El text-to-SQL falla de formas previsibles: el modelo inventa una tabla, se salta una unión o escribe algo que se ejecuta pero responde a otra pregunta. Este proyecto es una respuesta funcional a las tres cosas, con el corpus de recuperación y el paso de validación a la vista.

NL2SQL Analytics te permite hacer preguntas sobre una base de datos MySQL en lenguaje natural. Un agente de LangChain que usa herramientas comprueba la versión del servidor, obtiene la lista completa de tablas, recupera el DDL más similar, la documentación de negocio y pares pregunta/SQL desde un almacén de vectores Milvus, escribe el SQL, valida la sintaxis, lo ejecuta y explica el resultado, emitiendo cada llamada de herramienta en el chat mientras trabaja.

Alrededor del chat hay un banco de trabajo completo: ejecutar SQL generado o escrito a mano y paginar los resultados, renderizar gráficos de barras, líneas y sectores, copiar resultados como CSV, explorar bases de datos, tablas y columnas antes de generar una consulta, y curar los datos de entrenamiento desde los que el agente recupera, con los cambios escritos de inmediato en el almacén de vectores.

La pila se ejecuta en local mediante Docker Compose para MySQL, Milvus y un almacén de objetos compatible con S3, e incluye un conjunto de datos de comercio electrónico de demostración en inglés cuyos comentarios de esquema el agente lee a través de information_schema, de modo que editar el comentario de una columna cambia lo que el modelo sabe. Las incrustaciones vienen de cualquier endpoint compatible con OpenAI.

Léelo por el diseño de la recuperación: los comentarios de columna se convierten en conocimiento del modelo, los pares pregunta/SQL curados se editan en tiempo de ejecución y se escriben de inmediato en el almacén de vectores, y cada consulta generada pasa la validación antes de poder tocar la base de datos.