Saltar al contenido principal
A partir de ClickHouse 25.7, ClickHouse Client y clickhouse-local incluyen funcionalidad con IA que convierte descripciones en lenguaje natural en consultas SQL. Esta función le permite describir sus necesidades de datos en texto plano, que el sistema traduce después en las Sentencias SQL correspondientes. Esta capacidad resulta especialmente útil si no está familiarizado con sintaxis SQL complejas o necesita generar consultas rápidamente para realizar análisis exploratorio de datos. La función funciona con tablas estándar de ClickHouse y admite patrones de consulta habituales, como filtrado, aggregation y joins. Lo hace con la ayuda de las siguientes herramientas/funciones integradas:
  • list_databases - Enumera todas las bases de datos disponibles en la instancia de ClickHouse
  • list_tables_in_database - Enumera todas las tablas de una base de datos específica
  • get_schema_for_table - Obtiene la Sentencia CREATE TABLE (esquema) de una tabla específica

​
Requisitos previos

Tendremos que añadir una clave de Anthropic o de OpenAI como variable de entorno:
Como alternativa, puedes usar un archivo de configuración.

​
Conexión al Playground de SQL de ClickHouse

Vamos a explorar esta funcionalidad con el Playground de SQL de ClickHouse. Podemos conectarnos al Playground de SQL de ClickHouse con el siguiente comando:
Supondremos que ya tienes ClickHouse instalado, pero si no es así, consulta la guía de instalación

​
Hacerle preguntas a ClickHouse en lenguaje natural

Ahora es momento de empezar a hacer preguntas. La funcionalidad de texto a SQL es, en la práctica, una herramienta de generación puntual de consultas. Como no mantiene historial de conversación, incluye en tu pregunta todo el contexto útil que puedas. Especifica claramente lo siguiente: Períodos de tiempo o rangos de fechas El tipo de análisis que quieres (promedios, totales, clasificaciones, etc.) Cualquier criterio de filtrado

​
Encontrar mercados inmobiliarios caros

Empecemos con una pregunta sobre el precio de la vivienda. El Playground de SQL contiene un conjunto de datos sobre precios de la vivienda en el Reino Unido, que la IA detectará automáticamente:
Una vez que pulsemos Intro, veremos el Thought process de la IA mientras intenta responder a nuestra pregunta.
La IA sigue estos pasos:
  1. Descubrimiento del esquema - Explora las bases de datos y las tablas disponibles
  2. Análisis de tablas - Examina la estructura de las tablas pertinentes
  3. Generación de consultas - Crea SQL a partir de tu pregunta y del esquema detectado
Podemos ver que efectivamente encontró la tabla uk_price_paid y generó una consulta para que la ejecutemos. Si ejecutamos esa consulta, veremos la siguiente salida:
Si queremos hacer preguntas de seguimiento, tenemos que volver a formular la pregunta desde cero.

​
Encontrar propiedades costosas en el Gran Londres

Como esta función no mantiene el historial de conversación, cada consulta debe ser autosuficiente. Al hacer preguntas de seguimiento, debes proporcionar todo el contexto en lugar de remitirte a consultas anteriores. Por ejemplo, después de ver los resultados anteriores, quizá queramos centrarnos específicamente en las propiedades del Gran Londres. En lugar de preguntar “¿Y qué pasa con el Gran Londres?”, debemos incluir el contexto completo:
Ten en cuenta que la IA sigue el mismo proceso de descubrimiento, aunque acaba de examinar estos datos:
Esto genera una consulta más específica que filtra específicamente por Greater London y desglosa los resultados por año. El resultado de la consulta se muestra a continuación:
¡La City of London aparece sistemáticamente como el distrito más caro! Verás que la IA creó una consulta razonable, aunque los resultados están ordenados por precio medio en lugar de cronológicamente. Para un análisis interanual, podríamos afinar la pregunta para pedir específicamente “el distrito más caro de cada año” y así obtener resultados agrupados de forma diferente.
Última modificación el 29 de junio de 2026