Dos días de desarrollo intenso dieron vida a funciones clave: en el Día 21 completamos la visualización de Topología de Servicios con análisis de rutas críticas, y en el Día 22 implementamos la Fase 1 de Generación Dinámica de UI con orquestación multi modelo LLM para convertir lenguaje natural en consultas SQL optimizadas. Estas capacidades abren nuevas formas de interactuar con datos de observabilidad y aceleran la toma de decisiones.
Día 21 Topología de servicios y rutas críticas
La implementación se organizó en una arquitectura de tres paneles que facilita la navegación por dependencias complejas:
Panel izquierdo 15 por ciento Rutas de negocio críticas con filtro multiselección, búsqueda rápida y estados de salud por color para cada ruta.
Panel central 55 por ciento Gráfico de topología con layout por fuerzas y tamaño dinámico por servicio. Al seleccionar una única ruta, la vista cambia a diagrama Sankey que muestra dirección del flujo, volumen por grosor y errores por color verde amarillo rojo. Permite seleccionar servicios e iluminar vecinos para aislar impactos.
Panel derecho 30 por ciento Análisis asistido por IA con puntuaciones de salud del sistema rendimiento, seguridad, fiabilidad, insights por servicio con nivel de confianza y generación dinámica de incidencias según las características de cada componente.
El resultado es una lectura inmediata de cuellos de botella, dependencias sensibles y puntos de fallo, con una experiencia que alterna entre visualización global y foco detallado por servicio o por ruta.
Día 22 Generación Dinámica de UI Fase 1
Sobre la base de la topología, añadimos un flujo de consulta inteligente que transforma lenguaje natural en SQL de ClickHouse optimizado, con validación y afinado automático. El sistema orquesta modelos LLM según el tipo de tarea y las restricciones de cada consulta.
Hallazgos clave de orquestación multi modelo
No todos los modelos sirven para lo mismo. Modelos tipo SQLCoder generan SQL a gran velocidad pero no producen JSON, mientras que modelos generalistas como Claude o GPT resuelven SQL y estructuras JSON con razonamiento avanzado pero a velocidad estándar. En pruebas reales, combinar ambos según el contexto mejoró el rendimiento global en un 60 por ciento.
Descubrimiento ClickHouse AI
Con el contexto correcto del esquema y las mejores prácticas, los modelos generalistas generan SQL de ClickHouse altamente optimizado sin depender de modelos especializados. Esto simplifica la arquitectura y permite usar una única línea de razonamiento para SQL y para la generación de UI.
Del lenguaje natural al SQL
Ejemplos como muéstrame servicios con altas tasas de error se traducen en consultas que agregan conteos, tasas y percentiles, respetando ventanas temporales, funciones específicas de ClickHouse y filtros avanzados. Tras la generación, aplicamos una fase de optimización con recomendaciones de clave de partición, PREWHERE para filtrado temprano, orden de JOIN y uso de columnas materializadas para minimizar el escaneo de datos.
Mejoras arquitectónicas
Unificamos utilidades de Protobuf, migramos a inyección de dependencias con capas Effect TS, y simplificamos el procesamiento OTLP para trazas, métricas y logs mediante interfaces comunes. El resultado es un backend más modular y testeable.
Dos funciones trabajando juntas
Escenario 1 Investigación de ruta crítica. Selección de Checkout, Sankey destaca el flujo extremo a extremo, el usuario pregunta por errores en la ruta y la IA genera SQL filtrado por los servicios implicados, mostrando resultados en componentes generados dinámicamente.
Escenario 2 Análisis por servicio. Al hacer clic en un servicio de pagos en estado amarillo, el panel de IA señala incidencias como timeouts o requisitos PCI, y ante la pregunta por la latencia P95 genera y muestra el percentil en contexto.
Escenario 3 Detección de cuellos de botella. Un enlace rojo entre carrito y checkout dispara consultas diagnósticas que revelan fallos de caché como origen de timeouts.
Rendimiento y pruebas
Optimización de consultas mediante heurísticas de ClickHouse y asistencia de modelos. En pruebas de mundo real, SQLCoder 7b fue 10 veces más rápido para SQL simple con alta precisión, Claude 3.5 destacó en consultas complejas con joins, y GPT 4o ofreció equilibrio y salida JSON estable. La decisión de enrutado considera necesidad de JSON, complejidad y criticidad de velocidad.
Validación integral con resultados de pruebas unitarias, de integración y E2E, superando el 95 por ciento de cobertura y sin errores de TypeScript. Esto garantiza orquestación multi modelo, generación de SQL y rendering de componentes consistentes.
Velocidad de desarrollo
Día 21 Topología. 7 horas, más de 15 componentes React, layout de tres paneles, Sankey, análisis por IA, alrededor de 3500 líneas con cobertura completa.
Día 22 UI dinámica. 6 horas, integración de múltiples modelos, enrutado inteligente, generación y optimización de SQL, 33 pruebas en verde con cobertura superior al 95 por ciento. Lo que tradicionalmente tomaría varias semanas se comprimió en horas manteniendo calidad.
Progreso del proyecto 73 por ciento
Entregado Topología de servicios con rutas críticas, Sankey y panel de IA, gestor multi modelo, generación de SQL desde lenguaje natural y optimización específica de ClickHouse. Ya teníamos capa de almacenamiento con ClickHouse y S3, detección de anomalías por IA, ingestión OTLP con protobuf, métricas en tiempo real y dashboards base.
Próximos pasos Día 23
Fase 2 de UI dinámica para crear componentes React a partir de resultados SQL, pruebas E2E combinando topología y consultas, cacheo de consultas y visualizaciones, y actualización en tiempo real conectando la topología a telemetría viva.
Lecciones aprendidas
La disposición de tres paneles equilibra navegación, visualización y análisis. Los Sankey superan a los grafos por fuerzas para flujos. El registro de modelos centraliza configuración y reduce complejidad. Con Effect TS logramos patrones consistentes en frontend y backend. En selección de modelos, el ajuste de temperatura fue clave 0.1 para SQL, 0.3 para UI. Las pruebas de integración revelaron matices por proveedor y motivaron un enrutado adaptativo.
Cómo ayuda Q2BSTUDIO
En Q2BSTUDIO impulsamos plataformas de observabilidad, analítica y automatización con inteligencia artificial, agentes IA y arquitecturas de datos modernas. Diseñamos aplicaciones a medida y software a medida que integran telemetría, pipelines de datos y visualizaciones interactivas, con foco en seguridad, rendimiento y escalabilidad en servicios cloud aws y azure. Si tu organización busca acelerar el time to value con ia para empresas, descubre cómo nuestra práctica de IA puede transformar tus flujos de trabajo con el enfoque descrito en este artículo en el enlace de inteligencia artificial.
Además, acompañamos la toma de decisiones con servicios inteligencia de negocio y visualización avanzada en power bi, integrando consultas optimizadas y métricas P95 P99 directamente en tableros ejecutivos. Conoce cómo llevamos tu estrategia de datos a otro nivel desde nuestra página de inteligencia de negocio y power bi.
Seguridad y cumplimiento
Nuestra visión IA nativa incluye ciberseguridad de extremo a extremo, hardening de servicios, auditoría y pruebas de intrusión, además de controles de privacidad por diseño. La capacidad de aislar rutas críticas y diagnosticar fallos reduce riesgos operativos y acelera la remediación.
Conclusión
La combinación de Topología de Servicios y Generación Dinámica de UI ofrece una experiencia potentísima para explorar dependencias, analizar flujos y preguntar en lenguaje natural, todo respaldado por pruebas sólidas y optimización de consultas. Este enfoque IA nativo aporta velocidad de entrega, calidad y mantenibilidad, y es el tipo de valor que Q2BSTUDIO aporta a proyectos de aplicaciones a medida, servicios cloud aws y azure y analítica avanzada con power bi.