BigQuery
PulseAugur coverage of BigQuery — every cluster mentioning BigQuery across labs, papers, and developer communities, ranked by signal.
11 天有情绪数据
-
GeoSQL 技能增强了 AI 模型进行地理空间数据分析的能力
GeoSQL 是一个新推出的开源技能，旨在增强 Claude、Codex 和 GitHub Copilot 等 AI 模型处理地理空间数据的能力。该工具集成了 PostGIS、BigQuery 和 Snowflake 等流行数据平台，在处理复杂的地理空间任务方面有了显著的改进。GeoSQL 通过采用包含地图可视化的代理循环来运行，这使其能够识别和纠正纯文本模型可能忽略的几何错误，从而实现了报告的 4 倍性能提升。
-
城市出行分析框架利用AI进行规划和商业洞察
本文介绍了一个端到端的分析框架，该框架专为大规模城市出行分析而设计，并利用来自移动应用程序的实时位置数据。该框架旨在为旅游、交通和零售等领域的城市规划和商业决策提供可操作的见解。它包含了数据匿名化、ETL管道以及使用Google BigQuery和Vertex AI开发的机器学习模型，并采用模块化架构支持各种用例和通过Power BI进行交互式数据可视化。
-
Looker 集成 Antigravity CLI 以增强 MCP 数据操作
本文详细介绍了如何将 Google Cloud 商业智能平台 Looker 与 Antigravity CLI 进行配置。Antigravity CLI 是 Gemini CLI 的演进版本，可作为 MCP（Meta Connectivity Platform）的通用连接器。设置过程包括配置 Looker 设置，然后使用这些设置将 Antigravity CLI 建立为 Looker 操作的 MCP 客户端，从而实现增强的数据分析和可视化。
-
Google Data Agent Kit 集成 Claude Code，实现自然语言 BigQuery 访问
一位用户将 Google 的 Data Agent Kit 与 Claude Code 集成，实现了通过自然语言与 BigQuery 进行交互。此次集成允许用户使用对话式提示来查询和操作 BigQuery 中的数据，从而简化了数据分析工作流程。用户 Taichi Yamasaki 在 Qiita 平台上记录了这一过程。
-
开发者构建开源仪表板以跟踪 LLM 成本和采用情况
一位开发者创建了一个开源仪表板，用于跟踪不同提供商（如 Claude Code、Codex 和 Kimi）的 LLM 使用情况和成本。该工具使用 LiteLLM 作为网关，将请求路由并将详细信息（包括成本、token 和用户活动）记录到 BigQuery。这种设置使团队能够监控支出、设置预算并了解 AI 编码工具的采用率，从而解决了不同 LLM 提供商计费页面分散的问题。
-
Google 推出 Antigravity 2.0，用于高级 AI 智能体开发
Google 推出了 Antigravity 2.0，这是一个旨在构建能够进行复杂推理和任务执行的先进 AI 智能体的新平台。该平台允许开发人员创建能够编排长期工作流并与企业工具集成的多智能体系统。Antigravity 2.0 利用 Gemini 3.5 Flash 实现更快的性能，并利用模型上下文协议 (MCP) 实现跨各种 Google Cloud 服务的无缝数据访问和工具集成。
-
Google Research 发布 TabFM，一个用于表格数据的零样本基础模型
Google Research 推出了 TabFM，一个专为表格数据设计的新型基础模型，该模型无需数据集特定的训练即可执行分类和回归任务。该模型利用混合注意力架构，结合了行和列注意力机制，并利用上下文学习在单次前向传播中进行预测。TabFM 使用数亿个合成数据集进行了大规模训练，现已在 Hugging Face 和 GitHub 等平台上提供。
-
新的AI智能体跨模态处理复杂的企业数据查询 · 已追踪2个来源
研究人员开发了两个不同的AI系统，旨在改进对复杂企业数据的自然语言查询。第一个是语义层中介的智能体，它通过推理一个称为语义模型查询（SMQ）的中间表示，将自然语言转换为SQL，在使用Gemini 3 Pro的Spider2-snow基准测试中实现了94.15%的执行准确率。第二个系统COGNI是一个对话式BI平台，通过采用一个在Qwen-2.5-1.5B-Instruct上微调的路由层，处理结构化数据和非结构化文档，该路由层将查询导向…
-
LLM 在处理复杂 SQL 时遇到困难，带来生产风险
最近的基准测试显示，在生成复杂、真实的企业场景 SQL 查询时，大型语言模型 (LLM) 的准确性显著下降。虽然 GPT-4o 等模型在 Spider 1.0 等较旧、较简单的基准测试中表现良好，但在 Spider 2.0 和 BIRD-Interact 等更现实的数据集上的准确率却骤降至 10% 左右。这种性能下降恰逢用于编写生产数据库迁移的 AI 编码代理使用量增加，引发了对实时系统中潜在的静默故障的担忧。为减轻这些风险，文章建议…
-
SAP 和 Google Cloud 推出代理式商业架构
SAP 和 Google Cloud 已达成合作，部署代理式商业架构，旨在自动化零售和营销业务。此次合作专注于连接不同的数据源和 AI 模型（如 Gemini），以创造统一的客户体验。新架构旨在消除数据孤岛，实现自主交易，并确保实时库存同步而无数据重复，从而解决企业系统中的常见故障。
-
PyPI 现在支持 WASM wheels，简化 Pyodide 包分发
PyPI 现在支持发布 WebAssembly (WASM) wheels，这是 Pyodide 项目的一个重要进展。此前，Pyodide 维护者不得不托管 300 多个包，造成了瓶颈。这一变化允许包维护者直接将 WASM wheels 发布到 PyPI，类似于原生 wheels，从而简化了分发。Simon Willison 通过将他的 Luau WebAssembly 研究原型打包成新的 `luau-wasm` PyPI 包进行了演…
-
Databricks 通过 Lakehouse Federation 实现跨源 AI 查询
Databricks 推出了名为 Lakehouse Federation 的新功能，允许用户连接到多个外部数据源并进行查询，而无需迁移数据。此功能与 Databricks 的治理层 Unity Catalog 集成，提供统一的数据视图并确保安全性和合规性。该系统由名为 Genie 的 AI 助手提供支持，能够以自然语言查询这些联合数据，在几分钟内提供来自不同系统的洞察。
-
Google Converse 推出，具备 AI 代理的原生状态管理功能
Google 发布了 Converse，一项旨在克服传统 LLM API 无状态限制的新 AI 服务。Converse 原生管理状态、内存和执行周期，简化了多步任务的开发，并提高了工具链的可靠性。该服务与 Google 的生态系统深度集成，特别是 Workspace 和 BigQuery，允许开发者将数据仓库作为代理进行查询。虽然对于简单的聊天机器人来说可能有点大材小用，但 Converse 为需要持久会话和强大错误处理的复杂代理应用…
-
LLM 函数调用详解：模型如何使用工具并避免错误
本文解释了函数调用，这是 LLM 与外部工具和数据交互的关键能力。它详细介绍了模型如何决定使用哪个工具以及使用什么参数，超越了简单的文本预测，实现了结构化的命令输出。文章强调了仔细设计工具模式和处理 LLM 可能的误解以防止操作错误的重要性，尤其是在营销环境中。
-
BigQuery 电子商务数据集提供可投入生产的 SQL 以供面试
本文提供了一个使用 Google BigQuery 的 theLook 数据集设计和查询电子商务数据库的实用指南。它旨在通过提供经过验证的 SQL 查询和对可投入生产的模式结构的见解，帮助个人准备数据库设计面试。该指南涵盖了在真实的服装店数据库的背景下设置 BigQuery、探索模式以及理解事件跟踪等高级模式。
-
ClaudeAI用户探索整合营销数据以加速分析
一位ClaudeAI子版块的用户正在咨询通过MCP将AppsFlyer营销数据与Anthropic的Claude模型集成的问题。目标是使产品经理和增长团队能够通过询问有关广告系列效果和ROAS的自然语言问题，来执行更快的营销分析。主要关注点包括管理权限、标准化事件命名以及确保Claude仅访问聚合数据而不是敏感的原始用户级别信息。
-
Data Workers 采用 Anthropic 的 MCP 来集成 AI 代理工具
Data Workers 已采用模型上下文协议 (MCP) 来使其 AI 代理能够连接到数据堆栈中的各种工具，并指出其效率优于自定义集成。该协议最初由 Anthropic 开发，目前支持超过 12,230 个服务器，为代理提供了快速原型设计和可组合性。然而，在可扩展身份验证、延迟、服务器质量差异以及管理有状态工作流等领域仍存在挑战。
-
AI 工作负载需要新的数据架构层
传统数据栈不足以应对现代 AI 工作负载，这些工作负载需要处理非结构化数据、实时嵌入和强大的 lineage 跟踪。文章提出了一个新的“Platinum”或原生 AI 层，扩展了 Medallion 架构，用于预先物化特征和为 AI 模型计算嵌入。这种方法从一开始就确保 AI 就绪，避免了痛苦的改造，并为 AI 预测提供了关键的可审计性。
-
DivSkill-SQL通过互补代理训练提升文本到SQL集成能力
研究人员开发了DivSkill-SQL，一个用于增强文本到SQL集成的创新框架。该方法通过在现有集成失败的示例上训练新代理来优化互补技能，从而提高生成至少一个正确SQL候选的概率。在Spider2-Lite数据集上使用Opus-4.6和GPT-5.4基础模型进行测试时，该框架在Snowflake上将准确率提高了11.1个百分点，在BigQuery上提高了8.3个百分点。值得注意的是，这些优化后的技能在不同SQL方言和任务表述之间表现出…
-
大语言模型通过M3系统简化临床数据访问
研究人员开发了M3系统，该系统使用对话式大语言模型来简化对MIMIC-IV等复杂临床数据库的访问和分析。M3允许用户使用自然语言查询数据，将问题翻译成SQL查询进行执行。评估显示Claude Sonnet 4和开源gpt-oss-20B等模型具有高准确性，证明了本地、隐私保护部署在敏感医疗数据上的可行性。