AI_TO_SQL (Lakehouse v1)

Convertit des instructions en langage naturel en requêtes SQL grâce au modèle le plus récent, text-davinci-003.

PlaidCloud Lakehouse propose une solution efficace pour construire des requêtes SQL en combinant OLAP et IA. Cette fonction permet de convertir des instructions rédigées en langage naturel en instructions de requête SQL conformes au schéma de la table. Par exemple, vous pouvez lui fournir en entrée une phrase telle que « Get all items that cost 10 dollars or less » et obtenir en sortie la requête SQL correspondante « SELECT * FROM items WHERE price <= 10 ».

Consultez l’implémentation en amont.

Syntaxe Analyze

func.ai_to_sql('<natural-language-instruction>')

Exemples Analyze

Dans cet exemple, une instruction de requête SQL est générée à partir d’une instruction avec la fonction AI_TO_SQL, puis l’instruction obtenue est exécutée pour récupérer les résultats de la requête.

func.ai_to_sql('List the total amount spent by users from the USA who are older than 30 years, grouped by their names, along with the number of orders they made in 2022')

La fonction génère en sortie l’instruction SQL suivante :

*************************** 1. row ***************************
     database: openai
generated_sql: SELECT name, SUM(price) AS total_spent, COUNT(order_id) AS total_orders
               FROM users
                        JOIN orders ON users.id = orders.user_id
               WHERE country = 'USA' AND age > 30 AND order_date BETWEEN '2022-01-01' AND '2022-12-31'
               GROUP BY name;

Syntaxe SQL

USE <your-database>;
SELECT * FROM ai_to_sql('<natural-language-instruction>');

Exemples SQL

Préparez les données.

CREATE DATABASE IF NOT EXISTS openai;
USE openai;

CREATE TABLE users(
    id INT,
    name VARCHAR,
    age INT,
    country VARCHAR
);

CREATE TABLE orders(
    order_id INT,
    user_id INT,
    product_name VARCHAR,
    price DECIMAL(10,2),
    order_date DATE
);

-- Insert sample data into the users table
INSERT INTO users VALUES (1, 'Alice', 31, 'USA'),
                         (2, 'Bob', 32, 'USA'),
                         (3, 'Charlie', 45, 'USA'),
                         (4, 'Diana', 29, 'USA'),
                         (5, 'Eva', 35, 'Canada');

-- Insert sample data into the orders table
INSERT INTO orders VALUES (1, 1, 'iPhone', 1000.00, '2022-03-05'),
                          (2, 1, 'OpenAI Plus', 20.00, '2022-03-06'),
                          (3, 2, 'OpenAI Plus', 20.00, '2022-03-07'),
                          (4, 2, 'MacBook Pro', 2000.00, '2022-03-10'),
                          (5, 3, 'iPad', 500.00, '2022-03-12'),
                          (6, 3, 'AirPods', 200.00, '2022-03-14');

Exécutez la fonction AI_TO_SQL avec une instruction rédigée en anglais en entrée.

SELECT * FROM ai_to_sql(
    'List the total amount spent by users from the USA who are older than 30 years, grouped by their names, along with the number of orders they made in 2022');

La fonction génère en sortie l’instruction SQL suivante :

*************************** 1. row ***************************
     database: openai
generated_sql: SELECT name, SUM(price) AS total_spent, COUNT(order_id) AS total_orders
               FROM users
                        JOIN orders ON users.id = orders.user_id
               WHERE country = 'USA' AND age > 30 AND order_date BETWEEN '2022-01-01' AND '2022-12-31'
               GROUP BY name;

Exécutez l’instruction SQL générée pour obtenir les résultats de la requête.

┌─────────┬─────────────┬─────────────┐
│ name    │ order_count │ total_spent │
├─────────┼─────────────┼─────────────┤
│ Bob     │           2 │     2020.00 │
│ Alice   │           2 │     1020.00 │
│ Charlie │           2 │      700.00 │
└─────────┴─────────────┴─────────────┘