在人工智能 (AI) 進(jìn)步的快節(jié)奏世界中，開發(fā)人員正在尋找最高效和突破性的解決方案來(lái)加快和提高他們的工作質(zhì)量。對(duì)于 PostgreSQL 開發(fā)人員來(lái)說(shuō)，選擇理想的 AI 支持的工具以最專業(yè)的方式解決他們的查詢至關(guān)重要。

近年來(lái)，人工智能工具的普及率飆升，開發(fā)人員越來(lái)越認(rèn)識(shí)到它們?cè)诤?jiǎn)化工作各個(gè)方面的潛力。一些最著名的 AI 工具包括 OpenAI 的 ChatGPT、Google 的 Bard、IBM 的 Watson 和 Microsoft 的 Azure Cognitive Services 等。這些工具徹底改變了開發(fā)人員解決問(wèn)題的方式，并使以前耗時(shí)的任務(wù)更易于管理。在本文中，我們將重點(diǎn)比較 ChatGPT-4 和 Google Bard 對(duì)一系列常見 SQL 開發(fā)相關(guān)問(wèn)題的響應(yīng)。通過(guò)這樣做，我們旨在清楚地了解每種工具的功能，并幫助您確定哪種工具更適合您在 SQL 開發(fā)領(lǐng)域的特定需求。

dbForge 最新下載https://www.evget.com/vendor/214

什么是ChatGPT？

ChatGPT 由 OpenAI 開發(fā)，是一種基于 GPT（Generative Pre-trained Transformer）架構(gòu)的最先進(jìn)的 AI 語(yǔ)言模型。作為一種大規(guī)模語(yǔ)言模型，ChatGPT 旨在生成類人文本并與用戶進(jìn)行對(duì)話，了解上下文并提供相關(guān)響應(yīng)。它能夠執(zhí)行各種任務(wù)，例如回答問(wèn)題、提供建議、創(chuàng)建內(nèi)容等。

開發(fā)人員和企業(yè)可以通過(guò)將 ChatGPT 集成到他們的應(yīng)用程序、服務(wù)或產(chǎn)品中來(lái)利用 ChatGPT 的強(qiáng)大功能，通過(guò)自然語(yǔ)言的理解和生成來(lái)增強(qiáng)用戶體驗(yàn)。ChatGPT 已成功應(yīng)用于客戶支持、內(nèi)容創(chuàng)建、虛擬協(xié)助以及自然語(yǔ)言處理必不可少的許多其他領(lǐng)域。

什么是Google Bard?

Google Bard 是一種大型語(yǔ)言模型，也稱為對(duì)話式 AI 或聊天機(jī)器人，經(jīng)過(guò)訓(xùn)練可提供豐富的信息和全面的信息。巴德接受過(guò)大量文本數(shù)據(jù)的訓(xùn)練，能夠通過(guò)交流和生成類似人類的文本來(lái)響應(yīng)范圍廣泛的提示和問(wèn)題。

雖然仍處于開發(fā)階段，但該工具已經(jīng)可以通過(guò)多種方式幫助 SQL 開發(fā)人員，包括回答有關(guān) SQL 語(yǔ)法和用法的問(wèn)題、幫助調(diào)試 SQL 查詢、生成針對(duì)特定任務(wù)定制的 SQL 代碼，以及提供有關(guān) SQL 的教程和文檔，以及其他功能.

ChatGPT 與 Google Bard

ChatGPT 和 Google Bard 都是大型語(yǔ)言模型，但它們有一些關(guān)鍵的區(qū)別。

• 數(shù)據(jù)：?ChatGPT 在截至 2021 年收集的文本和代碼數(shù)據(jù)集上進(jìn)行訓(xùn)練，而 Google Bard 在不斷更新的數(shù)據(jù)集上進(jìn)行訓(xùn)練。這意味著 Google Bard 可以訪問(wèn)更多最新信息，并可以提供更準(zhǔn)確的答案。
• 準(zhǔn)確性：?Google Bard 通常比 ChatGPT 更準(zhǔn)確，尤其是在涉及事實(shí)信息時(shí)。這是因?yàn)?Google Bard 是在更大、更新的數(shù)據(jù)集上訓(xùn)練的。
• 創(chuàng)造力：在生成文本格式（例如詩(shī)歌、代碼、腳本、音樂(lè)作品、電子郵件、信件等）方面，ChatGPT 比 Google Bard 更具創(chuàng)造力。這是因?yàn)?ChatGPT 是在包含更廣泛創(chuàng)意的數(shù)據(jù)集上訓(xùn)練的文本格式。
• 可用性：?ChatGPT 可供任何想使用它的人使用，而 Google Bard 目前僅供有限數(shù)量的用戶使用。

	ChatGPT	Google Bard
開發(fā)商	OpenAI	谷歌
語(yǔ)言模型	OpenAI 的 Generative Pre-training Transformer 3 (GPT-3) 或 Generative Pre-training Transformer 4 (GPT-4) 的定制版本，具體取決于版本	Google 的對(duì)話應(yīng)用程序語(yǔ)言模型 (LaMDA)
數(shù)據(jù)源	ChatGPT 使用大量文本數(shù)據(jù)進(jìn)行訓(xùn)練，包括 Common Crawl、維基百科、書籍、文章和從開放互聯(lián)網(wǎng)獲得的各種文檔等資源。然而，它的訓(xùn)練數(shù)據(jù)只延伸到 2021 年，這限制了它對(duì)最近世界事件和研究進(jìn)展的了解。	Bard 使用 Infiniset 進(jìn)行訓(xùn)練，這是一個(gè)包含 Common Crawl、維基百科、文檔以及來(lái)自互聯(lián)網(wǎng)的對(duì)話和對(duì)話的數(shù)據(jù)集。據(jù)稱，巴德可以進(jìn)行實(shí)時(shí)網(wǎng)絡(luò)搜索，以提供最新的查詢答案和最新的研究成果。
價(jià)錢	ChatGPT 向用戶免費(fèi)提供，而 ChatGPT Plus 每月收取 20 美元的訂閱費(fèi)。ChatGPT Plus 的訂閱者受益于高需求期間的訪問(wèn)、加快響應(yīng)時(shí)間、優(yōu)先訪問(wèn)新功能以及 GPT-4 的使用。	有訪問(wèn)權(quán)限的用戶可以免費(fèi)使用 Bard。 ?

如何使用 ChatGPT 和 Bard 進(jìn)行 PostgreSQL 開發(fā)

通過(guò)提供語(yǔ)法和使用指導(dǎo)、生成 SQL 代碼、協(xié)助查詢調(diào)試等，人工智能可以在 PostgreSQL 開發(fā)中發(fā)揮重要作用。在本文中，我們將向 Bard 和 ChatGPT 提出與 SQL 開發(fā)相關(guān)的相同問(wèn)題，然后比較和驗(yàn)證他們的回答。我們的目標(biāo)是評(píng)估這兩種人工智能在 PostgreSQL 開發(fā)環(huán)境中的可靠性和實(shí)用性。為了驗(yàn)證 AI 提供的答案，我們將使用市場(chǎng)上最好的 PostgreSQL GUI 工具之一——dbForge Studio for PostgreSQL。

先決條件

• Pagila 示例數(shù)據(jù)庫(kù)
• 用于 PostgreSQL 的 dbForge Studio
• 訪問(wèn) ChatGPT-4
• 訪問(wèn) Google Bard

示例 #1：函數(shù)

假設(shè)，我們需要?jiǎng)?chuàng)建一個(gè)函數(shù)來(lái)返回給定時(shí)間段內(nèi)租借次數(shù)最多的電影及其租借次數(shù)。讓我們請(qǐng) ChatGPT-4 來(lái)完成任務(wù)。

ChatGPT-4 生成了以下 SQL 代碼：

CREATE OR REPLACE FUNCTION most_rented_films(start_date DATE, end_date DATE)
RETURNS TABLE (film_id INTEGER, title TEXT, rental_count INTEGER) AS $$
BEGIN
RETURN QUERY
SELECT f.film_id, f.title, COUNT(r.rental_id) AS rental_count
FROM film AS f
JOIN inventory AS i ON f.film_id = i.film_id
JOIN rental AS r ON i.inventory_id = r.inventory_id
WHERE r.rental_date BETWEEN start_date AND end_date
GROUP BY f.film_id, f.title
ORDER BY rental_count DESC;
END;
$$ LANGUAGE plpgsql;

現(xiàn)在讓我們打開 dbForge Studio for PostgreSQL 并驗(yàn)證 AI 創(chuàng)建的代碼。

如您所見，Studio 拋出錯(cuò)誤，因?yàn)槲粗付ㄓ糜趧?chuàng)建函數(shù)的架構(gòu)。讓我們稍微修改一下代碼，然后再試一次。

這次查詢成功，并且該函數(shù)現(xiàn)在在數(shù)據(jù)庫(kù)資源管理器中可見。

現(xiàn)在，是時(shí)候運(yùn)行 SELECT 語(yǔ)句以確保一切都按要求工作了。

哎呀。又出現(xiàn)錯(cuò)誤。在函數(shù)語(yǔ)法中，rental_count 列數(shù)據(jù)類型已指定為 INTEGER，這顯然是錯(cuò)誤的。我們需要修改語(yǔ)法并重試。因此，工作代碼如下：

CREATE OR REPLACE FUNCTION public.most_rented_films(start_date DATE, end_date DATE)
RETURNS TABLE (film_id INTEGER, title TEXT, rental_count BIGINT) AS $$
BEGIN
RETURN QUERY
SELECT f.film_id, f.title, COUNT(r.rental_id) AS rental_count
FROM film AS f
JOIN inventory AS i ON f.film_id = i.film_id
JOIN rental AS r ON i.inventory_id = r.inventory_id
WHERE r.rental_date BETWEEN start_date AND end_date
GROUP BY f.film_id, f.title
ORDER BY rental_count DESC;
END;
$$ LANGUAGE plpgsql;

因此，我們刪除之前創(chuàng)建的函數(shù)，創(chuàng)建一個(gè)新函數(shù)，然后運(yùn)行 SELECT。這次成功了。

現(xiàn)在讓我們?cè)u(píng)估一下 Google Bard。

于是，我們得到了如下代碼：

CREATE OR REPLACE FUNCTION most_rented_films (start_date DATE,
end_date DATE) RETURNS TABLE (
film_id INT,
film_title VARCHAR(255),
rental_count INT
)
AS
$func$
BEGIN

RETURN QUERY
SELECT
f.film_id,
f.film_title,
COUNT(*) AS rental_count
FROM
film_rentals fr
JOIN
films f ON f.film_id = fr.film_id
WHERE
fr.rental_date >= start_date
AND fr.rental_date < end_date
GROUP BY
f.film_id,
f.film_title
ORDER BY
rental_count DESC;

END
$func$;

讓我們?cè)?Studio 中運(yùn)行它，好嗎？壓力來(lái)了！我們得到了同樣的錯(cuò)誤——模式?jīng)]有被指定。

于是，我們修改代碼，再次運(yùn)行。并得到另一個(gè)錯(cuò)誤。

我們需要進(jìn)一步修改查詢。指定語(yǔ)言并執(zhí)行語(yǔ)法后，我們運(yùn)行 SELECT。并且……再次出錯(cuò)。

Google Bard 在其腳本中引用了不存在的表；除此之外，rental_count 列的數(shù)據(jù)類型被錯(cuò)誤地指定為 INT。在我們解決了所有這些問(wèn)題之后，我們終于得到了工作代碼。不好玩，對(duì)吧？使用 Google Bard，我們不得不調(diào)整生成的代碼很長(zhǎng)一段時(shí)間，這需要一定程度的專業(yè)知識(shí)，這意味著 SQL 初學(xué)者可能無(wú)法利用它的提示。

示例 #2：日期函數(shù)

假設(shè)，我們要?jiǎng)?chuàng)建一個(gè)日期函數(shù)，返回指定范圍內(nèi)電影租金最高的星期幾。讓我們首先請(qǐng) ChatGPT-4 協(xié)助我們完成這項(xiàng)任務(wù)。

因此，ChatGPT-4 為我們生成了以下查詢：

CREATE OR REPLACE FUNCTION highest_rental_day(start_date DATE, end_date DATE)
RETURNS TEXT AS $$
DECLARE
day_of_week TEXT;
BEGIN
SELECT TO_CHAR(r.rental_date, 'Day') AS day_name
INTO day_of_week
FROM rental r
WHERE r.rental_date BETWEEN start_date AND end_date
GROUP BY EXTRACT(DOW FROM r.rental_date)::INTEGER, day_name
ORDER BY COUNT(*) DESC
LIMIT 1;

RETURN day_of_week;
END;
$$ LANGUAGE plpgsql;

您可能還記得示例 #1，在 dbForge Studio for PostgreSQL 中運(yùn)行此代碼之前，我們需要指定架構(gòu)。否則，我們會(huì)得到一個(gè)錯(cuò)誤。

該函數(shù)已成功創(chuàng)建。讓我們檢查一下它是如何工作的。

讓我們看看 Google Bard 將如何應(yīng)對(duì)這項(xiàng)任務(wù)。

這是我們得到的代碼。

CREATE FUNCTION get_highest_rental_day(
start_date DATE,
end_date DATE
) RETURNS VARCHAR(10) AS
$func$
BEGIN
DECLARE
-- Get the total number of film rentals for each day of the week.
rental_counts TABLE (
day_of_week VARCHAR(10),
total_rentals INT
);
BEGIN
-- Populate the rental_counts table.
INSERT INTO rental_counts (day_of_week, total_rentals)
SELECT
EXTRACT(DOW FROM rental_date),
COUNT(*)
FROM
film_rentals
WHERE
rental_date >= start_date
AND rental_date <= end_date
GROUP BY
EXTRACT(DOW FROM rental_date);

-- Get the day of the week with the highest number of rentals.
SELECT
day_of_week
FROM
rental_counts
ORDER BY
total_rentals DESC
LIMIT
1;
END;
END
$func$ LANGUAGE plpgsql;

我們指定架構(gòu)并在 Studio for PostgreSQL 中運(yùn)行它。當(dāng)試圖從此函數(shù)執(zhí)行 SELECT 時(shí)，我們得到一個(gè)錯(cuò)誤。PostgreSQL 中沒(méi)有 TABLE 數(shù)據(jù)類型。

我們要求 Google Bard 重寫語(yǔ)法，但我們沒(méi)有得到功能代碼。因此，它會(huì)因這項(xiàng)特定任務(wù)而被記過(guò)。

示例 #3：窗口函數(shù)

PostgreSQL 中的窗口函數(shù)是一種對(duì)與當(dāng)前行相關(guān)的一組行執(zhí)行計(jì)算的函數(shù)。它允許您執(zhí)行高級(jí)計(jì)算，包括將當(dāng)前行與指定窗口或分區(qū)內(nèi)的其他行進(jìn)行比較。窗口函數(shù)對(duì)于排名、累積和、移動(dòng)平均等任務(wù)很有用。

假設(shè)，我們要計(jì)算每個(gè)客戶的累計(jì)付款金額，并獲得按付款日期排序的金額。讓我們首先向 ChatGPT-4 尋求幫助。

這是我們得到的語(yǔ)法，如果您想自己檢查一下：

SELECT
customer_id,
payment_date,
amount,
SUM(amount) OVER (PARTITION BY customer_id ORDER BY payment_date) as cumulative_amount
FROM
payment
ORDER BY
payment_date;

現(xiàn)在我們打開 dbForge Studio for PostgreSQL 并運(yùn)行 ChatGPT-4 為我們生成的查詢。

讓我們向 Google Bard 問(wèn)同樣的問(wèn)題。

這是我們得到的代碼：

SELECT
customer_id,
SUM(payment_amount) AS cumulative_sum_of_payments,
payment_date
FROM payments
GROUP BY customer_id
ORDER BY payment_date;

但是，它有很多問(wèn)題：

1. pagila 數(shù)據(jù)庫(kù)中沒(méi)有payments表，它被稱為payment。
2. payment_amount列也不存在。它被稱為數(shù)量。
3. 沒(méi)有按日期分組。
4. 排序由錯(cuò)誤的列完成。

新手可能很難使用該提示，因?yàn)樾枰獙?duì)查詢進(jìn)行大量修改才能正常工作。

示例 #4：JOIN 子句

JOIN用于根據(jù)它們之間的相關(guān)列組合來(lái)自關(guān)系數(shù)據(jù)庫(kù)中兩個(gè)或多個(gè)表的數(shù)據(jù)。它們?cè)试S您在單個(gè)查詢中從多個(gè)表中檢索信息，使其成為使用關(guān)系數(shù)據(jù)庫(kù)的重要工具。

假設(shè)，我們想要獲得所有電影及其所屬類別的列表。讓我們先問(wèn)一下ChatGPT-4。

這是我們得到的語(yǔ)法

SELECT
f.title,
c.name as category
FROM
film f
JOIN
film_category fc ON f.film_id = fc.film_id
JOIN
category c ON fc.category_id = c.category_id
ORDER BY
f.title;

乍一看，查詢看起來(lái)不錯(cuò)。讓我們驗(yàn)證一下。

我們現(xiàn)在嘗試Google

下面是我們得到的語(yǔ)法

SELECT
film.film_id,
film.title,
category.name
FROM film
JOIN film_category ON film.film_id = film_category.film_id
JOIN category ON film_category.category_id = category.category_id;

讓我們?cè)?Studio 中運(yùn)行由 Google Bard 生成的查詢。

如您所見，Google Bard 也完成了這項(xiàng)任務(wù)。查詢非常相似，唯一的區(qū)別是 ChatGPT-4 添加了 ORDER BY 子句以實(shí)現(xiàn)更好的結(jié)果分析和可見性。

示例 #5：數(shù)據(jù)透視表

在 PostgreSQL 中，數(shù)據(jù)透視表是一種數(shù)據(jù)匯總工具，可讓您聚合數(shù)據(jù)并將其從數(shù)據(jù)庫(kù)轉(zhuǎn)換為更易讀的格式。

假設(shè)，我們想要獲得一個(gè)數(shù)據(jù)透視表，按電影類別顯示每個(gè)客戶的總租賃金額。讓我們?nèi)フ?qǐng) ChatGPT 為我們編寫相應(yīng)的查詢。

ChatGPT 向我們提供了以下查詢：

WITH rental_amounts AS (
SELECT
c.customer_id,
cat.name AS category,
SUM(p.amount) AS total_amount
FROM
rental r
JOIN payment p ON r.rental_id = p.rental_id
JOIN inventory i ON r.inventory_id = i.inventory_id
JOIN film f ON i.film_id = f.film_id
JOIN film_category fc ON f.film_id = fc.film_id
JOIN category cat ON fc.category_id = cat.category_id
JOIN customer c ON r.customer_id = c.customer_id
GROUP BY
c.customer_id,
cat.name
)
SELECT
customer_id,
SUM(CASE WHEN category = 'Action' THEN total_amount ELSE 0 END) AS "Action",
SUM(CASE WHEN category = 'Animation' THEN total_amount ELSE 0 END) AS "Animation",
SUM(CASE WHEN category = 'Children' THEN total_amount ELSE 0 END) AS "Children",
-- Add more categories as needed
SUM(total_amount) AS "Total"
FROM
rental_amounts
GROUP BY
customer_id
ORDER BY
customer_id;

現(xiàn)在是時(shí)候在 dbForge Studio for PostgreSQL 中驗(yàn)證它了。準(zhǔn)備好？

相當(dāng)令人印象深刻，不是嗎？現(xiàn)在我們帶著同樣的請(qǐng)求去谷歌驗(yàn)證

我們得到以下代碼：

WITH rental_amount AS (
SELECT
customer_id,
film_id,
SUM(rental_amount) AS total_rental_amount
FROM rental
GROUP BY customer_id, film_id
)
SELECT
customer_id,
category.name AS category,
SUM(rental_amount) AS total_rental_amount
FROM rental_amount
JOIN film_category ON rental_amount.film_id = film_category.film_id
JOIN category ON film_category.category_id = category.category_id
GROUP BY customer_id, category
ORDER BY customer_id;

然而，當(dāng)我們運(yùn)行 Google Bard 為我們生成的查詢時(shí)，我們會(huì)遇到一些錯(cuò)誤。

1. rental表中沒(méi)有film_id列，因此也無(wú)法按它進(jìn)行分組。
2. rental_amount列不存在。
3. rental_amount.film_id?= film_category.film_id?JOIN 無(wú)效，因?yàn)槿缟纤?#xff0c;rental中沒(méi)有film_id。

哪個(gè)人工智能工具更好？

Google Bard 和 ChatGPT-4 都在不斷發(fā)展，這些工具在 AI 語(yǔ)言模型領(lǐng)域具有巨大的潛力。但是，根據(jù)本文中進(jìn)行的分析，ChatGPT-4 在處理 PostgreSQL 提示方面表現(xiàn)出卓越的性能。ChatGPT-4 生成的代碼通常需要較少的修改，從而提高了效率。此外，ChatGPT-4 擁有更高的可訪問(wèn)性，因?yàn)榕c對(duì)應(yīng)的模型相比，獲得對(duì)該 AI 模型的訪問(wèn)是一個(gè)更直接的過(guò)程。

此外，ChatGPT 生成的代碼更加人性化；例如，AI 貼心地包含了 ORDER BY 和 GROUP BY 等子句，使結(jié)果更易于理解和分析。這有助于識(shí)別趨勢(shì)和模式，最終改善使用輸出時(shí)的整體用戶體驗(yàn)。

Devart?提供包括Oracle、SQL Server、MySQL、PostgreSQL、InterBase以及Firebird在內(nèi)的專業(yè)數(shù)據(jù)庫(kù)遠(yuǎn)程管理軟件，dbForge Studio for MySQL是一個(gè)在Windows平臺(tái)被廣泛使用的MySQL客戶端，它能夠使MySQL開發(fā)人員和管理人員在一個(gè)方便的環(huán)境中與他人一起完成創(chuàng)建和執(zhí)行查詢，開發(fā)和調(diào)試MySQL程序，自動(dòng)化管理MySQL數(shù)據(jù)庫(kù)對(duì)象等工作。