Compreensão e injeção de esquemas
Extração e formatação do esquema do DB para o contexto do LLM: tabelas, colunas e relações.
Compreensão e injeção de esquemas é uma aula grátis de AI Agents no CoddyKit. Esta é a aula 2 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de AI Agents, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de AI Agents inclui 4 aulas no total.
Por que o contexto do esquema é importante
O LLM conhece a sintaxe SQL, mas não sabe nada sobre o seu banco de dados. Sem o contexto do esquema, ele inventará nomes de tabelas e colunas.
A injeção do esquema significa extrair programaticamente a estrutura do seu banco de dados e incluí-la em todos os prompts — tornando o LLM ciente das suas tabelas, colunas e tipos exatos.
Consultando INFORMATION_SCHEMA
Todos os principais bancos de dados relacionais expõem metadados por meio de INFORMATION_SCHEMA. Você pode consultá-lo para obter todas as tabelas, os nomes das colunas e os tipos de dados sem tocar no código da aplicação.
Isso funciona no PostgreSQL, no MySQL, no SQL Server e no SQLite, com pequenas diferenças.
import psycopg2
def get_schema(conn):
query = '''
SELECT table_name, column_name, data_type
FROM information_schema.columns
WHERE table_schema = 'public'
ORDER BY table_name, ordinal_position
'''
with conn.cursor() as cur:
cur.execute(query)
return cur.fetchall()Agrupando colunas por tabela
O resultado bruto de INFORMATION_SCHEMA é uma lista plana de linhas. Agrupe-as pelo nome da tabela para criar uma representação estruturada, mais fácil de formatar em um prompt.
from collections import defaultdict
def build_schema_dict(conn):
rows = get_schema(conn)
schema = defaultdict(list)
for table_name, column_name, data_type in rows:
schema[table_name].append({
'name': column_name,
'type': data_type
})
return dict(schema)
# Result:
# {
# 'users': [{'name': 'id', 'type': 'integer'}, {'name': 'email', 'type': 'character varying'}],
# 'orders': [{'name': 'id', 'type': 'integer'}, {'name': 'user_id', 'type': 'integer'}]
# }Formatando o esquema para prompts do LLM
O LLM lê o esquema como texto simples. Use um formato conciso e legível: uma tabela por linha, com os nomes e tipos das colunas entre parênteses.
Incluir chaves primárias (PK) e chaves estrangeiras (FK) ajuda o LLM a escrever instruções JOIN corretas.
def format_schema_for_prompt(schema_dict, pk_info=None, fk_info=None):
lines = []
for table, columns in schema_dict.items():
col_parts = []
for col in columns:
label = col['name']
if pk_info and (table, col['name']) in pk_info:
label += ' PK'
if fk_info and (table, col['name']) in fk_info:
label += f' FK->{fk_info[(table, col["name"])]}'
col_parts.append(f"{label} ({col['type']})")
lines.append(f"Table {table}: {', '.join(col_parts)}")
return '\n'.join(lines)
# Output:
# Table users: id PK (integer), email (varchar), created_at (timestamp)
# Table orders: id PK (integer), user_id FK->users.id (integer), total (float)
if __name__ == '__main__':
demo_schema = {'users': [{'name': 'id', 'type': 'integer'}, {'name': 'email', 'type': 'varchar'}]}
demo_pk = {('users', 'id')}
print(format_schema_for_prompt(demo_schema, pk_info=demo_pk))
Incluindo chaves primárias e estrangeiras
Os relacionamentos entre chaves estrangeiras são a parte mais importante do contexto do esquema — eles informam ao LLM como escrever instruções JOIN. Consulte information_schema.table_constraints e key_column_usage para extraí-los.
def get_foreign_keys(conn):
query = '''
SELECT
kcu.table_name,
kcu.column_name,
ccu.table_name AS foreign_table,
ccu.column_name AS foreign_column
FROM information_schema.table_constraints AS tc
JOIN information_schema.key_column_usage AS kcu
ON tc.constraint_name = kcu.constraint_name
JOIN information_schema.constraint_column_usage AS ccu
ON ccu.constraint_name = tc.constraint_name
WHERE tc.constraint_type = 'FOREIGN KEY'
'''
with conn.cursor() as cur:
cur.execute(query)
return {
(row[0], row[1]): f'{row[2]}.{row[3]}'
for row in cur.fetchall()
}
if __name__ == '__main__':
class FakeCursor:
def __enter__(self): return self
def __exit__(self, *a): return False
def execute(self, query): pass
def fetchall(self):
return [('orders', 'user_id', 'users', 'id')]
class FakeConn:
def cursor(self): return FakeCursor()
fks = get_foreign_keys(FakeConn())
print('Foreign keys found:')
for (table, col), ref in fks.items():
print(f' {table}.{col} -> {ref}')
Compressão do esquema: o problema
Um banco de dados empresarial real pode ter mais de 200 tabelas. Se você injetar o esquema completo, excederá a janela de contexto do GPT-4 e desperdiçará dinheiro com tokens.
Um esquema com 200 tabelas e 20 colunas em cada uma tem aproximadamente 40.000 ou mais tokens — caro demais para ser enviado em todas as consultas.
def estimate_schema_tokens(schema_dict):
text = format_schema_for_prompt(schema_dict)
# Rough estimate: 1 token per 4 characters
estimated_tokens = len(text) // 4
print(f'Tables: {len(schema_dict)}')
print(f'Estimated schema tokens: {estimated_tokens}')
return estimated_tokens
# 200 tables * 15 columns * 25 chars/col = 75,000 chars = ~18,750 tokens
# Plus user question + system prompt = easily over context limitCompressão do esquema: injeção seletiva
A estratégia de compressão mais eficaz é: injetar apenas as tabelas relevantes para a pergunta. Use uma abordagem em duas fases — primeiro pergunte ao LLM de quais tabelas ele precisa e, em seguida, injete apenas os esquemas dessas tabelas.
def select_relevant_tables(question, all_table_names, n=5):
table_list = ', '.join(all_table_names)
prompt = f'''Database tables: {table_list}
Question: {question}
List the {n} most relevant table names as a JSON array.
Example: ["users", "orders", "products"]'''
response = llm_call(prompt)
import json
return json.loads(response)
def compressed_schema(question, conn):
all_tables = list(build_schema_dict(conn).keys())
relevant = select_relevant_tables(question, all_tables)
full_schema = build_schema_dict(conn)
return {t: full_schema[t] for t in relevant if t in full_schema}Compressão do esquema: excluindo colunas irrelevantes
Muitas tabelas têm colunas de auditoria como created_at, updated_at, deleted_at, version, created_by que raramente são relevantes para consultas de negócio. Remova-as para reduzir a quantidade de tokens.
AUDIT_COLUMNS = {
'created_at', 'updated_at', 'deleted_at', 'created_by',
'updated_by', 'version', 'is_deleted', 'modified_at'
}
def compress_schema(schema_dict, exclude_audit=True):
compressed = {}
for table, columns in schema_dict.items():
# Skip internal/system tables
if table.startswith('_') or table.startswith('pg_'):
continue
if exclude_audit:
columns = [c for c in columns if c['name'] not in AUDIT_COLUMNS]
if columns: # only include if columns remain
compressed[table] = columns
return compressed
if __name__ == '__main__':
demo_schema = {
'users': [{'name': 'id', 'type': 'INT'}, {'name': 'email', 'type': 'VARCHAR'}, {'name': 'created_at', 'type': 'TIMESTAMP'}],
'pg_stat': [{'name': 'x', 'type': 'INT'}],
}
compressed = compress_schema(demo_schema)
print('Tables kept:', list(compressed.keys()))
print('users columns after compression:', [c['name'] for c in compressed['users']])
Adicionando descrições de tabelas
Os nomes das colunas nem sempre são autoexplicativos. Adicionar descrições em linguagem natural do que cada tabela representa melhora drasticamente a qualidade da geração de SQL.
Armazene as descrições em um arquivo de configuração ou como comentários de tabelas do PostgreSQL.
TABLE_DESCRIPTIONS = {
'users': 'Registered app users with authentication info',
'orders': 'Customer purchase orders',
'order_items': 'Individual line items within an order',
'products': 'Product catalog with pricing',
'payments': 'Payment transactions linked to orders'
}
def format_schema_with_descriptions(schema_dict):
lines = []
for table, columns in schema_dict.items():
desc = TABLE_DESCRIPTIONS.get(table, '')
col_str = ', '.join(f"{c['name']} ({c['type']})" for c in columns)
if desc:
lines.append(f"Table {table} ({desc}): {col_str}")
else:
lines.append(f"Table {table}: {col_str}")
return '\n'.join(lines)
if __name__ == '__main__':
demo_schema = {'users': [{'name': 'id', 'type': 'INT'}], 'orders': [{'name': 'id', 'type': 'INT'}]}
print(format_schema_with_descriptions(demo_schema))
Armazenamento em cache do esquema
Os esquemas de bancos de dados raramente mudam. Consultar INFORMATION_SCHEMA a cada consulta aumenta a latência e a carga. Armazene em cache o texto formatado do esquema e invalide-o quando ocorrerem alterações no esquema ou com base em um TTL.
import time
class SchemaCache:
def __init__(self, ttl_seconds=300):
self._cache = None
self._timestamp = 0
self.ttl = ttl_seconds
def get(self, conn):
now = time.time()
if self._cache is None or (now - self._timestamp) > self.ttl:
print('Refreshing schema cache...')
schema_dict = build_schema_dict(conn)
fk_info = get_foreign_keys(conn)
self._cache = format_schema_for_prompt(schema_dict, fk_info=fk_info)
self._timestamp = now
return self._cache
schema_cache = SchemaCache(ttl_seconds=300)Fluxo completo de injeção do esquema
Combine todas as técnicas: armazene em cache o esquema compactado, insira-o na instrução do sistema e use a filtragem seletiva de tabelas para bancos de dados grandes.
def build_sql_agent_prompt(question, conn, large_db=False):
if large_db:
schema = compressed_schema(question, conn)
schema_text = format_schema_with_descriptions(schema)
else:
schema_text = schema_cache.get(conn)
system = f'''You are a PostgreSQL expert.
Return ONLY a valid SELECT query based on this schema:
{schema_text}
Rules:
- Use only SELECT statements
- Use table aliases for clarity
- Limit results to 100 rows unless asked for all
'''
return systemVerificação de conhecimento
Quando você deve usar a injeção seletiva de tabelas em vez de inserir o esquema completo?
Recapitulação: compreensão e injeção do esquema
Uma injeção eficaz do esquema é a base de agentes NL-to-SQL confiáveis. Extraia a estrutura de INFORMATION_SCHEMA, inclua as relações entre chaves primárias e estrangeiras e formate tudo como texto compacto para o LLM.
Para bancos de dados grandes: armazene o esquema em cache, remova as colunas de auditoria e use a injeção seletiva para enviar apenas as tabelas relevantes para cada pergunta. As descrições das tabelas em linguagem natural melhoram ainda mais a qualidade das consultas.
Perguntas Frequentes
A aula “Compreensão e injeção de esquemas” é grátis?
Sim — o texto completo de “Compreensão e injeção de esquemas” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de AI Agents, atualize para CoddyKit PRO. O curso de AI Agents inclui 4 aulas no total.
O que vou aprender em “Compreensão e injeção de esquemas”?
Extração e formatação do esquema do DB para o contexto do LLM: tabelas, colunas e relações. Você pratica AI Agents com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar AI Agents?
Nenhuma experiência prévia é necessária. AI Agents no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 2 de 4.
Quanto tempo leva a aula “Compreensão e injeção de esquemas”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de AI Agents?
Sim. Cada aula de AI Agents inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Como funcionam os agentes de NL para SQL
- Compreensão e injeção de esquemas
- Gerando e validando consultas SQL
- Lidando com perguntas ambíguas sobre bancos de dados