Plataforma de Consulta Geoespacial en Lenguaje Natural

Arquitectura

1. Pregunta

   lenguaje natural, vía app web o SDK
2. LLM

   generación de SQL consciente del esquema
3. Validación

   esquemas permitidos · consulta restringida
4. PostGIS

   ejecución espacial
5. Respuesta

   texto · gráfico · mapa · análisis

El motor de consulta

El motor es un servicio FastAPI sobre PostgreSQL/PostGIS con datasets públicos a nivel federal, estatal y municipal: financiación de campañas, demografía censal, registros y licencias de empresas, permisos, criminalidad, impuestos. La parte difícil de texto-a-SQL sobre datos así no es el modelo; es darle al modelo un esquema sobre el que pueda razonar. Diseñé la capa de datos: cómo se relacionan jurisdicciones de distintos niveles, cómo se exponen y simplifican las geometrías, qué columnas tienen significado y cómo se describe todo eso para que el SQL generado sea correcto a la primera con más frecuencia. La coincidencia aproximada de nombres usa similitud por trigramas en la base de datos, así que lugares y candidatos mal escritos siguen resolviéndose.

Una pregunta se convierte en un candidato SQL, se valida y restringe (los esquemas se permiten por conversación, los esquemas internos nunca pueden consultarse), se ejecuta y se resume de vuelta en lenguaje. El backend de LLM es intercambiable: una implementación con modelos de OpenAI vía LangChain, otra con el framework de agentes de Google y Gemini, ambas tras el mismo contrato REST con historial de conversación, de modo que comparar proveedores fue configuración y no una reescritura. Un modo analítico añade un bucle de agente acotado sobre datos recién obtenidos, con timeouts por consulta, límites de reintentos y un plazo de extremo a extremo, produciendo porcentajes, rankings, gráficos y mapas.

El producto alrededor

Un motor de consulta no es un producto. También lideré la plataforma que lo convierte en uno: una API Express con PostgreSQL/PostGIS en capas de controllers, services y repositories, una aplicación web React para chat y gestión de conversaciones, SDKs en TypeScript y Python para acceso programático, organizaciones y equipos, claves de API, medición de uso y rate limiting, un sistema de webhooks para notificaciones de eventos, facturación por suscripción vía Stripe y un sitio de documentación.

Infraestructura

Todo corre como stacks de Docker Compose tras Traefik, con entornos separados de desarrollo, beta y producción, actualización automática de imágenes, una capa de métricas y BI y Sentinel vigilando el conjunto. Los secretos están acotados por servicio y se cargan desde un único archivo de entorno para que la configuración siga siendo legible a medida que crece el stack. Las llamadas que llevan datos de clientes a endpoints externos de modelos resuelven sus destinos en modo fail-closed: producción se niega a correr sin un endpoint explícito y nunca recurre a uno público.