引言
3 月份 chatGPT 是不安分的、微软是不安分的、那么勇哥就应该安分？不可能，绝对不可能。简单来说，勇哥 3 月份成功的把 chatGPT3.5 集成到 bg-tinkle 软件中发布了 v1.0.5 版本。集成后的 bg-tinkle 对于数据库的修改、统计、删除等操作就都是一句话的事了，非常 NICE。
阅读本文你会了解 3 月份 chatGPT 重大的事件，体验如何使用 AI 帮助数据库优化、设计 SQL 等操作？以及了解本功能开发实现的思路？
事件回顾：不安分的 3 月大事
chatGPT 竞品出现：（谷歌的）Bard、（百度的）文心一言
chatGPT 发布新版：chatGPT4 隆重发布（但是勇哥并不 CARE，因为太贵和没资格）
chatGPT 成品出现：微软 office 正式接入 chatGPT，写好 word、ppt、excel 再也不用报班学习了（但是价格不便宜呀~）
数据库+AI：功能体验
AI 功能是以聊天的方式进行，然后对聊天的结果可直接执行 SQL、制作图表得操作。
通过数据库软件，直接获取数据库表结构，然后再此基础上可用让 AI 帮您设计统计分析、修改、优化等，并直接生成 SQL 语句。然后可在结果中一键执行 SQL、或者生成 SQL 的统计图。
AI 补全表注释
忘记写注释也不用怕，一键让 AI 补充+一键运行，10 秒不到完成工作！大赞~
AI 设计表索引
可以发送表常用的 SQL 语句，然后让其设计合理的索引。其设计的索引还挺符合行业规范的。大赞~
AI 创建新表
依据现有的数据库，参考设计一张新的表。分成多次会话沟通，依然没有问题。
AI 结果直接运行
AI 结果中的查询 SQL 会自动执行，并以表格的方式展示结果。同时相关 SQL 如果有问题，还支持编辑后执行。
AI 结果做成图表
AI 生成的 SQL 语句，可以直接转到图表生成功能中，快速正常折线图、饼图、柱状图、树图、桑基图等。
数据库+AI：使用帮助-开启对话
在数据库软件中，进入 AI 聊天非常简单按照以下 2 步进行即可：
选择你要操作的表，可以选择多张；
右键选择 Sql Chat 即可打开聊天窗口了
ChatGPT 访问需要 Token：
数据库+AI：使用帮助-保存会话
数据库 AI 聊天对话会保持到用户本地，以便再次打开，节省流量。要自定义保存文件名称，则参考以下操作步骤：
点击右下角‘小齿轮’
再弹出的对话框中填写保存的 ‘文件名称’
再次发送请求，程序会自动保存会话。
打开则只需要双击对应的会话名称即可（比如双击下图的 3，就可以再次打开会话）。
数据库+AI：实现思路
还实现以上带有会话上下文的聊天功能，其实现原理其实很简单，但是有点费钱。具体实现的思路如下：
把对话中所有的消息都存储到一个集合中，比如下面第 1 处代码
过滤集合中那些请求失败的对话消息，比如下面第 2 处代码
ps：处理失败的消息，过滤掉主要原因是减少请求的 Token，节省成本；
请求接口并获取响应数据，对响应数据进行 SQL 语句的解析，标记出来以便前端渲染演示和执行，比如下面第 3 处代码
// 1、存放所有的对话消息List<ChatMessageDto> dtos = JSON.parseArray(tempMessages, ChatMessageDto.class);// 2、过滤失败的消息List<ChatMessage> messages = dtos.stream().filter(item -> item.getIsCall()==null||item.getIsCall()).map(item ->{ ChatMessage chatMessage = new ChatMessage(); chatMessage.setRole(item.getRole()); chatMessage.setContent(item.getContent()); return chatMessage;} ).collect(Collectors.toList());ChatMessageDto result = new ChatMessageDto();List<ChatCompletionChoice> chatCompletionChoices = AiUtils.chatGpt(token, messages);for (ChatCompletionChoice chatCompletionChoice : chatCompletionChoices) { String content = chatCompletionChoice.getMessage().getContent(); // 3、把字符串消息，转成结构化的消息，便于运行SQL result.setChatTerms(AiUtils.parseChatMessage(content)); result.setContent(content); result.setRole(chatCompletionChoice.getMessage().getRole()); dtos.add(result);}
复制代码
第 3 处例子：
非结构化的数据：
\n\n统计维度：\n\n1. 按照用户ID统计总销售额\n2. 按照支付方式统计销售额占比\n3. 按照订单状态统计订单数量和销售额\n4. 按照下单时间统计每月销售额\n\nSQL语句：\n\n1. 按照用户ID统计总销售额\n\n```sql\nSELECT user_id, SUM(total_fee) as total_sales\nFROM tb_order\nGROUP BY user_id;\n```\n\n2. 按照支付方式统计销售额占比\n\n```sql\nSELECT payment_type, SUM(total_fee) as total_sales, \n ROUND(SUM(total_fee)/(SELECT SUM(total_fee) FROM tb_order)*100,2) as sales_percentage\nFROM tb_order\nGROUP BY payment_type;\n```\n\n3. 按照订单状态统计订单数量和销售额\n\n```sql\nSELECT status, COUNT(*) as order_count, SUM(total_fee) as total_sales\nFROM tb_order\nGROUP BY status;\n```\n\n4. 按照下单时间统计每月销售额\n\n```sql\nSELECT DATE_FORMAT(create_time, '%Y-%m') as month, SUM(total_fee) as total_sales\nFROM tb_order\nGROUP BY month;\n```
复制代码
转成结构化的数据：
[ { "content": "\n\n统计维度：\n\n1. 按照用户ID统计总销售额\n2. 按照支付方式统计销售额占比\n3. 按照订单状态统计订单数量和销售额\n4. 按照下单时间统计每月销售额\n\nSQL语句：\n\n1. 按照用户ID统计总销售额\n\n", "type": "MES" }, { "content": "\nSELECT user_id, SUM(total_fee) as total_sales\nFROM tb_order\nGROUP BY user_id;\n", "type": "SQL" }, { "content": "\n\n2. 按照支付方式统计销售额占比\n\n", "type": "MES" }, { "content": "\nSELECT payment_type, SUM(total_fee) as total_sales, \n ROUND(SUM(total_fee)/(SELECT SUM(total_fee) FROM tb_order)*100,2) as sales_percentage\nFROM tb_order\nGROUP BY payment_type;\n", "type": "SQL" }, { "content": "\n\n3. 按照订单状态统计订单数量和销售额\n\n", "type": "MES" }, { "content": "\nSELECT status, COUNT(*) as order_count, SUM(total_fee) as total_sales\nFROM tb_order\nGROUP BY status;\n", "type": "SQL" }, { "content": "\n\n4. 按照下单时间统计每月销售额\n\n", "type": "MES" }, { "content": "\nSELECT DATE_FORMAT(create_time, '%Y-%m') as month, SUM(total_fee) as total_sales\nFROM tb_order\nGROUP BY month;\n", "type": "SQL" }]
复制代码
评论