AIDBDeveloper: integración de IA, bases de datos y aplicaciones

Hace algún tiempo publiqué en este blog una aplicación de base de datos de ajedrez integrada con inteligencia artificial. Aquello era ya un experimento para que la IA no estuviera simplemente al lado de la aplicación, sino que pudiera conocerla, manejar parte de sus funciones y ayudar al usuario.

AIDBDeveloper es la evolución de esa idea.

En realidad, todo empezó antes de la IA. Primero desarrollé la parte de bases de datos, con una capa común y diferentes implementaciones para Oracle, SQL Server y MySQL. Cuando empecé a trabajar con modelos de lenguaje, apliqué el mismo esquema: una capa abstracta para IA y distintas implementaciones para cada proveedor.

La primera fue OpenAI. Más tarde añadí Google. Como curiosidad, la implementación inicial de Google la generó Claude tomando como referencia la de OpenAI; yo tuve después que integrarla, corregirla y hacer que terminara funcionando. Fue una prueba bastante buena de que la arquitectura estaba empezando a estar suficientemente estandarizada.

A medida que fui combinando bases de datos, IA y componentes de aplicación, la complejidad me obligó a reorganizar todo alrededor de tres grandes bloques: aplicación, bases de datos e inteligencia artificial.

La aplicación actual, AIDBDeveloper, utiliza todo eso como una plataforma general de I+D y formación. La idea es poder construir aplicaciones mediante dashboards formados por componentes reutilizables: editores SQL, grids, gráficos, documentación, exploradores de archivos, herramientas de configuración y, por supuesto, componentes relacionados con IA.

Pero una de las partes más importantes del diseño está en el contexto.

AIDBDeveloper mantiene el contexto en un formato propio, independiente del proveedor. Después lo traduce al formato necesario para OpenAI, Google o cualquier otro que se implemente. Esto permite utilizar distintos modelos dentro de una misma conversación y controlar completamente qué información recibe cada uno.

Los mensajes se pueden editar, eliminar o deshabilitar sin borrarlos. La aplicación puede añadir o retirar partes del contexto según lo necesite y también se pueden modificar manualmente llamadas a herramientas, sus respuestas o incluso crear ejemplos de uso que nunca sucedieron realmente.

Además, la aplicación recoge directamente de las APIs los datos de consumo de tóquens, algo que va a ser importante en los próximos experimentos.

En el vídeo hago un recorrido por la arquitectura general, los dashboards, la consola de IA, la gestión del contexto, las herramientas y algunas de las ideas que estoy desarrollando para que la propia aplicación pueda explicar cada vez mejor su funcionamiento a los modelos.

Este es solo el punto de partida. En los siguientes artículos iré utilizando la plataforma para realizar experimentos bastante más concretos, empezando por un proceso de análisis de textos con miles de peticiones y millones de tóquens.

Gracias por leer y hasta la próxima.