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.

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