活动书名、快递信息（姓名、电话、地址）

没有积分怎么办？

社区鼓励高质量的技术交流，所以只要发布有价值内容均可获得积分！

哪些内容算高质量？

1. 高质量的技术分享，原创、翻译、转载均可

2. 高质量的提问与回答，注意阅读《提问的艺术》

3. 分享优质Java与Spring的相关开源项目

另外，内容不错，获得精华贴、或者热门帖还有额外加分哦