INTERMEDIO · 8 MÓDULOS · 64 LECCIONES

SQL para LLMs y agentes

Deja que un agente de IA responda preguntas sobre tu base de datos escribiendo SQL, sin arriesgar borrados ni fugas y validando cada consulta antes de ejecutarla.

Es para ti si
Ya sabes SQL y quieres que un modelo lo genere de forma confiable sobre tus datos.
Al terminar
Sabrás darle el esquema al modelo, poner guardrails de solo lectura y medir la exactitud de tu asistente.
Necesitas
SQL intermedio y Python 3.11 o superior. No necesitas llave de API: las llamadas al modelo se simulan.
  1. 01Por qué SQL y LLMs, el problema text-to-SQL, presentado8 LECCIONES
    1. Introducción al Módulo 1: Por qué SQL y LLMs
    2. El problema text-to-SQL y su promesa
    3. SQL incorrecto y columna alucinada
    4. Consultas destructivas e inyección
    5. Qué es un SQL agent y la herramienta `run_sql`
    6. El flujo de punta a punta
    7. Por qué SQL sigue siendo la interfaz
    8. Mini-proyecto: tu primer round trip text-to-SQL
  2. 02Darle el esquema al LLM8 LECCIONES
    1. Introducción al Módulo 2: Darle el esquema al LLM
    2. Por qué el LLM no conoce tu base de datos
    3. Serializar el esquema: DDL vs forma compacta
    4. Descripciones de columnas: centavos y dominios
    5. Filas de muestra en el contexto
    6. Extraer relaciones con PRAGMA
    7. El presupuesto de tokens: qué incluir y qué excluir
    8. Mini-proyecto: construir un contexto de esquema para Reservo
  3. 03Promptear para SQL correcto8 LECCIONES
    1. Introducción al Módulo 3: Promptear para SQL correcto
    2. El system prompt de un asistente SQL
    3. Few-shot: ejemplos pregunta→SQL
    4. Fijar el dialecto SQLite
    5. Instrucciones-restricción y formato de salida
    6. Manejar la ambigüedad: pedir aclaración o declarar el supuesto
    7. Pedir SQL + explicación estructurada
    8. Mini-proyecto: el prompt del asistente de Reservo
  4. 04Validar y ejecutar el SQL generado8 LECCIONES
    1. Introducción al Módulo 4: Validar y ejecutar el SQL generado
    2. Nunca confíes en el SQL generado a ciegas
    3. Validar la forma: ¿parsea? ¿una sola sentencia? ¿es SELECT?
    4. Validar contra el esquema real: cazar tablas y columnas alucinadas
    5. Ejecutar de forma segura: capturar errores y un LIMIT de sanidad
    6. El loop de auto-corrección: devolver el error al modelo y reintentar
    7. Los modos de fallo típicos del SQL generado
    8. Mini-proyecto: un pipeline de validar-luego-ejecutar
  5. 05Guardrails y seguridad8 LECCIONES
    1. Introducción al Módulo 5: Guardrails y seguridad
    2. El prompt no es una barrera de seguridad, y el mínimo privilegio
    3. Solo-lectura en la conexión: `PRAGMA query_only` y `mode=ro`
    4. La allowlist de sentencias: solo `SELECT`/`WITH`, una sola
    5. Límites de recursos: `LIMIT` forzado, timeout y tope de filas
    6. Inyección: por qué el SQL del LLM es superficie de ataque, y los parámetros `?`
    7. Defensa en capas: todas juntas, cubriéndose entre sí
    8. Mini-proyecto: un ejecutor de solo lectura, blindado
  6. 06El loop del agente SQL8 LECCIONES
    1. Introducción al Módulo 6: El loop del agente SQL
    2. El ciclo del agente: pregunta → SQL → validar → correr → observar → responder
    3. El tool-calling: el contrato de `run_sql` y su JSON Schema
    4. La forma `tool_use` → `tool_result` de la Messages API
    5. Multi-paso: explorar el esquema con un tool y luego consultar
    6. Cuándo parar y el tope de iteraciones
    7. Manejo de errores dentro del loop: el error como `tool_result` que el modelo corrige
    8. Mini-proyecto: un loop de agente SQL para Reservo
  7. 07Evaluar text-to-SQL8 LECCIONES
    1. Introducción al Módulo 7: Evaluar text-to-SQL
    2. Por qué medir y no confiar en la impresión
    3. Exactitud de ejecución vs comparar el texto del SQL
    4. Construir el set de prueba: pregunta → gold_sql
    5. El harness que corre el set y reporta el %
    6. Los modos de fallo que la evaluación revela
    7. Regresión: re-evaluar al cambiar el prompt o el modelo
    8. Mini-proyecto: un set de evaluación para el asistente de Reservo
  8. 08Proyecto, un asistente SQL seguro para Reservo (capstone)8 LECCIONES
    1. Introducción al Módulo 8: un asistente SQL seguro para Reservo
    2. Capa 1: ensamblar el contexto de esquema
    3. Capa 2: el system prompt con reglas y few-shot
    4. Capa 3: la capa de validación
    5. Capa 4: los guardrails y el `run_sql` seguro
    6. Capa 5: el loop del agente con auto-corrección
    7. Capa 6: el set de evaluación y la exactitud de ejecución
    8. Proyecto: un asistente SQL seguro para Reservo
Reseñas

Lo que dicen los estudiantes

Estas reseñas son de estudiantes inscritos que completaron al menos el 50% del curso. Moderamos las reseñas solo por motivos de contenido (spam, lenguaje ofensivo, datos personales), nunca por ser críticas o negativas.

Aún no hay reseñas aprobadas.

¡Sé el primero en compartir tu experiencia!

SEC. 06 · EL ESTUDIO

Por qué existe este estudio

Durante décadas, construir software fue cosa de perfiles técnicos con años de formación, y llevar un producto digital a la vida real le tomaba a las empresas meses o años. El no-code y la inteligencia artificial han acortado esa brecha, pero el conocimiento sigue en manos de unos cuantos.

Tech Benders existe para abrir ese conocimiento, para que los equipos de negocio y los perfiles no técnicos puedan poner sus ideas en producción con las decisiones técnicas correctas detrás. La IA hace lo que le pides. Sin una base técnica, lo que construye puede no escalar con el ecosistema de tu empresa, y sus costos se disparan con el tiempo.

El equipo conoce los dolores de las organizaciones grandes y la velocidad a la que tienen que moverse. Trae arquitectura de soluciones, ingeniería de datos, producto construido de punta a punta, del backend al frontend, y trabajo diario con IA. Software que resuelve lo que necesitas en días, no en meses, con los costos de la IA bajo control.

Fundadores

El estudioConoce Tech Benders →

Escríbenoshi@techbenders.io

Hecho con Wislab