Datasette Agent ganha painel de chat para criar apps de banco de dados com prompt

O datasette-agent 0.5a0, lançado por Simon Willison em 3 de novembro, adiciona um painel de chat que fica ao lado de tabelas e apps do Datasette, permitindo montar e ajustar bancos de dados↳Banco de dados134 conteúdosSQL ou NoSQL: eis a questão!!Data · mar 2020Banco de dados: como organizar e dar segurança para milhões de dados de loteriasData · mai 20215 serviços gratuitos na cloud para bancos de dados PostgresData · fev 2025Ver tudo em Data → só com prompts.

O que mudou nesta versão

Simon Willison publicou em 3 de novembro de 2026 a versão 0.5a0 do datasette-agent, um agente movido a LLM↳LLMs48 conteúdosConsiderações básicas de hardware para modelos de linguagem em código aberto: Memória, Desempenho e ViabilidadeMarketing Tech · out 2025Modelos de linguagem sob ataque: o lado obscuro da IA generativaDevSecOps · mai 2025Criando um LLM – modelo de linguagem de grande escala – do zero com TransformersAI · abr 2024Ver tudo em AI → que roda em cima do Datasette, o seu projeto de código aberto↳Open source71 conteúdosComo o Open Source Está Liberando o Poder da Automação para TodosDev (Back & Front) · out 2025Código aberto: programadores criam software da NASA sem saberDev (Back & Front) · abr 2021N8N: O que é a ferramenta open source que está revolucionando a automação em TI?Dev (Back & Front) · dez 2025Ver tudo em Dev (Back & Front) → para explorar e publicar dados em SQLite. O sufixo a0 segue a convenção de versionamento do Python (PEP 440): é uma alpha explícita, antes mesmo de uma 0.5 estável, sinal de que o projeto ainda está em construção pesada.

A novidade central do release é um recurso chamado "o painel": o chat do agente deixa de ser uma tela isolada e passa a abrir ao lado de páginas do próprio Datasette, como uma tabela ou o resultado de uma consulta SQL. Na prática, o desenvolvedor não sai mais do contexto de dados para conversar com a IA.

Chat ao lado da página, não em outra aba

O ponto que Willison destaca no anúncio é justamente essa justaposição entre interface de dados e interface de chat:

Ele deixa o agente abrir o chat e ficar ao lado de páginas do Datasette, por exemplo uma tabela ou uma página de consulta.

Simon Willisonit lets the agent chat open and then sit next to pages from Datasette, for example a table or query page.

Essa escolha de design importa mais do que parece. Ferramentas de IA para dados costumam funcionar como um chat separado que gera uma query e devolve o resultado em outra janela, quebrando o fluxo de quem está investigando uma tabela. Colocar o agente ao lado da própria página elimina esse vaivém: a pergunta, a resposta e o dado continuam no mesmo campo de visão.

De prompt a app funcionando

O segundo anúncio da release é a combinação com o datasette-apps, outro projeto de Willison integrado ao Datasette. Segundo Willison, essa combinação permite "prompt-ar" um app com banco de dados até ele existir, e depois seguir modificando esse app pelo mesmo chat que fica ao lado dele.

Isso descreve um ciclo de vibe coding aplicado a dados: em vez de escrever o esquema, a query e a tela à mão, o desenvolvedor descreve o que quer em linguagem natural, vê o app nascer e pede ajustes incrementais sem trocar de ferramenta. É o mesmo padrão que Willison vem explorando em outras frentes recentes, como o post sobre o ponto de inflexão do desenvolvimento de jogos por vibe coding, publicado em 28 de outubro, e o experimento com o modelo Qwen 3.8 27B rodando localmente, do mesmo dia 3 de novembro. O datasette-agent aplica essa lógica ao domínio de bancos de dados e dashboards internos.

Por que isso interessa a quem já mexe com Datasette

Quem usa Datasette normalmente está resolvendo um problema específico: expor uma base SQLite para consulta, montar uma API read-only rápida para um conjunto de dados públicos, ou dar a um time não técnico uma forma de explorar uma tabela sem escrever SQL. O agente ataca exatamente essa fronteira entre "tenho os dados" e "preciso de uma interface sobre eles".

Em resumo: o painel reduz a distância entre explorar uma tabela e construir algo em cima dela. Antes, isso exigia abrir um editor, escrever um plugin ou montar uma página à parte; agora o pedido pode sair do próprio chat ao lado do dado. Para protótipos internos, ferramentas de uso único e exploração de dataset novo, isso corta etapas reais do fluxo de trabalho.

O que ainda pesa contra usar em produção

O anúncio de Willison é direto e curto, sem benchmark, sem detalhe de qual modelo roda por trás do agente e sem política de dados publicada no próprio post. Isso deixa perguntas em aberto que qualquer equipe precisa responder antes de ligar isso a uma base real:

• Modelo de segurança: um agente com poder de criar e alterar um app sobre um banco de dados é, por definição, um agente com acesso de escrita a lógica de aplicação; não há, no material divulgado, detalhe sobre limites, revisão ou sandbox desse processo.
• Maturidade: o sufixo a0 é avisado como alpha pelo próprio versionamento; breaking changes entre essa versão e uma futura 0.5 estável são esperadas.
• Dependência de projeto pessoal: tanto o Datasette quanto o datasette-agent são mantidos principalmente por Willison; é um padrão comum no ecossistema Python de dados abertos, mas é um fator de risco de continuidade que times corporativos costumam pesar.
• Acesso via conta: o teste exige login com conta do GitHub em agent.datasette.io, o que implica expor essa identidade ao serviço hospedado, e não necessariamente rodar localmente.

Como testar

A forma de experimentar o recurso, segundo o próprio anúncio, é entrar com uma conta do GitHub em agent.datasette.io. Willison não detalhou limites de uso, preço ou requisitos adicionais no post de lançamento, então vale tratar o teste como isso que é: uma prévia alpha de um projeto que ainda está definindo sua própria forma final.

Para quem já tem instâncias de Datasette rodando, com dados internos ou públicos, o caminho razoável é separar um dataset de baixo risco para esse primeiro contato: o ganho do painel aparece rápido na exploração, mas o salto para "deixar o agente escrever o app" merece o mesmo ceticismo que qualquer geração de código por LLM pede, revisão humana antes de ir para produção.

Fonte: Simon Willison