0Pricing
AI Agents · Aula

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 limit

Compressão 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 system

Verificação 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

  1. Como funcionam os agentes de NL para SQL
  2. Compreensão e injeção de esquemas
  3. Gerando e validando consultas SQL
  4. Lidando com perguntas ambíguas sobre bancos de dados
← Voltar para AI Agents