PgAdmin 4 9.13 Agrega Panel de Asistente de IA a la Herramienta de Consulta
Integración del Asistente de IA en PgAdmin 4 9.13
PgAdmin 4 versión 9.13 agrega un panel de Asistente de IA a su Herramienta de Consulta, permitiendo la generación de SQL a partir de entrada de lenguaje natural cuando los servicios de IA están configurados. Esta función aparece como una pestaña dentro del panel del Editor SQL junto a las pestañas existentes de Historial y Bloc de Notas.
Características de la Herramienta de Consulta
La Herramienta de Consulta sigue siendo un entorno SQL rico en funciones que permite:
- Ejecución de comandos SQL arbitrarios y consultas ad-hoc
- Edición de conjuntos de resultados de consultas SELECT actualizables
- Visualización del estado actual de conexión y transacción
- Exportación de datos del panel de salida a archivos CSV
- Revisión de planes de ejecución SQL en formatos de texto, gráficos o tablas (similar a explain.depesz.com)
- Visualización de información analítica sobre declaraciones SQL
- Apertura de múltiples instancias de la Herramienta de Consulta en pestañas individuales
Cambios en el Diseño del Espacio de Trabajo
La versión 9.13 introduce un diseño de Espacio de Trabajo que proporciona un entorno sin distracciones para la Herramienta de Consulta. Los cambios clave incluyen:
- La página de bienvenida se abre por defecto al acceder al espacio de trabajo de la Herramienta de Consulta
- Todas las pestañas de Herramienta de Consulta y Ver/Editar Datos se abren dentro del espacio de trabajo de la Herramienta de Consulta
- Capacidad de conectarse a servidores ad-hoc no registrados en el Explorador de Objetos
- Los parámetros de conexión incluyen: Nombre del Servidor, Nombre de host/dirección, Puerto, Base de datos, Usuario, Contraseña, Rol y campos de Servicio
- El botón Conectar y Abrir Herramienta de Consulta inicia la herramienta con los detalles del servidor proporcionados
Esto difiere de la interfaz clásica donde los usuarios deben conectarse a un servidor de base de datos y navegar al nodo de la base de datos antes de usar la Herramienta de Consulta.
Organización de Paneles
La Herramienta de Consulta presenta dos paneles principales:
- Panel superior (Editor SQL): Contiene pestañas para ingresar/editar consultas, pestaña de Historial para consultas de sesión, Bloc de Notas para fragmentos de texto y la nueva pestaña del Asistente de IA
- Panel inferior (Salida de Datos): Muestra conjuntos de resultados de consultas, información del plan de ejecución, mensajes del servidor y notificaciones asíncronas
Si el Bloc de Notas está cerrado, se puede reabrir haciendo clic derecho en el Editor SQL u otros paneles y agregando un nuevo panel.
📖 Read the full source: HN AI Agents
👀 Ver también
TeenyApp permite a Claude construir y desplegar sitios web full-stack desde un solo enlace de chat
TeenyApp proporciona un subdominio en vivo y un token de agente que Claude puede usar mediante HTTP para andamiar código, ejecutar migraciones, configurar autenticación y desplegar directamente a una URL real sin salir del chat.
YantrikClaw Fork agrega Memoria Cognitiva, Modo Compañero y Herramientas Conscientes de Nivel a ZeroClaw.
YantrikClaw es una bifurcación de ZeroClaw que introduce tres características principales: Memoria Cognitiva con YantrikDB para recuerdo semántico persistente, Modo Compañero con seguimiento de vínculos y comportamiento proactivo, y selección de herramientas consciente del nivel que se adapta al tamaño del modelo, desde Raspberry Pi hasta grandes clústeres.
Las empresas que reducen personal por IA perderán frente a las que no lo hicieron
Los recortes de personal por la IA sacrifican el conocimiento institucional a largo plazo por ahorros a corto plazo. Mantener equipos y usar la IA para amplificar su capacidad es la estrategia ganadora.
AutoBe: Cómo los LLM Locales Débiles Arreglaron la Arquitectura de un Generador de Backend de IA
AutoBe es un agente de IA de código abierto que genera aplicaciones backend completas utilizando TypeScript, NestJS y Prisma. El equipo descubrió que su éxito inicial de compilación del 100% producía código imposible de mantener, luego reconstruyeron con generación modular—haciendo caer el éxito al 40%—y usaron LLMs locales débiles como qwen3-30b-a3b-thinking para depurar ambigüedades en los esquemas.