<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Sqlite on Python Brasil — Aprenda Python em Português</title>
    <link>https://python.dev.br/tags/sqlite/</link>
    <description>Recent content in Sqlite on Python Brasil — Aprenda Python em Português</description>
    <generator>Hugo</generator>
    <language>pt-br</language>
    <lastBuildDate>Mon, 18 May 2026 04:13:15 +0000</lastBuildDate>
    <atom:link href="https://python.dev.br/tags/sqlite/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>RAG com Documentos Públicos em Python</title>
      <link>https://python.dev.br/blog/rag-documentos-publicos-python/</link>
      <pubDate>Mon, 18 May 2026 00:00:00 +0000</pubDate>
      <guid>https://python.dev.br/blog/rag-documentos-publicos-python/</guid>
      <description>&lt;p&gt;Projetos de &lt;strong&gt;RAG (Retrieval-Augmented Generation)&lt;/strong&gt; são uma das formas mais práticas de transformar Python e IA em algo útil para empresas brasileiras. Em vez de pedir para um LLM responder com base apenas no que ele já sabe, você cria um pipeline que busca trechos relevantes em documentos próprios ou públicos e envia esses trechos como contexto para o modelo.&lt;/p&gt;&#xA;&lt;p&gt;Isso muda a qualidade do projeto. Um chatbot genérico que responde sobre qualquer coisa é fácil de demonstrar, mas difícil de confiar. Um assistente que consulta PDFs, planilhas, atas, normas, editais ou dados públicos brasileiros consegue responder com mais precisão, citar fontes e mostrar valor de negócio. Para portfólio, carreira e automação interna, RAG é um dos projetos mais fortes que um desenvolvedor Python pode construir em 2026.&lt;/p&gt;</description>
    </item>
    <item>
      <title>SQLAlchemy 2.0: ORM Moderno para Python com Tipagem</title>
      <link>https://python.dev.br/blog/sqlalchemy-2-orm-moderno-python/</link>
      <pubDate>Fri, 24 Apr 2026 00:00:00 +0000</pubDate>
      <guid>https://python.dev.br/blog/sqlalchemy-2-orm-moderno-python/</guid>
      <description>&lt;p&gt;O &lt;strong&gt;SQLAlchemy&lt;/strong&gt; é o ORM mais utilizado no ecossistema Python, presente em projetos que vão de APIs simples a sistemas de grande escala. Com o lançamento da versão 2.0, a biblioteca passou por uma reformulação significativa: novo estilo declarativo com tipagem nativa, API de queries unificada, suporte a async/await e integração profunda com ferramentas de análise estática.&lt;/p&gt;&#xA;&lt;p&gt;Se você já trabalha com &lt;a href=&#34;https://python.dev.br/blog/python-e-postgresql/&#34;&gt;PostgreSQL&lt;/a&gt;, &lt;a href=&#34;https://python.dev.br/blog/python-e-banco-de-dados-sqlite/&#34;&gt;SQLite&lt;/a&gt; ou qualquer banco relacional em Python, entender o SQLAlchemy 2.0 é fundamental. Neste artigo, vamos cobrir desde a configuração inicial até padrões avançados como relacionamentos, queries compostas e integração assíncrona.&lt;/p&gt;</description>
    </item>
    <item>
      <title>Python e SQLite — 2025 | Python Brasil</title>
      <link>https://python.dev.br/blog/python-e-banco-de-dados-sqlite/</link>
      <pubDate>Mon, 01 Dec 2025 00:00:00 +0000</pubDate>
      <guid>https://python.dev.br/blog/python-e-banco-de-dados-sqlite/</guid>
      <description>&lt;p&gt;SQLite é um banco de dados leve, embutido e que não requer um servidor separado para funcionar. Ele armazena todo o banco em um único arquivo, tornando-o perfeito para aplicações desktop, protótipos, projetos pequenos e médios, e até mesmo para testes de aplicações que em produção usarão bancos maiores como PostgreSQL ou MySQL.&lt;/p&gt;&#xA;&lt;p&gt;O Python traz o módulo &lt;code&gt;sqlite3&lt;/code&gt; na biblioteca padrão, o que significa que você pode começar a trabalhar com banco de dados sem instalar nada adicional. Neste artigo, vamos cobrir todas as operações fundamentais com exemplos práticos.&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
