Webinar: Prompt engineering voor agentic retrieval (Text-to-SurQL)

De meeste tekst-naar-SQL-agenten falen om dezelfde saaie reden: iemand heeft maanden geleden een schema in een systeemprompt geplakt, een veld is sindsdien hernoemd, en het model heeft vol vertrouwen queries geschreven tegen een database die niet meer bestaat. Geen runbook kan dat oplossen, omdat documentatie altijd precies zo vergaat als je schema verandert. Deze sessie neemt een andere benadering. In plaats van de prompt als een document te onderhouden, genereren we het als een query. SurrealDB kan zijn eigen live structuur beschrijven, notities schrijven die specifiek voor het model zijn geschreven binnen zijn DDL, en de voltooide prompt serverzijde assembleren. In deze sessie leer je: - Hoe je een schemablok voor je prompt kunt genereren vanuit de live database-status, zodat het nooit kan afdrijven - Schema-opmerkingen schrijven voor een derde publiek: niet de engine, niet je collega's, maar het model - Laag-cardinaliteitswaarden in echte gegevens verankeren om de meest voorkomende klasse van hallucinaties te stoppen - Weinig-shot voorbeelden op betekenis ophalen met vectorzoekopdrachten in plaats van ze hardcoded te maken - Waarom grafiekdoorlopen een gemakkelijker generatie doel zijn dan JOINs, en wat dat verwijdert - Veiligheid afdwingen met alleen-lezen rollen, queryplancontroles en time-outs in plaats van regex-filters - De cirkel sluiten zodat geaccepteerde queries de volgende generatie verbeteren Sprekers Martin Schaer, AI Solutions Engineer @ SurrealDB