Gemini 2.0震撼發布遭遇滑鐵盧!能否擊敗Claude3.5?邏輯推理到算法實現的全面測試!gemini-exp-1206+LlamaIndex實現Text to SQL多表聯合查詢!含完整源碼

歡迎來到AI超語言域
谷歌今天發佈了Gemini系列模型中最強的一個模型
Gemini 2.0
這款模型的運行速度是Gemini 1.5 Pro的兩倍
在編程 數學 推理 圖像等領域
處理能力超越了Gemini 1.5 Pro
這款模型在SWE Bunch的基準測試中
甚至超過了Cloud 3.5
但是經過我測試發現
這款模型在多方面的能力並沒有超過Cloud 3.5
甚至根本達不到Cloud 3.5的水平
所以說這款模型在SWE基準測試中的得分
還是相當有水分的
好 本期視頻將爲大家測試Gemini 2.0
在編程和邏輯推理方面的能力
並且還會爲大家詳細演示
我們調用Gemini 2.0的API
在LAMINIX中通過Text-to-SQL實現多表聯動查詢
因爲這個功能在實際的企業項目中還是非常重要的
在之前的多期視頻中
我都有爲大家演示過Text-to-SQL的功能
但當時演示的都是一張表的Text-to-SQL
本期視頻我們將實現多表聯動查詢
也就是實現複雜的Text-to-SQL功能
好 想使用Gemini 2.0非常簡單
我們可以在Gemini官方網頁中來使用Gemini 2.0
也可以在谷歌的AI Studio中來使用Gemini 2.0
在谷歌AI Studio中使用Gemini 2.0
我們只需要在右側 在模型這裏
然後點擊下拉 找到Gemini 2.0
然後選中
這樣的話我們就可以在底部的輸入框
輸入要實現的功能
我們先拿一道邏輯推理題來測試一下Gemini 2.0
它能否正確解答這道邏輯推理題
我們可以先看一下這道邏輯推理題
在一個島上有100個人
95個是藍眼睛 5個是紅眼睛
島上有這三個規則
不能通過鏡子和水面來看自己眼睛的顏色
不能告訴對方別人眼睛的顏色
一旦知道自己眼睛的顏色必須在當夜離島
一天有一個旅行者來到島上
當着所有人的面不留神說了一句
你們這裏有紅眼睛的人
島民都聽到了這句話
假設島民都是聰明人
那麼接下來島上會發生什麼事情
我們直接複製這個問題
然後回到Gemini
我們將問題粘貼
然後發送
我們看一下Gemini 2.0
它能否給出正確的回答
Gemini 2.0它很快給出了這個回答
這個回答的推理過程雖然比較長
它給出的這個答案顯然是不完整的
因爲正確的答案是
在最後島上的所有人都會離開
因爲這是一道非常經典的邏輯推理題
像這道題我在cloud 3.5中
cloud 3.5就能給出正確的回答
但是Gemini 2.0它並沒有給出正確的回答
好 下面我們再用一道算法題來測試一下
然後這道算法題就是用python
來計算這個數是第幾個質數
並且不要引入外部庫
然後我們看一下它能否給出真正可行的代碼
它很快給出了這個代碼
然後我們複製這個代碼
我們直接將代碼粘貼在colab中
然後直接去運行
然後顯然這個代碼它運行的時間會非常久
因爲它沒有對這個算法進行優化
現在在colab中這段代碼已經運行超過4分鐘了
但是還沒有給出運行結果
這說明Gemini 2.0在解決這個問題的時候
它給出的代碼並沒有考慮算法層面的優化
下面我們再用一個最經典的問題
也就是問它這個單詞中有幾個r
然後爲了增加難度
我在草莓這個單詞中多加了幾個r
我們直接發送看一下它能否給出正確的回答
這裏它說在這個單詞中有四個r
這顯然是不對的
這個單詞中一共有五個r
下面我們用這個思維鏈提示詞來測試一下
它通過思維鏈的方式能否計算出這個單詞中有幾個r
我們直接粘貼這個思維鏈的提示詞
然後發送這裏它給出了這個最終回答
我們看一下這個最終回答它給出的是否正確
在這個最終版的回答中
這個錯了就更加離譜了
然後它說這個單詞中有三個r
這顯然是不正確的
就說明它對提示詞的遵循能力還是有所欠缺的
下面我們再用一個算法思維轉換題來測試一下
我們直接複製然後粘貼
看一下它能否給出正確的代碼
它給出了代碼
然後我們直接複製這個代碼
直接粘貼
然後運行
它給的這個代碼也是存在很大的問題的
然後這個代碼已經運行了超過兩分鐘了
還沒有給出正確的結果
但是同樣的題
讓cloud 3.5它給出的代碼就能很快給出正確的答案
所以說Gemini 2.0它給出的這個代碼
也還是沒有考慮到算法方面的優化
好
經過大概四分鐘的等待
這裏它纔給出正確的答案
下面我們再讓它用passing來實現一個賽博朋克風格的彈射遊戲
然後我們直接發送
看一下它能否給出我們正確可用的代碼
並且看一下風格是否達到了賽博朋克風格
就是它給出的這個代碼
我們可以看一下
可以看到它給出的代碼這裏省略了非常多的功能
這樣的話我們在輸入框輸入給出完整的代碼
然後我們發送
看一下這次它能否給出完整的代碼
這是它給出的最終版的代碼
然後我們測試一下複製這個代碼
然後將代碼粘貼
我們運行這個代碼看一下效果
可以看到這個遊戲的背景是藍色漸變色的
這個效果還算可以
然後我們運行一下看一下
這個速度也還可以
但是這個功能非常簡單
它沒有增加其他的功能
比如說分數計算
下面我們在提示詞這裏
讓它加入分數統計的功能
看一下它能否實現
這是它給出的這個代碼
然後我們直接複製
然後粘貼
然後我們再運行
好可以看到在遊戲的右上角這裏
它加入了一個分數統計
然後我們測試一下
看一下能否統計到分數
這個吃到一個食物是加10分
這裏加了20分
下面我們讓它將這個遊戲更加複雜化
我們在提示詞中
輸入遊戲界面上會隨即出現多個食物
吃到黃色食物加10分
吃到白色食物加20分
吃到黑色食物
這個蛇就會死
然後我們發送
看一下它能否實現更加複雜的遊戲邏輯
好可以看到這裏
它省略了很多代碼
然後我們還是讓它給出完整代碼
它省略代碼的特點比較像OpenAI
OpenAI也是經常不給出完整代碼
這樣它給出了完整代碼
然後我們測試一下
它能否實現我們這個遊戲的邏輯
粘貼
然後我們再運行
可以看到現在這個界面上還是隻有一個食物
吃到這個黃色的加10分
這個是白色
吃到白色是加20分
它並沒有同時出現多個食物
這說明它並沒有完全理解我們這個需求
現在這個界面上完全沒有食物了
也沒有這個黑色的食物
那這個貪吃蛇就只會這樣死循環的無限走下去
除非我們走出這個遊戲的界面
這樣的話它給出的這個貪吃遊戲
還是存在非常大的bug的
這說明Gemini 2.0
它在編程能力方面還是完全不如Cloud 3.5
像這種簡單的遊戲邏輯
在Cloud 3.5中都是一次就能給出正確的代碼的
對於Gemini 2.0來說
一旦我們提出的問題稍微複雜一些
然後它就無法給出完全符合我們要求的代碼了
雖然Gemini 2.0
它在多方面的能力並沒有達到Cloud 3.5的水平
但它的API我們可以免費調用
我們還是在Google AI Studio中
然後在右上角點擊創建API Key
再點擊這個藍色的創建API Key
再點擊這個創建
然後我們複製自己的API Key
然後我們就可以通過API
在我們的項目中來調用Gemini 2.0
下面將爲大家演示
我們在浪漫index中通過API調用Gemini 2.0
來實現一個支持多表聯動查詢的text to SQL的功能
爲了方便演示
我將在谷歌的colab中來執行這些代碼
我們先執行這段代碼來安裝所需的這些依賴
也就是浪漫index框架所需的這些依賴
好 這些依賴安裝好之後
我們先確保一下
我們已經將Gemini的API Key在colab中
已經設置好了 並且啓用了
下面我們詳細看一下這個代碼
然後這裏就是導入所需的這些依賴
下面這裏我們創建了一個數據庫引擎
還有原數據對象
這裏我們是在內存中創建了一個SQLite數據庫
我們這裏創建了一個員工表
還有產品表 還有訂單表
我們可以先看一下員工表
這是員工表的這些字段
包括ID 姓名 部門 職位 入職日期 薪水
還有管理者ID
而且這裏我們將這個ID設爲了外件
然後產品表中包括產品的ID 產品名字
產品的種類 價格庫存等
而且在這個表中產品的ID作爲主件
下面這裏我們創建了一個訂單表
這個訂單表中包括訂單ID 客戶名稱
產品ID 員工ID 訂單日期 數量 總價 狀態等等
將產品ID作爲外件
然後將員工ID也作爲外件
以便進行關聯
然後這行代碼就是將這三個表都創建好
這裏我們定義了一個函數
這個函數就是檢查表中是否存在數據
下面這個函數就是加載事例數據到數據庫中
然後這裏我們模擬生成了一些數據
比如說這個員工數據
然後這裏的姓名是張三
然後他是屬於銷售部
然後這位是銷售經理
然後這裏是日支日期
然後這裏是他的薪資
下面這裏是李四
他是屬於銷售部
然後他是屬於銷售代表
他的管理者就是剛纔的這個張三
因爲這個張三是銷售經理
然後這裏我們模擬生成了一些產品的數據
然後這裏麪包含筆記本電腦
還有藍牙耳機
還有智能手機等等等等
在下面這個訂單表這裏
我們模擬生成了一些訂單數據
這些訂單數據包含訂單ID
顧客的姓名
產品ID等等等等
下面這裏就是將這些數據轉爲DataFrame
並且導入數據庫中
導入到數據庫之後
我們這裏建立了一個查詢引擎
並且添加這個表關係的描述
下面這裏就是定義表關係和業務含義
然後這裏就是表關係說明
還有就是關聯的聯繫等等
下面這裏我們就調用了
站位2.0的這個模型
下面這裏我們定義了一個函數
這個函數就是執行復雜的多表聯動查詢
然後這裏我們設置的第一個查詢是
分析每個銷售員的業績
顯示他們的姓名部門等等
以及負責的訂單數
還有總銷售數
第二個查詢就是分析
2024年1月產品銷售情況
第三個查詢就是部門績效分析
然後第四個就是高價值客戶分析
然後最後一個我們設置的是庫存預警分析
下面這裏我們就是定義的這個主函數
然後這裏來獲取Gemini API的API key
然後這裏就是加載事例數據
然後下面就是調用剛纔的這個複雜查詢的事例
這樣的話我們就可以來運行這個代碼
運行之後這裏開始執行這個查詢
這裏我們要稍等一下
好這樣的話這個查詢已經執行完成
然後我們可以詳細看一下這個執行結果
好首先這裏顯示事例數據加載成功
然後開始執行第一個查詢
第一個查詢就是分析每個銷售員的業績
然後我們看一下這個查詢結果
然後查詢結果他這裏沒有完全按照中文來顯示
他顯示了一些英文的內容
他這裏查詢到的李四是來自銷售部門
然後他的主管是張三
然後他負責三筆訂單
然後這是他的銷售額
我們回到代碼
然後從員工數據中找到李四
然後我們複製一下他這個ID
然後我們再從訂單表來看一下李四完成的訂單
可以看到李四完成的訂單有三個
這是第一個
然後這是第二個
這是第三個
好這說明我們這個多表聯動查詢是沒有問題的
他確實實現了多表聯動查詢
這樣的話我們就在浪漫index中模擬了進銷存的一些數據
並且調用Gemini2.0模型來實現了Text-to-SQL的功能
因爲Text-to-SQL的功能還是非常有用的
尤其是在企業項目中我們經常用到Text-to-SQL
像這樣的話我們就輕鬆使用浪漫index框架
來實現了Text-to-SQL的功能
本期視頻爲大家測試了Gemini2.0的推理能力
以及代碼還有算法方面的能力
並且爲大家用浪漫index實現了Text-to-SQL的功能
視頻中所用到的代碼和指令
我都會放在視頻下方的描述欄或者評論區
如果你在視頻下方無法找到的話
說明這不是我的首發平臺
好本期視頻就做到這裏
歡迎大家點贊關注和轉發
謝謝大家觀看