Asistente de datos de IA agéntica y de código abierto que escribe SQL y código para tus bases de datos y archivos, ejecuta skills en entornos aislados y genera informes.
dataease/SQLBot
Sistema ChatBI de código abierto que convierte preguntas en lenguaje natural en consultas SQL sobre tus bases de datos mediante LLM y RAG.
Alternativa open source a:Tableau
- Estrellas
- 6,944
- Forks
- 903
- Issues abiertos
- 50
- Último commit
- hace 4 horas
¿Qué es?
SQLBot es un sistema conversacional de análisis de datos que permite hacer preguntas en lenguaje natural y obtener resultados de consultas y gráficos. Combina modelos de lenguaje grandes con generación aumentada por recuperación (RAG) para convertir las preguntas en SQL (Text-to-SQL), y permite realizar análisis adicionales sobre los datos obtenidos.
Para configurarlo, hay que definir un LLM y una fuente de datos. Se despliega con Docker y ofrece un paquete de instalación sin conexión para entornos aislados de Internet. El sistema incluye aislamiento de recursos por espacio de trabajo y permisos de datos detallados. Su comportamiento se puede ajustar con prompts personalizados, un glosario de términos y ejemplos de SQL.
SQLBot se puede integrar en páginas web o ventanas emergentes y utilizar mediante llamadas MCP. El proyecto también enumera integraciones con n8n, Dify, MaxKB y DataEase.
Funciones clave
- 01Convierte preguntas en lenguaje natural en SQL mediante LLM y RAG.
- 02Devuelve resultados de consultas y gráficos de visualización en una interfaz de chat.
- 03Admite aislamiento por espacio de trabajo y permisos de datos detallados.
- 04Permite personalizar prompts, un glosario de términos y ejemplos de SQL.
- 05Se puede integrar mediante un widget web, una ventana emergente o llamadas MCP.
- 06Se puede desplegar con Docker e incluye un paquete de instalación sin conexión.
Casos de uso
- Permitir que usuarios de negocio consulten las bases de datos de la empresa sin escribir SQL.
- Añadir un asistente de consultas de datos en lenguaje natural a herramientas existentes como Dify o n8n.
- Crear paneles ChatBI internos con acceso a los datos controlado por permisos.
Temas
Preguntas frecuentes
- ¿Qué es SQLBot?
- Sistema ChatBI de código abierto que convierte preguntas en lenguaje natural en consultas SQL sobre tus bases de datos mediante LLM y RAG. SQLBot es un sistema conversacional de análisis de datos que permite hacer preguntas en lenguaje natural y obtener resultados de consultas y gráficos. Combina modelos de lenguaje grandes con generación aumentada por recuperación (RAG) para convertir las preguntas en SQL (Text-to-SQL), y permite realizar análisis adicionales sobre los datos obtenidos.
- ¿SQLBot es gratuito? ¿Qué licencia tiene?
- SQLBot es open source bajo la licencia Other. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿SQLBot sigue mantenido?
- Mantenimiento activo. El último commit de SQLBot fue el 22 oct 2026.
- ¿Para qué puedo usar SQLBot?
- Permitir que usuarios de negocio consulten las bases de datos de la empresa sin escribir SQL. Añadir un asistente de consultas de datos en lenguaje natural a herramientas existentes como Dify o n8n. Crear paneles ChatBI internos con acceso a los datos controlado por permisos.
- ¿Dónde consigo SQLBot?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/dataease/SQLBot
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Herramienta de ChatBI de código abierto que convierte preguntas en lenguaje natural en consultas SQL, gráficos y análisis de datos, basada en LangChain/LangGraph y flujos multiagente con MCP.
Una plataforma de AI+BI que combina consultas en lenguaje natural basadas en LLM (Chat BI) con una interfaz Headless BI basada en una capa semántica.
Motor GenBI de código abierto que permite a agentes de IA convertir preguntas en lenguaje natural en SQL sujeto a controles y dashboards compartibles sobre más de 20 fuentes de datos.
Plataforma de agentes de IA autohospedada para equipos: los agentes leen archivos, ejecutan código, llaman a APIs y entregan resultados en espacios de trabajo aislados.
Espacio de trabajo de datos local que conecta bases de datos de la empresa, herramientas SaaS y archivos en una ontología consultable, ejecutada en tu propio equipo.