‏ktx: لایه‌ای که به ایجنت‌ها یاد می‌ده درست کوئری بزنن

بر اساس این مخزن، ktx یه «لایهٔ کانتکست خودبهبوددهنده» هست که به ایجنت‌ها یاد می‌ده چطور دیتاورهاوس رو دقیق کوئری کنن. ساخت و نگهداری‌ش با شرکت Kaelio هست و زیر لایسنس Apache 2.0 منتشر شده. ایده‌ش اینه که از تعریف‌های تأییدشدهٔ متریک، ستون‌های قابل‌جوین و دانش کسب‌وکار یه مرجع می‌سازه و خودش هم نگهش می‌داره.

مشکلی که نشونه می‌گیره روشنه: ایجنت‌های همه‌کاره (مثل Claude Code، Codex، Cursor، OpenCode) روی تسک‌های داده ضعیف عمل می‌کنن. هر سؤال که می‌پرسی دوباره کل وِرهاوس رو از نو می‌گردن، منطق متریک رو خودشون اختراع می‌کنن و عددی برمی‌گردونن که با تعریف رسمی شرکت جور درنمیاد. به گفتهٔ سازنده، لایه‌های معنایی سنتی هم این رو حل نمی‌کنن چون نگهداری دستی زیاد می‌خوان و بقیهٔ دانش شرکت رو جذب نمی‌کنن.

کاری که ktx می‌کنه چندتاست و خودکار انجامش می‌ده. اول از محتوای ویکی و دانش شرکت یاد می‌گیره، مرتبش می‌کنه، تکراری‌ها رو حذف و تناقض‌ها رو برای بررسی انسانی علامت می‌زنه. بعد استک داده رو نقشه‌برداری می‌کنه: از جدول‌ها نمونه می‌گیره، متادیتا و الگوهای استفاده رو ثبت می‌کنه و ستون‌های قابل‌جوین رو تشخیص می‌ده.

قسمت اصلی‌ش ساختن یه لایهٔ معنایی روی یه گراف جوینه که خودش تله‌های fan و chasm (همون خطاهای کلاسیک جوین که باعث دوبار‌شمردن یا گم‌شدن داده می‌شن) رو حل می‌کنه. این‌طوری ایجنت به‌جای اینکه هر بار SQL کانونیک رو از نو بنویسه، متریک رو به‌شکل اعلانی (declarative) درخواست می‌ده.

موقع اجرا هم ktx ابزارهای CLI و MCP رو در اختیار ایجنت می‌ذاره، با یه جست‌وجوی ترکیبی full-text و معنایی روی ویکی و موجودیت‌های لایهٔ معنایی. نصبش با npm انجام می‌شه و سه فرمان اصلیش ktx setup، ktx status و ktx ingest هستن:

از نظر امنیت و حریم خصوصی، ktx کاملاً روی دستگاه خودت اجرا می‌شه و سرویس میزبانی‌شده نداره؛ تنها داده‌ای که از ماشینت بیرون می‌ره همونیه که خودت برای ارائه‌دهندهٔ LLM می‌فرستی. اتصال به دیتابیس هم فقط‌خواندنیه پس به دیتابیست چیزی نمی‌نویسه. با PostgreSQL، Snowflake، BigQuery، ClickHouse، MySQL، SQL Server و SQLite کار می‌کنه و با dbt، LookML، Looker، Metabase و Notion یکپارچه می‌شه.

نکات کلیدی:

• ktx یه لایهٔ کانتکست متن‌باز (Apache 2.0) از Kaelio برای ایجنت‌های داده‌ست
• باعث می‌شه ایجنت به‌جای اختراع SQL، متریک‌های تأییدشده رو دوباره استفاده کنه
• تله‌های جوین fan و chasm رو روی یه گراف جوین خودکار حل می‌کنه
• دانش ویکی/Notion رو جذب می‌کنه و تناقض‌ها رو برای بررسی انسانی علامت می‌زنه
• کاملاً لوکاله، اتصال دیتابیس فقط‌خواندنیه و ابزار CLI و MCP می‌ده