Vertex-Core SQL

Le dijimos hola y nos devolvió un SELECT.

Un modelo que solo ha visto SQL contesta SQL a todo. A un saludo le responde con una consulta inventada. A una pregunta sin esquema le inventa la tabla. Y si le pides que borre tus usuarios, escribe el DELETE sin protestar.

Este libro cuenta cómo construir un modelo que no hace eso. Y cómo proteger tu base de datos de lo que todavía hace.

Qué vas a construir

Vertex-Core SQL, un modelo de lenguaje propio que traduce preguntas en español o inglés a consultas SQL a partir del esquema de tus tablas. Corre en tu máquina, en LM Studio, Ollama o llama.cpp, sin mandar tus datos a ningún servidor. Y tiene licencia comercial: lo puedes poner delante de un cliente.

Se entrenó en una GTX 1660 Ti de 6 GB, en 4 horas y 28 minutos. Con 95 preguntas que nunca había visto, acierta el resultado en el 78,9 % de los casos, el 100 % de lo que genera es de solo lectura, y le gana a un modelo de código de casi el doble de tamaño respondiendo 4,4 veces más rápido.

Por qué este libro es distinto

Mide todo. Cada cifra sale de dos evaluadores que el libro construye contigo: uno ejecuta las consultas y compara resultados, el otro examina el comportamiento. Y cuando los evaluadores tenían bugs, el libro también lo cuenta.

No confía en el modelo. Entre el modelo y tu base de datos hay un firewall de SQL que solo deja pasar una consulta de lectura, construido sobre el árbol sintáctico y con su propio examen. Porque el modelo puede fallar, y el sistema no debe.

Dedica un capítulo entero a lo que falla. Los fallos que quedan, por qué ocurren y cómo se mitigan hoy, con el plan del siguiente modelo.

Cuenta los problemas de verdad. Como el modelo que había aprendido perfectamente y aun así empezaba cada respuesta con basura: cuatro tokens invisibles, una corrección que lo empeoró todo y el método para encontrar la causa.

Lo que aprenderás

• Elegir el modelo base por su licencia antes que por su benchmark


• Montar un entorno que no se rompa ni llene el disco del sistema


• Limpiar un dataset de SQL con el árbol sintáctico, y reservar las preguntas del examen


• Enseñarle a saludar, a pedir el esquema y a negarse a lo destructivo


• Un firewall SQL de solo lectura, con defensa en profundidad


• QLoRA en 6 GB, exportación a GGUF y la trampa de la plantilla de chat


• Medir de verdad, y publicar en Hugging Face con una ficha honesta

Para quién es

Para desarrolladores que quieren un modelo propio que haga una tarea concreta y la haga bien, y para quien trabaja con datos que no pueden salir de casa. No necesitas un centro de datos: una GPU modesta, Python y SQL básico bastan.