Des articles pour ceux qui
livrent le stack
Textes sur React, Node.js, TypeScript et AI. Un corps traduit est affiché quand il existe. Sinon vous voyez le texte anglais et une note qui le dit.
Tag : SQL
Filtrage des métadonnées pour Databricks RAG à l’aide d’ai_extract et d’ai_prep_search
Fusionner ai_parse_document, ai_extract v2.1 et ai_prep_search afin que chaque morceau contienne des métadonnées saisies, permettant à la recherche vectorielle de filtrer avant de classer par similarité.
7 min de lectureClickHouse MCP et les limites du mode lecture seule : accès structuré pour les agents
L’accès MCP en lecture seule empêche les écritures, mais pas les erreurs de chiffres, les fuites de données ou la divulgation du schéma. Découvrez ce que montrent les benchmarks de ClickHouse et comment les outils de métriques structurées réduisent le risque.
8 min de lectureApache Doris 4.1 : Recherche vectorielle, stockage JSON, OLAP et Lakehouse
Un aperçu des nouvelles fonctionnalités d’Apache Doris 4.1 : index vectoriels IVF, fonction de recherche BM25(), documents JSON de 100 MB, Segment V3, caches de requêtes, écritures vers Iceberg, commandes MERGE INTO et TIMESTAMPTZ.
18 min de lectureRAG sans base de données vectorielle : un pipeline en SQL BigQuery et les points de défaillance
Créez une génération améliorée par la récupération d’informations entièrement à l’aide de SQL dans BigQuery, des embeddings aux réponses fondées sur des données réelles, puis consultez les coûts, les quotas et les limites de versionnement des prompts.
11 min de lecturePostgreSQL MCP en pratique : architecture, sécurité, meilleures pratiques
PostgreSQL MCP en pratique : cesser de donner aux IA un accès brut à la base de données, ce qui rend le serveur différent, sa place par rapport à une API REST, la sécurité et les meilleures pratiques.
15 min de lecturePostgreSQL + pgvector et SQL Server 2025 en tant que stockages vectoriels
PostgreSQL 18 avec pgvector contre SQL Server 2025 en tant que systèmes de stockage de vecteurs : fonctionnement de chacun en tant que base de données vectorielle, installation de pgvector sous Windows, et stockage des embeddings.
18 min de lectureNotes pratiques : Agent Text-to-SQL de niveau production avec Claude Code
Guide pas à pas des notes pratiques : Agent Text-to-SQL de niveau production avec Claude Code : contrats, vérifications et emplacements pour du code à insérer destinés aux équipes utilisant ce modèle.
18 min de lectureNotes pratiques : Agent Text-to-SQL en Python : Tutoriel sur l’appel d’outils LLM
Guide pratique pas à pas : Agent Text-to-SQL en Python – Tutoriel sur l’utilisation d’outils LLM : contrats, vérifications et emplacements de code prêts à l’emploi pour les équipes qui mettent en œuvre ce modèle.
13 min de lectureAprès le tutoriel LangGraph : arêtes rigides, schémas et couches de sécurité
Passer au-delà du tutoriel avec un agent LangGraph SQL : gardes saisies, sortie structurée sous forme de contrat, mise à jour du schéma, routage des coûts et vérifications en plusieurs niveaux avant mise en production.
12 min de lecture
À propos de ces articles
Devis en 24 h
Besoin du même stack en couche opérateur ? Envoyez le brief — devis sous 24 h.