IA + SQL: Crea un Agente con LangChain, FastAPI y Ollama (100% Local)

¿Y si pudieras consultar tu base de datos escribiendo preguntas en lenguaje natural? En este video construimos un agente de IA capaz de generar consultas SQL automáticamente, ejecutarlas de forma segura y responder en lenguaje natural utilizando Python, FastAPI, LangChain, SQLAlchemy y Ollama, todo ejecutándose 100% local y gratis. Pero este no es otro tutorial de IA. Verás las decisiones de ingeniería detrás del proyecto: cómo implementar guardrails reales para evitar que un LLM ejecute consultas peligrosas, cómo aprovechar la introspección automática del esquema de la base de datos, por qué reemplazamos un agente tradicional por una cadena explícita y cómo solucionamos un bug descubierto durante las pruebas. Todo utilizando BugBoard, un proyecto real desarrollado durante la serie. ⏱️ Timestamps: 0:00 - Demo en vivo: Preguntando a la base de datos. 0:06 - El problema real: El cuello de botella PM ↔ Dev. 1:35 - Stack tecnológico y el Guardrail (ReadOnlySQLDatabase). 3:25 - Caso de estudio real: BugBoard y data sintética. 4:25 - Arquitectura del agente y Schema Introspection. 5:17 - Construcción del agente: Por qué Chain y no Agent. 8:00 - Demo en vivo: Tres niveles de dificultad y fallos controlados. 9:20 - Riesgos y las 3 Capas de Protección (Prompt, Código, DB). 11:00 - Trade-offs reales: Llama 3.2 vs modelos en la nube. 11:37 - Cierre y arquitectura técnica Tecnologías: Python FastAPI LangChain SQLAlchemy PostgreSQL Ollama Llama 3.2 Docker #IA #SQL #Python #FastAPI #LangChain #Ollama #Llama3 #LocalLLM #Programacion #BaseDeDatos #PostgreSQL #DesarrolloWeb #IngenieriaDeSoftware #SeguridadInformática #DataScience