Este proyecto utiliza Inteligencia Artificial y una Base de Datos Vectorial (ChromaDB) para encontrar tablas en una base de datos SQL Server mediante lenguaje natural. En lugar de buscar por palabras clave exactas, el sistema entiende el contexto y la intención detrás de la consulta.
- Indexación Semántica: Transforma descripciones técnicas en vectores de significado (embeddings).
- Búsqueda Natural: Responde a preguntas como "¿Dónde están los saldos de los usuarios?" identificando la tabla técnica correcta.
- Eficiencia Local: Basado en
ChromaDB, lo que permite búsquedas instantáneas sin llamadas constantes a APIs externas. - Modelo de Lenguaje: Utiliza el modelo
all-MiniLM-L6-v2para un procesamiento ligero y preciso.
- Lenguaje: Python 3.10+
- IA: ChromaDB & Sentence-Transformers.
- Formato de Datos: JSON para el catálogo maestro.
├── db_vectorial/ # Base de datos vectorial (local)
├── indexador.py # Script para cargar/actualizar el catálogo
├── consulta.py # Interfaz de búsqueda interactiva
├── catalogo_semantico.json # Diccionario de metadatos de SQL
├── .gitignore # Archivos excluidos de Git
└── README.md # Documentación