「OpenAIのための自然言語からSQLへの変換のためのスーパープロンプトを作成する」

『OpenAIのための自然言語からSQLへの変換を簡単にするためのスーパープロンプトの作成』

最近のChatGPTのブーム以来、最も変化が大きかったことの一つは、大規模な言語モデルがたった2つまたは3つの例からタスクを学び、実行できるようになったことです。この能力を利用して、OpenAIモデルが自然言語からSQLコマンドを生成できるようなプロンプトを作成します。

この記事は、GitHubで利用可能な無料の大規模言語モデルコースの一部です。

この記事では、OpenAIのGPTモデルがNL2SQLのタスクを実行できるようにするためのプロンプトの作成方法を説明します。これは、ユーザーの言語リクエストをSQLコマンドに変換し、要求されたデータを取得するものです。

このために、オハイオ大学の論文「How to Prompt LLMs for Text-to-SQL: A Study in Zero-shot, Single-domain, and Cross-domain Settings.」を元にします。また、Large Language Models Courseの第二の記事で既に見た内容を修正します。

プロンプトの構造

プロンプトは、以下の4つのセクションで構成されます。

• HuggingFaceはTextEnvironmentsを紹介します：機械学習モデルと、モデルが特定のタスクを解決するために呼び出すことができる一連のツール（Python関数）の間のオーケストレーターです
• 「ブンデスリーガのマッチファクト ショットスピード – ブンデスリーガで一番シュートが速いのは誰か？」
• 大きな言語モデルはどれくらい透明性があるのか？

• テーブル構造とそのコンテンツの例
• 生成すべきSQLに関する指示
• 正しいSQLの例（Few Shot Samples）
• ユーザーの質問

今回作成するプロンプトは、最も完全なものであり、複数のテーブル間での相互参照も含まれます。

モデルにSQLの例を提供する必要は常にありません。もしテーブルが明確で必要な情報を提供していれば、モデルはデータベース構造だけから正しいSQLを生成することができます。

しかし、これらの例を提供することで、SQLの返されるスタイルやフォーマットにも影響を与えることができます。

テーブルの構造

create table employees(        ID_Usr INT primary key,        name VARCHAR);    /*3 example rows    select * from employees limit 3;    ID_Usr    name    1344      George…

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!