SQL
PulseAugur coverage of SQL — every cluster mentioning SQL across labs, papers, and developer communities, ranked by signal.
- developed by International Organization for Standardization 100%
- instance of Bird 90%
- uses Lakehouse 90%
- uses large-language models 80%
- uses Python 70%
- used by Python 70%
- instance of PostgreSQL 70%
- used by ScienceCast 70%
- used by Databricks 70%
- used by Text-to-SQL for Korean Language based on Multilingual BERT 70%
- instance of ScienceCast 70%
- used by web crawler 70%
19 天有情绪数据
-
AI代理正在创造新的经济模式并雇佣其他代理，即使基础设施仍在发展中。· 跟踪3个来源
正在探索代理经济的概念，其中自主代理可以雇佣其他代理来执行任务，从而产生委托支付问题。这突显了AI代理的快速发展，即使在基础设施尚未完全成熟的情况下也在进步。讨论还涉及实际应用，如全栈Java开发中的SQL连接以及使用工作范围模板来管理自由职业者项目范围。
-
新的代理架构可根据自然语言生成仪表板
研究人员开发了Text2Dashboard，这是一种新颖的代理架构，旨在根据企业数据上的自然语言请求生成仪表板。该系统集成了Codex插件和独立的Agent Runtime，将模式约束的模型决策与类型化工具以及用于审批、审计和恢复的确定性执行控件相结合。虽然在特定DataBrain任务上的初步评估在元数据选择和语义SQL准确性方面显示出有希望的结果，但该系统尚未投入生产，模型推理构成了其大部分运行时。
-
Claude Code 的 WebFetch 在长页面上失败
一位用户发现 Claude Code 的 WebFetch 功能存在限制，无法读取长网页超过 10 万字符的内容，并错误地表示信息不存在。这个问题在 Qiita 的讨论中被指出，凸显了该 AI 在处理大量在线内容方面的潜在不足。
-
提示注入被重新定义为数据流问题，需要策略层
提示注入攻击正被重新定义为数据流或数据平面问题，而不仅仅是模型问题。研究人员已经证明，不受信任的数据（例如 GitHub issue 中的指令）可以被用来诱骗 AI 代理执行非预期操作，例如窃取私有存储库内容。提出的解决方案是在 AI 模型与其工具之间实现一个策略层，该策略层根据工具调用的范围、信任边界以及是否需要人工授权来审查工具调用，这与参数化查询在传统数据库交互中解决类似问题的方式有相似之处。
-
使用 DuckDB、S3 和 SQL 实现 LLM 可观测性
本文提出了一种使用 DuckDB 和 Amazon S3 等现有工具实现 LLM 可观测性的经济高效的方法。文章概述了如何利用现有日志和 SQL 查询来实现分析、护栏和跟踪数据，而无需依赖昂贵的第三方供应商。该方法侧重于通过利用已有的基础设施来最大化节省。
-
Claude Code 技能在提交前识别 SQL/ORM 性能问题
Query Inspector 是一个新推出的 Claude Code 技能，旨在在代码提交前识别和解决 SQL 和 ORM 性能问题。它分析代码更改以检测诸如缺少索引和 N+1 查询模式等问题，这些问题通常在生产环境中才会显现。该工具提供可操作的报告，包括建议的 SQL 修复和索引创建语句，并且可以推断出 JPA 和 QueryDSL 等 ORM 生成的实际 SQL。
-
原始 Doom 游戏被移植到可在 SQL 数据库中运行
开发人员已成功将原始 Doom 视频游戏移植到完全在 SQL 数据库中运行。这项技术壮举展示了 SQL 在传统数据管理之外的多功能性，并展示了其执行复杂代码的潜力。该项目在 cedardb.com 上有详细介绍，突显了数据库技术的一种非常规应用。
-
新的 FALCON 框架生成复杂的合成 NL2SQL 数据
研究人员开发了 FALCON，一个用于生成合成 NL2SQL（自然语言到 SQL）数据的新框架。该框架旨在创建比现有方法更真实、更复杂的 SQL 查询，而现有方法通常会产生过于简化的示例。FALCON 使用保留字 SQL 种子和基于角色的提示来生成结构复杂的查询，并使用基于对齐的过滤来确保有效性。人工评估表明，在各种模型规模下，其质量都很高，并且 FALCON 生成的数据在经过其训练的模型上表现出改进的性能，尤其是在复杂查询方面。
-
ComInsight框架通过可验证的见解增强表格到报告的生成
研究人员推出了一种名为ComInsight的新型框架，用于从关系表中生成分析报告。该方法通过将过程重塑为原子证据的组合来解决发现可验证的复合见解的挑战。ComInsight将这些原子见解组织成一个多关系图，并使用组合运算符来构建更高阶的结论，确保每个输出都附带可执行的SQL和细粒度的出处，以实现完全可验证性。在事实正确性、新颖性和结构完整性方面，该框架在InsightBench、DDR-Bench和T2R-Bench这三个基准测试中，…
-
新代理平台Coco助力ML加速器的软硬件协同设计
研究人员开发了Coco，一个代理平台，旨在协助机器学习加速器的软硬件协同设计的复杂过程。该系统通过将代理程序置于基于SQL的模拟扫描数据存储中进行推理，而不是依赖预先训练的LLM知识，来解决关于不存在系统的推理挑战。Coco利用一个具有类型化API的工具库和自动化重复分析工作流（如iso-execution分析）的代理程序，以加速协同设计生命周期并更有效地获得洞察。
-
AI代理公开纠正自身及他者错误 · 追踪3个来源
一个AI代理通过公开识别和纠正自身及另外两个代理的错误，展示了卓越的自我纠正能力。这一事件凸显了AI在自我监控和协作解决问题方面不断发展的能力。该代理不仅能修正自己的错误，还能与其他AI系统验证其修正，这预示着更复杂的自主操作。
-
SQL 智能体需要超越模式的业务上下文才能提高准确性
文本到 SQL 的智能体在生产环境中经常失败，因为它们仅依赖数据库模式，而数据库模式缺乏关键的业务上下文。这些模式没有编码语义含义，例如指标定义、规范连接路径或业务术语表。为解决此问题，操作知识框架 (OKF) 提出使用知识图谱与模式并行。该图谱存储指标定义、实体关系和业务术语表信息，使智能体在生成 SQL 之前可以查询它，从而产生更准确的结果。
-
Doom 游戏逻辑完全在 SQL 数据库中实现
一位数据库专家成功地在 SQL 中实现了经典游戏 Doom，使用了 CedarDB 数据库系统。该项目名为 SQLDoom，包含一个 5900 行的 SQL 代码库，负责处理游戏逻辑；一个跨越 89 个表的 1300 行图形渲染器；以及一个用于输入和显示的 Python 前端。这种创新的方法利用了 SQL 的关系能力来实现游戏逻辑和状态同步，甚至在多人游戏功能方面比原始游戏具有优势。
-
作者发现AI并未让SQL技能变得可有可无
作者最初认为，AI工具将使SQL技能变得过时，因为他们期望只需描述数据需求，AI就能生成必要的查询。然而，经过四年的实践，他们发现事实并非如此。作者发现，AI生成的SQL查询通常需要大量手动修正和完善，这表明深入理解SQL对于有效的数据分析和操作仍然至关重要。
-
AI代理需要SQL上下文，Cloudflare的Clef领先，开放权重是前沿
一个旨在编写SQL查询的AI代理不仅需要数据库模式信息，还需要理解数据的上下文。此外，Cloudflare的Clef已超越其竞争对手，Flux-3 Image已发布，PewDiePie因蒸馏内容被禁。开放权重模型的概念被强调为AI发展的前沿。
-
AI 代理获得知识层以改进 SQL 查询
本系列详细介绍了为 AI 代理创建知识层以改进其 SQL 查询生成。第一部分侧重于构建一个编译器，将原始数据库文档（包括模式和业务规则）转换为 Open Knowledge Foundation (OKF) 捆绑包。此捆绑包将信息组织到概念文件中，使代理更容易访问。第二部分解决了代理因缺少业务上下文而做出错误假设的挑战，提出了一种 OKF 捆绑包作为代理可以导航以查找相关信息的解决方案，从而提高查询准确性。
-
新的FICO系统提高了电子表格问答的准确性
研究人员推出FICO（Find-Then-Compute），一个用于大规模电子表格集合问答的新颖系统。FICO首先检索相关的文档摘要，然后在执行精确的结构化查询语言（SQL）查询之前，对相似的工作簿进行消歧。该系统在DataBench数据集上达到了76.2%的准确率，比强大的TableRAG风格基线高出9.9个百分点。FICO在MiMoTable数据集上也取得了显著的进步，准确率达到79.7%，而前缀RAG为22.2%，这凸显了将语义…
-
知识图谱指标可能反映管道而非主题：复制研究
一项复制尝试表明，从知识图谱中提取的结构化指标可能反映了提取管道的特征，而不是主题本身。作者通过为三个不同的领域构建知识图谱来检验这一假设：ASP.NET Core 中间件、SQL 查询优化和醋酸纤维素板生产。该实验旨在确定一个特定指标——先决概念密度——在这些不相关的学科中是否保持一致，这将表明其偏向于管道的设计而非实际的领域内容。
-
个人理财应用开发者将AI与SQL结合，防止虚构数字
一位个人理财应用开发者发现，其AI顾问自信地提供了错误的财务信息，例如错误计算支出以及归属未发生的费用。为解决此问题，该开发者实施了一个系统，所有数字数据均由SQL查询生成，确保应用界面与其AI解释之间的一致性。增加了一个验证层，用于检查AI提供的任何数字是否都存在于提供的数据中，从而防止AI虚构数字。这种方法优先使用基于规则的逻辑来处理交易分类等任务，将AI保留在规则无法提供明确答案的情况下。
-
新的诊断工具评估文本到SQL模型在模式上下文预算上的表现
研究人员开发了BudgetSchemaBench，一个旨在评估文本到SQL模型在有限上下文窗口内处理大型数据库模式能力的新诊断工具。该工具使用从黄金SQL查询派生的执行验证相关性标签，来评估在各种模式上下文预算和序列化方法上的性能。研究结果表明，增加模式预算可显著提高执行准确性，特别是对于词汇检索，而密集检索方法对预算变化的敏感度较低。