DeepSeek vs ChatGPT
尽管官方文档和案例场景日益完善，但当遇到业务逻辑复杂的问题时，开发者仍需在碎片化的参考材料中反复试错，耗费大量时间。
Q1：请教一下，我的原始表包含 date, code, name, zj（资金） 四个列，我想要查询记录中最近5日资金和，在 DolphinDB 中使用 SQL 怎么写脚本？
💻DeepSeek：
DeepSeek 给出的答案可行。
GPT 第一次生成的回答有误，用户希望得到每一条记录最近五天的资金总和，而 group by 每个分组只返回一条结果。
反馈给 GPT 后，它修改了回答：
此时得到的代码可以满足需求。
Q2：请问 DolphinDB 中有什么函数可以解决以下问题：数据表有33列，产品代码，32个行业的占比数据，如何筛选32个行业每个行业占比均小于50%的行？
💻DeepSeek：
DeepSeek 给出三种解法：
💻ChatGPT：
GPT 给出了两种回答：
方法一正确，但可行性较差，SQL 写起来非常复杂；方法二的元编程思路正确，但示例代码不正确。
Q3：请问在 DolphinDB 中如何实现类似 python list 对象的切片双冒号的功能？譬如有一个交易日历向量 a，如何实现每20个交易日取一个日期组成新的时间序列，即使用类似 python 的 a[::20] ？
💻DeepSeek：
由于 seq 函数不支持三个参数，DeepSeek 的回答有误。
💻ChatGPT：
GPT 的回答出现了两个错误：
首先，sequence[start:end:step] 是 Python 的语法，而不是 DolphinDB 的语法；其次，len 函数是 Python 的函数，DolphinDB 中没有此函数。
输入上述反馈进行纠正。
这次的回答仍然存在不足，DolphinDB 并没有 range 函数。
💻ChatGPT：
GPT 给出的两种方法也仍然存在瑕疵：
Q4：在 python 中可以用下列代码求出最接近的值，DolphinDB 中如何编写脚本？
vector_list = [1, 3, 5, 7, 9] # 假设这是给定的向量list
target_value = 6
closest_value = min(vector_list, key=lambda x: abs(x - target_value))
print("最接近的数值是:", closest_value)
💻DeepSeek：
DeepSeek 一次性给出了可行的方案。
💻ChatGPT：
从对比测试结果来看，两大模型在解答 DolphinDB 技术问题时都存在“幻觉输出”的共性问题，具体表现为有时推荐的函数/语法无效。
综合来看，DeepSeek-R1在技术适配性上表现更优，其大概率能提供符合 DolphinDB 语法规范的可行方案。GPT-4 虽然展现了流畅的自然语言表达能力，但在对 DolphinDB 的了解，以及技术细节的处理上存在短板，需要多次修正才能接近正确答案。
实践证明，合理运用 AI 工具能够优化 DolphinDB 的学习路径，缩短问题定位耗时，但也必须把握“AI 辅助+人工验证”的原则。对于 AI 给出的回答，需要理性看待，可以将其作为思路启发工具，而非代码权威来源，还需要结合 DolphinDB 官方文档手册，核查其给出的函数命名、语法结构等是否正确，同时验证代码执行逻辑是否贴合场景需求。
剧透一下，我们的研发小伙伴目前也正基于 DeepSeek 开发辅助 DolphinDB 编程的大模型，欢迎大家在评论区留言，也可以扫描下方二维码加入技术群，一起聊聊需求，你的每一条建议都有可能成为后续版本的新功能~
最后还有一个彩蛋 
我们特别邀请了 DeepSeek 这位“硅基架构师”用代码思维解读一下 DolphinDB，没想到 TA 的回答比想象中还要硬核…
Q：如果让 Python 和 DolphinDB 共同出演《哪吒之魔童闹海》，它们最适合扮演电影中的哪位角色？
