‏SchemaFlow: تغییر دیتابیس با کمک ایجنت‌های هوش مصنوعی

یه درخواست ساده مثل «یه ستون nullable اضافه کن و دیتای قدیمی رو پرش کن» در عمل می‌تونه روی کلی چیز اثر بذاره: جدول‌های landing، مدل‌های staging، جدول‌های core، مارت‌ها، منطق گزارش‌گیری و حتی فرضیات lineage. به گفتهٔ این کوک‌بوک OpenAI، مشکل اینه که این درخواست‌ها از چند دست رد می‌شن و سر هر دست یه بخشی از context گم می‌شه. SchemaFlow اومده همین درخواست آزاد رو به یه workflow ساختاریافته و قابل بازبینی تبدیل کنه.

ایدهٔ اصلی اینه که به‌جای یه مدل تک که مستقیم SQL نهایی بده، کار بین چند ایجنت تخصصی پخش می‌شه و هر کدوم یه مسئولیت باریک دارن. Parse Agent درخواست رو به یه JSON ساختاریافته تبدیل می‌کنه، Impact Agent جدول‌ها و ستون‌ها و ریسک‌های متاثر رو پیدا می‌کنه، Plan Agent پلن رول‌اوت می‌سازه و SQL Agent خود SQL رو در لایه‌های مختلف دیتا درفت می‌کنه. مزیتش اینه که اگه یه ستون تو SQL جا افتاد، می‌تونی دقیق ببینی مشکل از کدوم مرحله شروع شده.