一年前，AI 大牛 Andrej Karpathy 曾預(yù)言，最熱門的新編程語(yǔ)言是英語(yǔ)。

一年后，人工智能及機(jī)器學(xué)習(xí)研究商 Abacus.AI 首席執(zhí)行官 Bindu Reddy 表示：「LLM 用英語(yǔ)取代的第一個(gè)編程語(yǔ)言是 SQL，SQL 生成準(zhǔn)確率超過(guò) 95%，超過(guò)了人類 SQL 程序員（準(zhǔn)確率為 92%）的平均水平，大多數(shù)數(shù)據(jù)庫(kù)產(chǎn)品已經(jīng)提供了一個(gè) chatbox 接口來(lái)查詢數(shù)據(jù)」。

Bindu Reddy 口中的 Chatbox 是一個(gè)開(kāi)源的桌面端程序，Prompt 的調(diào)試與管理工具，支持 OpenAI 模型、Claude、Google Gemini 等。

從大模型出現(xiàn)以來(lái)，改變的不僅是文字、圖片生成領(lǐng)域，還有編程領(lǐng)域。這些 AI 助手給句提示就能自主學(xué)習(xí)新技術(shù)、構(gòu)建和部署應(yīng)用程序、以及自主查找和修復(fù)代碼中的 Bug。一時(shí)間，AI 取代程序員的爭(zhēng)論不斷。我們暫且不管這種說(shuō)法結(jié)論如何，但 AI 已經(jīng)確確實(shí)實(shí)的影響到了每一位開(kāi)發(fā)者。

就連 Karpathy 都表示自己基本上無(wú)法再回到三年前那種「無(wú)輔助」編碼的狀態(tài)了。

英偉達(dá)首席執(zhí)行官黃仁勛在一次關(guān)于人工智能未來(lái)的演講中也曾表示，在過(guò)去 10 年、15 年的時(shí)間里，你會(huì)告訴自己的孩子學(xué)習(xí)計(jì)算機(jī)科學(xué)至關(guān)重要。但現(xiàn)在情況幾乎相反，人工智能所帶來(lái)的奇跡可以讓每個(gè)人都成為程序員。

我們不難看出，黃仁勛的觀點(diǎn)與 Reddy 言論不謀而合。

不過(guò)，Bindu Reddy 一言既出，不少質(zhì)疑也冒了出來(lái)：「你聲稱（LLM 生成）SQL 準(zhǔn)確率高達(dá) 95%，有什么文獻(xiàn)或者統(tǒng)計(jì)支撐嗎？」

Bindu 立馬給出了回?fù)簦N出了兩個(gè)示例片段，片段展示的正是 Bindu 家的一款 AI 工具。如下所示要求 AI 篩選同時(shí)符合選中特征的店鋪和銷售，但不要統(tǒng)計(jì)店鋪關(guān)閉時(shí)的數(shù)據(jù)：

它就自動(dòng)把代碼都寫好了，距離完成工作，只差一個(gè)復(fù)制到數(shù)據(jù)庫(kù)的動(dòng)作。

稍微復(fù)雜的任務(wù)它也能搞定，只需要說(shuō)清楚你想要的這組數(shù)不包含指定期間的數(shù)據(jù)，并統(tǒng)計(jì)每個(gè)港口的平均出發(fā)延誤時(shí)間。不需要進(jìn)一步提示，AI 助手自己就能分析出解題思路，并寫出按條件過(guò)濾數(shù)據(jù)，并把幾個(gè)表格關(guān)聯(lián)起來(lái)計(jì)算平均值的 SQL 代碼。

看完展示，有網(wǎng)友表示，AI 寫 SQL 的效果這么好，似乎也合情合理。因?yàn)橄啾?Java、Python 等編程語(yǔ)言，SQL 中有 90% 是英語(yǔ)，它主要用于和數(shù)據(jù)庫(kù)交互，在格式上相對(duì)固定，需要填空的部分比較少，模型產(chǎn)生「幻覺(jué)」的空間有限。

然而，也有在日常工作中經(jīng)常用大模型生成 SQL 代碼的網(wǎng)友得到了另一番體驗(yàn)：「到目前為止，ChatGPT 或 Perplexity 生成的 SQL 查詢還沒(méi)有一個(gè)不需要大量重寫的。」

他表示，這和用 AI 寫代碼差不多：「確實(shí)可以節(jié)省時(shí)間，但遠(yuǎn)不能代替開(kāi)發(fā)人員。」

這是因?yàn)榇竽Ｐ徒?jīng)常犯錯(cuò)，并且「不長(zhǎng)記性」，還總是在同一個(gè)地方翻車。常見(jiàn)錯(cuò)誤有：語(yǔ)法問(wèn)題，混淆了 SQL Server、Postgres 等不同平臺(tái)的語(yǔ)法；使用了在某些平臺(tái)無(wú)效的函數(shù)；缺少別名；在不同平臺(tái)之間遷移代碼時(shí)表現(xiàn)得很差。雖然挑了一堆錯(cuò)，這位網(wǎng)友還是認(rèn)同 AI 寫 SQL 的能力的：「盡管如此，它仍然比手寫要好。」

不過(guò)他已經(jīng)被 Bindu 拉黑了，這讓人很難不懷疑，Bindu 只是在推廣自家產(chǎn)品。

這位網(wǎng)友進(jìn)一步質(zhì)疑道：「當(dāng)脫離了基準(zhǔn)測(cè)試?yán)锏暮?jiǎn)單任務(wù)，需要做比較復(fù)雜的查詢時(shí)，不會(huì)所有 AI 工具都失效了吧。」

評(píng)論區(qū)也有很多工作中常用 SQL 的網(wǎng)友與他有同感：

「AI 會(huì)寫 SQL 與能寫高效且性能優(yōu)良的復(fù)雜 SQL 是兩碼事。」

「寫 SQL 查詢很容易，但想要優(yōu)化查詢，需要在工作中積累經(jīng)驗(yàn)和基于真實(shí)世界的知識(shí)，這是 AI 未能實(shí)現(xiàn)的。」

「我每天都用大模型，它們無(wú)法進(jìn)行復(fù)雜的查詢。任何超過(guò)一個(gè) CTE 的內(nèi)容，我都必須手動(dòng)拆分。拆起來(lái)需要你會(huì)編程，否則只會(huì)白費(fèi)幾天的時(shí)間。」

甚至還引來(lái)了 Hacker News 官方下場(chǎng)發(fā)表評(píng)論：「SQL 的核心不在于語(yǔ)言本身，而在于它能夠查詢和操作復(fù)雜的數(shù)據(jù)結(jié)構(gòu)。」在他看來(lái)，提出正確的問(wèn)題和理解數(shù)據(jù)結(jié)構(gòu)可能比語(yǔ)法本身更為關(guān)鍵。

除了從親身體驗(yàn)的角度對(duì) Bindu 提出質(zhì)疑之外，還有一些專業(yè)人員擺出了現(xiàn)成的數(shù)據(jù)。在基礎(chǔ)測(cè)試集 Text-To-SQL on Spider 中，目前的 Sota 模型的準(zhǔn)確度是 87.6%。

圖源：https://paperswithcode.com/sota/text-to-sql-on-spider

在另一個(gè)注重策略針對(duì)大型數(shù)據(jù)庫(kù)的基準(zhǔn)測(cè)試集中，最好的方法準(zhǔn)確率也僅為 72.28%，遠(yuǎn)不及 95%。

圖源：https://bird-bench.github.io/

目前，也有不少科技公司推出了用大模型提升數(shù)據(jù)處理和查詢分析的產(chǎn)品，比如火山引擎數(shù)智平臺(tái) VeDI—AI 助手、 Kyligence Copilot AI、ThoughtSpot 等。不過(guò)，這些企業(yè)解決方案面向的是專業(yè)用戶和團(tuán)隊(duì)，而像 Abacus.AI 這樣的個(gè)人 SQL 助手可能更側(cè)重于幫助「小白」快速上手。