Webinar: Ingeniería de prompts para recuperación agentiva (Text-to-SurQL)

La mayoría de los agentes de texto a SQL fallan por la misma razón aburrida: alguien pegó un esquema en un aviso del sistema hace meses, un campo fue renombrado desde entonces, y el modelo ha estado escribiendo consultas con confianza contra una base de datos que ya no existe. Ningún libro de procedimientos lo soluciona, porque la documentación siempre se deprecia exactamente a la velocidad a la que cambian tus esquemas. Esta sesión adopta un enfoque diferente. En lugar de mantener el aviso como un documento, lo generamos como una consulta. SurrealDB puede describir su propia estructura en vivo, llevar notas escritas específicamente para el modelo dentro de su DDL y ensamblar el aviso terminado del lado del servidor. En esta sesión aprenderás: - Cómo generar un bloque de esquema para tu aviso a partir del estado de la base de datos en vivo, para que nunca pueda desviarse - Escribir comentarios del esquema para una tercera audiencia: no el motor, no tus colegas, sino el modelo - Fundamentar valores de baja cardinalidad en datos reales para detener la clase más común de alucinaciones - Recuperar ejemplos de pocos disparos por significado con búsqueda vectorial en lugar de codificarlos duramente - Por qué las travesías gráficas son un objetivo de generación más fácil que JOINs, y qué elimina eso - Hacer cumplir la seguridad con roles de solo lectura, comprobaciones de planes de consulta y tiempos de espera en lugar de filtros regex - Cerrando el ciclo para que las consultas aceptadas mejoren la próxima generación. Ponentes Martin Schaer, Ingeniero de Soluciones de IA @ SurrealDB