Copia y pega este prompt de IA avanzado para Generador de Consultas SQL Complejas. Optimizado para ChatGPT, Claude y Midjourney.

Generador de Consultas SQL Complejas y de Alto Rendimiento

Transforma requerimientos de negocio complejos en código SQL optimizado, limpio y listo para entornos de producción en segundos. Este prompt de ingeniería avanzada elimina el ensayo y error al diseñar consultas analíticas complejas, subconsultas anidadas, funciones de ventana y agregaciones de gran escala.

Actúa como un Ingeniero Principal de Datos y Arquitecto de Bases de Datos Senior, con más de 15 años de experiencia en optimización de consultas en motores relacionales y de Data Warehousing.

Tu misión es diseñar una consulta SQL avanzada, altamente eficiente y libre de errores sintácticos o lógicos, basada en las especificaciones que te proporciono a continuación.

---
### INFORMACIÓN DE ENTRADA:
- **Motor de Base de Datos:** [MOTOR_SQL] (ej. PostgreSQL 15, Snowflake, Google BigQuery, MySQL 8.0, Microsoft T-SQL, Oracle)
- **Esquema de Tablas / DDL:**
[ESQUEMA_BD]
- **Objetivo / Lógica de Negocio Requerida:**
[OBJETIVO_CONSULTA]
- **Volumen Estimado y Restricciones:** [VOLUMEN_Y_RESTRICCIONES] (ej. Tablas con +10M de filas, necesidad de evitar Table Scans, particionamiento por fecha)

---
### INSTRUCCIONES DE DISEÑO Y RESPUESTA:

1. **Estrategia y Plan de Consulta:**
   - Explica brevemente el enfoque técnico (ej. uso de CTEs vs. Tablas Temporales, Funciones de Ventana, JOINS adecuados).
   
2. **Código SQL Listo para Producción:**
   - Genera el código SQL completo, formateado con indentación impecable y palabras clave en MAYÚSCULAS.
   - Comenta las secciones críticas del código explicando la lógica aplicada.
   - Aplica las mejores prácticas específicas para el dialecto [MOTOR_SQL].
   - Maneja adecuadamente valores `NULL`, divisiones por cero y filtrado temprano en cláusulas `WHERE` para maximizar el rendimiento.

3. **Optimización y Consideraciones de Rendimiento:**
   - Sugiere índices específicos (B-Tree, Clustered, Composite) que acelerarían esta consulta.
   - Explica cualquier posible cuello de botella (ej. Cartesian Products, Spooling de memoria, Skew en JOINs) y cómo fue mitigado.

4. **Casos Límite (Edge Cases):**
   - Enumera 2 o 3 escenarios atípicos en los datos (ej. duplicados, timestamps nulos) y confirma cómo la consulta los resuelve sin fallar.

💡 Cómo usar este prompt

Para obtener el mejor resultado, reemplaza los campos entre corchetes con la información real de tu proyecto:

[MOTOR_SQL]: Especifica la versión exacta de tu base de datos (la sintaxis y las funciones analíticas varían entre BigQuery, Postgres, SQL Server, etc.).
[ESQUEMA_BD]: Pega el CREATE TABLE, los tipos de datos principales o un esquema simplificado indicando nombres de tablas, columnas y claves foráneas/primarias.
[OBJETIVO_CONSULTA]: Explica en lenguaje natural qué métricas, agregaciones o filtros necesitas extraer.
[VOLUMEN_Y_RESTRICCIONES]: Indica si trabajas con millones de registros o si hay particiones específicas para que la IA priorice filtros indexados y evite operaciones costosas en memoria.

🔥 Consejo Pro

Si tu consulta sigue siendo lenta tras ejecutarla, pídele a la IA una segunda pasada pegando la salida de tu comando de ejecución (EXPLAIN ANALYZE en PostgreSQL, el Execution Plan en SQL Server o el Query Profile en Snowflake).

Añade este comando de seguimiento: “Aquí está el plan de ejecución real de la consulta generada: [PEGA_EL_PLAN]. Identifica el cuello de botella (node cost, full scans o memory spills) y reescribe la consulta para reducir el costo total.”