Nuovo Motore di Query per l'Analisi dei Dati degli Agenti AI
Un nuovo articolo su arXiv (2605.27785) propone un motore di query progettato per analizzare testo non strutturato proveniente da agenti AI, come tracce, log di chat e catene di ragionamento. Gli autori sostengono che l'SQL tradizionale non può rispondere a domande come "mostrami dove l'agente si è confuso" perché il testo richiede un modello nel percorso della query. Il motore è pensato per applicazioni AI lato client come Claude Code, Cursor e Claude Desktop, che funzionano in runtime JavaScript e necessitano di una distribuzione leggera e nativa JS che possa essere inclusa in un cold start. Il motore deve essere abbastanza piccolo da essere distribuito all'interno di tali applicazioni, affrontando la difficoltà di utilizzare percorsi di lettura lakehouse (Spark, Trino, warehouse gestiti) dai runtime JS.
Fatti principali
- L'articolo arXiv 2605.27785 propone un motore di query per testo non strutturato da agenti AI.
- L'SQL tradizionale non può rispondere a query sulla confusione dell'agente perché il testo necessita di un modello nel percorso della query.
- Le applicazioni target includono Claude Code, Cursor, Claude Desktop e agenti in-browser.
- Il motore deve essere nativo JS e abbastanza piccolo da essere incluso in un cold start.
- I percorsi di lettura lakehouse come Spark, Trino e warehouse gestiti non sono adatti per runtime JS.
- Il dato in più rapida crescita in produzione è il testo non strutturato proveniente da agenti.
- Le persone vogliono analizzare tracce di agenti, log di chat, catene di ragionamento e output di modelli.
- Il motore è progettato per applicazioni AI lato client che ospitano sia l'umano che l'agente LLM nello stesso processo.
Entità
Istituzioni
- arXiv