Conversar com a sua base de dados usando IA

O que vai criar

Uma interface de chat onde qualquer pessoa da sua equipa pode perguntar coisas como «Quais foram os nossos 10 melhores clientes em receita no último trimestre?» e obter uma resposta da sua base de dados, sem escrever SQL. Um agente de IA lê o esquema da base de dados, escreve a consulta SQL, executa-a e explica o resultado.

Segue o modelo do n8n «Chat with PostgreSQL database»; a mesma abordagem funciona com MySQL, SQLite e outras bases de dados SQL.

Estrutura do workflow

Nó	Função
Chat Trigger	Onde os utilizadores fazem as perguntas
AI Agent	Decide que ferramentas chamar
OpenAI Chat Model (ou outro modelo)	Escreve o SQL e a resposta final
Simple Memory	Contexto ao longo de várias mensagens («agora só para a Alemanha»)
Tool: Get DB schema and tables list	Lista as tabelas para o agente saber o que existe
Tool: Get table definition	Colunas e tipos de uma tabela específica
Tool: Execute SQL query	Executa a consulta escrita pelo agente

As ferramentas do Postgres são nós do Postgres usados como ferramentas do agente, cada um com uma descrição clara do que faz.

Segurança primeiro: um utilizador só de leitura

Nunca ligue um agente de IA à sua base de dados com uma conta de administrador. Crie um utilizador dedicado com acesso só de leitura às tabelas de que precisa:

CREATE USER ai_reader WITH PASSWORD 'strong-password';
GRANT CONNECT ON DATABASE shop TO ai_reader;
GRANT USAGE ON SCHEMA public TO ai_reader;
GRANT SELECT ON orders, customers, products TO ai_reader;

Melhor ainda, aponte-o para uma réplica de leitura ou uma cópia para relatórios, e não para produção.

Dicas para a mensagem de sistema

• «Executa apenas consultas SELECT. Nunca alteres dados.»
• «Verifica sempre o esquema antes de escrever uma consulta.»
• «Limita os resultados a 100 linhas, a menos que o utilizador peça mais.»
• «Explica a resposta em linguagem simples e mostra os números principais numa tabela.»
• Adicione definições de negócio: «Receita significa orders.total quando status = 'paid'.»

Respostas melhores

• Adicione comentários às tabelas e colunas da base de dados; a ferramenta de esquema pode devolvê-los.
• Crie vistas para as perguntas frequentes (por exemplo monthly_revenue) para que o modelo escreva consultas mais simples.
• Registe cada pergunta, o SQL gerado e o resultado para revisão.

Onde encaixa

• Equipas de operações e vendas que esperam pelos analistas para obter números simples.
• Fundadores que querem respostas rápidas da base de dados do produto.

Para relatórios complexos, os dashboards continuam a ser melhores; o chat serve para perguntas pontuais.

Artigos relacionados

• Chatbot RAG sobre documentos (para texto não estruturado)
• Executar LLMs locais com o Ollama para manter os dados totalmente privados