Caso de estudio · Ingeniería de Datos · Ingeniería de IA · Arquitectura
Plantilla de Datos para Claude Code: Controles para IA en Proyectos de Datos
Un proyecto base de dbt + DuckDB donde Claude Code sigue reglas de datos y los hooks bloquean DROP, entornos de producción y secretos antes de ejecutarse.
El problema
Los agentes de IA escriben SQL rápido. También pueden ejecutar DROP TABLE, apuntar dbt a producción o hacer pasar una prueba cambiando un LEFT JOIN por un INNER JOIN. Las reglas en un prompt ayudan, pero solo son consejos.
Restricciones
- Los controles viven en el repositorio, así cada sesión y cada compañero los tiene
- Los hooks son Python simple sin dependencias, probados tal como Claude Code los llama
- El trabajo normal sigue siendo rápido: dbt, pruebas y consultas en dev no piden aprobación
Arquitectura y decisiones
Haz clic en una caja para ver por qué se eligió.
Por qué · CLAUDE.md
Reglas del proyecto: capas, nombres, granularidad en cada descripción, pruebas en cada clave y qué significa "terminado": conteos de filas comparados antes y después.
Resultados
- pruebas de hooks, cada una ejecutada como lo hace Claude Code
- 34
- pruebas de hooks, cada una ejecutada como lo hace Claude Code
- comandos riesgosos bloqueados antes de ejecutarse, más secretos en archivos
- 6
- comandos riesgosos bloqueados antes de ejecutarse, más secretos en archivos
- pruebas de datos en dbt, incluida una de conciliación
- 12
- pruebas de datos en dbt, incluida una de conciliación
- subagentes y skills para revisión, incidentes, nuevos modelos y conciliación
- 2 + 2
- subagentes y skills para revisión, incidentes, nuevos modelos y conciliación
Qué haría después
- 01Un hook Stop que ejecute las pruebas de dbt antes de que Claude termine su turno
- 02Versiones de los controles para entornos de Snowflake y BigQuery