DuckDB 周报 #9：dbt v2 自带适配器，直查 HF 数据集
dbt v2 开始内置 DuckDB 适配器；官方详解 hf:// 协议直查 Hugging Face 数据集；社区扩展一周净增 57 个。
阅读全文 ：DuckDB 周报 #9：dbt v2 自带适配器，直查 HF 数据集
公众号
alitrack
专注于数据整合、机器学习、企业信息化、自动化
这个来源的文章
只写列名，让 DuckDB 自己学会造假数据
只写列名，让 DuckDB 自己学会造假数据 给 DuckDB 灌测试数据这事，我最近翻车过一次，翻得很彻底：屏幕上 18 行数据，每一行都是 18|New York|James Smith。 一模一样。
阅读全文 ：只写列名，让 DuckDB 自己学会造假数据Palantir 的 OAG：AI 找到了文档，但不知道能干什么
OAG 解决的不是 AI 找不到知识，是不知道自己能对知识做什么。Palantir 五年前造的词，现在轮到用友接盘。
阅读全文 ：Palantir 的 OAG：AI 找到了文档，但不知道能干什么duckdb-luajit：中文工单分类，在 SQL 里训练模型
文本分类训练和预测都进了 SQL：757KB Rust 内核经 LuaJIT FFI 挂进 duckdb-luajit，自带温度校准和 Clopper-Pearson 阈值推荐，不调 API 不出库。
阅读全文 ：duckdb-luajit：中文工单分类，在 SQL 里训练模型不用 TypeSafe：本地 DuckDB 跑 Jev
Jev 不生成 token，只读概率。这篇把整套搬到本地：Qwen-4B 跑 llama.cpp，一条 SQL 扫完一列，1000 行 87.3%，附三个厂商博客不会写的坑。
阅读全文 ：不用 TypeSafe：本地 DuckDB 跑 Jevdocjev 换本地引擎：4B 从 24/37 到 40/40，没换模型
同一个 4B，只把读出方式换了一种，分类从 24/37 变 40/40；Mac 上的 35B 两遍满分。
阅读全文 ：docjev 换本地引擎：4B 从 24/37 到 40/40，没换模型Jev 的 8 项目清单：1 个无关，星最多的没进
一条过万浏览的 Jev 清单，8 个项目逐个用 API 核了一遍：8 个都在，1 个跟 Jev 没关系；顺着清单还摸到三家供应商、两条把 Jev 接进 agent 循环的 fork。
阅读全文 ：Jev 的 8 项目清单：1 个无关，星最多的没进Jev 的「不会幻觉」，官方自己在脚注里打了折
Jev 说自己不会幻觉。官方配图的脚注里写着那个 0% 不是实测出来的，是格式保证推出来的；再加上官方自列的九条失败模式，这句话该打几折就有数了。
阅读全文 ：Jev 的「不会幻觉」，官方自己在脚注里打了折MariaDB 的 DuckDB 引擎，备份成功了，数据没进去
mariabackup 跑完 exit 0、日志零提示，DuckDB 表的数据一个字节没进备份。备份、恢复、binlog 三条链路在官方镜像里跑了一遍，附三条选路建议。
阅读全文 ：MariaDB 的 DuckDB 引擎，备份成功了，数据没进去DuckDB 装了 gatekeeper：AI 写的 SQL，先过检再执行
DuckDB 社区新扩展 gatekeeper 不执行 SQL 也能判权限：套了视图的敏感表照样被点名，但给代理用的强制连接还没进二进制
阅读全文 ：DuckDB 装了 gatekeeper：AI 写的 SQL，先过检再执行本体建模要求：40 页起草稿，47 页正式版，差在哪
GB/T 48000.3-2026 已实施。网上流传的多半还是 40 页起草稿：名称改为「要求」，「公理」是定稿才加的。
阅读全文 ：本体建模要求：40 页起草稿，47 页正式版，差在哪不装二进制也能查 40 种数据库：把 usql 编译进 DuckDB 的 Lua 里
上篇讲怎么装那个 292MB 的二进制；这篇讲不装：把 usql 的核心编进 DuckDB 的 Lua，连接常驻进程内，200 次持续查询 6.1 到 6.6 毫秒；再给桥加一条原生 Parquet 通道，类型和字节都不丢。
阅读全文 ：不装二进制也能查 40 种数据库：把 usql 编译进 DuckDB 的 Lua 里让 DuckDB 用一条 SQL 查 40+ 种数据库：一个 Lua 文件 + 一个 292MB 的二进制
DuckDB 原生扩展只覆盖主流库。用一个 Lua 表函数调本机 CLI（sqlite3/psql/usql），把长尾数据库当表读进来——含两个只有跑一遍才会踩到的坑。
阅读全文 ：让 DuckDB 用一条 SQL 查 40+ 种数据库：一个 Lua 文件 + 一个 292MB 的二进制duckdb-luajit：Lua 里调 Go，比 Lua 原生慢 4 倍
在 DuckDB 的 LuaJIT 扩展里用 ffi.load 调 Go 共享库：链路通了，冷启动两三毫秒，但简单替换比 Lua 原生慢 4 倍。
阅读全文 ：duckdb-luajit：Lua 里调 Go，比 Lua 原生慢 4 倍duckdb-luajit：病历出域前三刀脱敏，全在 SQL 里
同一份病历，结构化列与正文日期共用一条时间轴：三刀脱敏都在 DuckDB SQL 里完成
阅读全文 ：duckdb-luajit：病历出域前三刀脱敏，全在 SQL 里duckdb-luajit: 一条 SQL 脱敏，还能自证脱够了
DuckDB 没有数据脱敏能力。这个扩展把它补成了一条 SQL，还能自己给出 k/l/t 效果报告。
阅读全文 ：duckdb-luajit: 一条 SQL 脱敏，还能自证脱够了DuckDB实战:从数据库到 DataAgent：MIMIC 工作流完整链路
前面四篇，我们拆开了每一步：MIMIC 数据怎么拿、31 个模板怎么设计、模板路由怎么做到 96.8%、OMOP 本体怎么补上概念查询。 这篇把它们串起来
阅读全文 ：DuckDB实战:从数据库到 DataAgent：MIMIC 工作流完整链路DuckDB实战:ICU 每秒都在产生数据，4.3 亿条记录怎么查
ICU 每秒都在产生数据：4.3 亿条记录的监护数据 「ICU 数据量大」是个抽象说法。到底多大？ 我们把自己的 MIMIC-IV 副本（从 PhysioNet 申请下载，见本系列第一篇）转成 Parquet 后，跑了一遍统计。
阅读全文 ：DuckDB实战:ICU 每秒都在产生数据，4.3 亿条记录怎么查OMOP 本体：字面查询漏掉 57% 的脓毒症患者
上一篇文章里，我们把 MIMIC 变成了 31 个模板。模板解决「怎么查」的问题，但还有一个更隐蔽的问题：查什么？ 「查脓毒症患者」——听起来很简单。
阅读全文 ：OMOP 本体：字面查询漏掉 57% 的脓毒症患者怎么证明 AI 答对了：golden 快照与评测的坑
AI 写 SQL 查数据，答对答错怎么判定？ 直觉做法：拿 AI 的结果和「标准答案」比。但医疗数据没有标准答案：同一个问题，不同写法、不同条件，结果都不一样。
阅读全文 ：怎么证明 AI 答对了：golden 快照与评测的坑