人工智能（AI）时代正式到来！在新王者决定要我们强化机器之前，让我们充分享受他们提供的所有好处以及许多让生活更轻松的方法。例如由 OpenAI 开发的人工智能聊天机器人 ChatGPT，它能够为广泛主题的问题提供非常准确的答案而受到赞赏。而且，尽管 ChatGPT 可能还没有让我们的工作过时无意义，但已证明它非常擅长处理数据集，就像 DBMS 一样。在今天的文章中，我们将探索如何利用 ChatGPT 作为像 Navicat 这样的专业数据库开发和管理工具的补充。
创建数据集
ChatGPT 能够从一个分隔值列表创建正式数据集。你只需使用普通对话语言告诉它要做什么即可。ChatGPT 还能够回答后续问题、承认错误、质疑不正确的假设，还能拒绝不适当的请求。我们可以在 OUseful.Info 博客上看到一个示例，该示例创建了一个名为“racerresults”的表。以下是给 ChatGPT 的指示以及输入的样本数据：
Treat the following as a tab separated dataset. Using just the first, third and fourth columns, treat the data as if it were a relational SQL database table called "racerresults" with columns "Race", "Driver" and "Team", and the "Race" column as a primary key column. Display a SQL statement that could create the corresponding table and populate it with the data.
Bahrain 20 Mar 2022 Charles Leclerc FERRARI 57 1:37:33.584
Saudi Arabia 27 Mar 2022 Max Verstappen RED BULL RACING RBPT 50 1:24:19.293
Australia 10 Apr 2022 Charles Leclerc FERRARI 58 1:27:46.548
Emilia Romagna 24 Apr 2022 Max Verstappen RED BULL RACING RBPT 63 1:32:07.986
Miami 08 May 2022 Max Verstappen RED BULL RACING RBPT 57 1:34:24.258
Spain 22 May 2022 Max Verstappen RED BULL RACING RBPT 66 1:37:20.475
Monaco 29 May 2022 Sergio Perez RED BULL RACING RBPT 64 1:56:30.265
erc...
根据上述指示和数据，ChatGPT 生成了以下 CREATE TABLE 和 INSERT 语句：
有了数据，我们就可以对其运行查询了。
使用 ChatGPT 查询数据集
就查询表达式而言，ChatGPT 与 Navicat 有一些相似之处，因为两者都允许你在对 SQL 知之甚少的情况下构建查询。为了做到这一点，Navicat 提供查询创建工具供用户使用。以下是它在 macOS 中的模样：
至于 ChatGPT，它接受一个以普通对话语言表达的问题，并生成所需的 SQL 语句。例如以下的历史人物列表：
我们可以简单地看看 ChatGPT 如何查询年代最久的历史人物。以下是 ChatGPT 提供的结果 SQL 语句和解释：
数据的乐趣
ChatGPT 可以做的不仅仅是生成查询；它还能以创造性思维为每个历史人物分配表情符号：
关于使用 Navicat 和 ChatGPT 强化查询的结语
虽然像 ChatGPT 这样的人工智能机器人要取代传统的数据库工具还有很长的路要走，但它们确实为寻找创新的方法来处理数据相关任务的数据库从业者提供了一种新工具。在撰写本文时，ChatGPT 已达负荷，再无法接受新用户了，但一旦热度有所减退，我会促请你尝试一下 ChatGPT。