Cordonix 0.5.0:让本地 AI 工具调用更可靠、更可观察
Cordonix 是 IoTSharp 旗下的本地执行与工作区契约项目,简称 cdx。它把程序、参数、工作目录、文件路径、文本编码和预期哈希拆成明确字段,让 AI 智能体可以直接调用本地程序、读取和编辑文件,同时保留可验证的结果边界。
阅读文章 ↗专题 / 02
从数据检索到 Agent,理解智能应用的工程边界。
阅读路径
SonnetDB 是一个以 C/.NET 10 实现的单节点多模型数据引擎,提供时序、关系表、KV、JSON 文档、全文、向量、对象、SonnetMQ 与原生属性图等模型。最近一轮更新围绕三个实际问题展开:数据如何更可靠地保存,检索如何给出完整且有边界的结果,以及应用如何在资源受
打开文章 ↗Cordonix 是 IoTSharp 旗下的本地执行与工作区契约项目,简称 cdx。它把程序、参数、工作目录、文件路径、文本编码和预期哈希拆成明确字段,让 AI 智能体可以直接调用本地程序、读取和编辑文件,同时保留可验证的结果边界。
阅读文章 ↗SonnetDB 同时在关系表和 measurement 查询中提供窗口能力,但两条执行路径的分区、排序和可接受语法并不相同;本文用可核查的 SQL 分别演示关系 OVER 与时序 series 窗口,解释结果,并列出不能跨模型套用的边界。 AI 主题示意图,并非实测截图。 先确
阅读文章 ↗SonnetDB 支持用普通 CTE 组织查询、用一个受限的递归 CTE 遍历关系表,并组合 UNION、INTERSECT 与 EXCEPT;本文给出可检查的 SQL 形状和结果解释,同时明确这些上限是查询准入与语义边界,不是进程 CLR 堆峰值或生产容量承诺。 AI 主题示意
阅读文章 ↗SonnetDB 的 Graph Workbench 为原生属性图提供有界的巡检、导入导出、受限编辑和两阶段维护入口;本文用当前源码中的 Graph Beta 合同说明怎样把一次运维操作做成可回读的步骤,而不是把画布、快速检查或知识图谱示例误称为生产图数据库验收。 AI 主题示意
阅读文章 ↗SonnetDB 的 Graph Beta 提供有界加权最短路径与可恢复离线图算法;本文说明如何选择 Dijkstra、A 或双向 Dijkstra,怎样设置预算并只在完整结果版本发布后消费 degree、PageRank 和 community 输出。 AI 主题示意图,并非实
阅读文章 ↗SonnetDB 的原生属性图目前是 Graph Beta;本文介绍如何用 SQL/PGQ GRAPH_TABLE 与嵌入式受限 GQL 风格查询一跳或有界路径,并用 EXPLAIN 检查实际访问路径、预算和拒绝边界。 AI 主题示意图,并非实测截图。 本文按本地源码提交 dbc
阅读文章 ↗SonnetDB 的 SonnetMQ 同时有数据库资源树中的 database + topic 逻辑身份,以及实例级 .system/mq 持久化边界;本文用这两个作用域组织权限、快照和恢复检查清单,避免把单库备份误写成整个消息实例的恢复方案。 AI 主题示意图,并非实测截图。
阅读文章 ↗SonnetDB 的 AI 接入由三部分组成:Provider-neutral 的 Copilot、持久 RAG/向量检索,以及 typed MCP HTTP 工具。它们可以组合使用,但不应混写成“AI 自动拥有数据库写权限”。当前 MCP 入口是 /mcp/{database}
阅读文章 ↗从开发者视角梳理 SonnetDB 最近补齐的多模型能力,并用 C# 串起向量检索、全文搜索、对象桶和队列事件分析的典型入口。
阅读文章 ↗通过嵌入式 API 演示 VECTOR 字段、向量字面量、knn(...) 表值函数和 cosine/L2/inner product 距离度量。
阅读文章 ↗介绍 SonnetDB VECTOR 字段上的索引声明方式,并给出 HNSW、IVF、IVF-PQ、Vamana 四类索引的建表示例。
阅读文章 ↗演示 hybrid_search(...) 在文档集合上的 C# 用法,把 match 相关性、JSON embedding 向量距离和业务过滤合并成一个查询。
阅读文章 ↗演示以 measurement VECTOR 做 KNN 召回,再通过设备 tag 关联知识文档、全文索引和关系维表过滤。
阅读文章 ↗介绍 SonnetDB S3-compatible bucket API 和 SndbObjectStorageClient,在 C# 中管理固件、附件、工件和备份对象。
阅读文章 ↗从 IoTSharp 数据底座视角说明 SonnetDB 如何承接遥测、维表、对象桶、全文和向量增强,并给出 C# 配置与访问示例。
阅读文章 ↗SonnetDB 的窗口函数越来越多:movingaverage、ewma、holtwinters、runningsum、runningmin、runningmax,以及 PID、异常检测等高级函数。功能丰富之后,执行器的分配模型就变得重要。
阅读文章 ↗SonnetDB 的 SQL 引擎在设计之初就遵循 SQL 标准,但随着实际应用的深入,我们发现一些在主流数据库中被广泛使用的"非标准写法"同样需要支持。这些写法虽然不属于严格的 SQL 标准,但却是 ORM 框架、数据库探活工具和 AI Copilot 生成代码中的常见模式。本次更新对两类典型场景。
阅读文章 ↗向量计算让 SonnetDB 可以把语义检索、相似工况检索和 Copilot 知识库召回放在同一个时序数据库里。向量基准单独评估精确扫描、HNSW ANN 查询和 Recall@10。
阅读文章 ↗某工业 SaaS 创业公司为中小制造企业提供"设备数据分析"服务。目标客户是没有专业数据工程师的中小工厂,他们有传感器数据,但不会写 SQL,更不懂机器学习。公司希望构建一个"让普通工厂员工也能用自然语言分析数据"的 SaaS 平台,核心能力是将用户的自然语言问题自动转换为正确的 SonnetDB。
阅读文章 ↗随着大语言模型(LLM)在开发工具中的广泛应用,数据库与 AI 助手的深度集成成为新的技术趋势。SonnetDB 率先实现了对 Model Context Protocol(MCP) 的原生支持,使 AI 助手能够直接与数据库交互,执行查询、分析数据和生成报告,将自然语言驱动的数据库管理从概念变为现。
阅读文章 ↗SonnetDB 提供了完整的 RESTful HTTP API,分为数据面(Data-Plane)、控制面(Control-Plane)、MCP 接口和可观测性四大类。本文将逐一介绍各端点及其用法,帮助您通过 HTTP 协议与 SonnetDB 交互。
阅读文章 ↗SonnetDB 内置了 50 多种标量和聚合函数,但在实际业务场景中,您通常需要特定领域的计算逻辑。为此,SonnetDB 提供了完整的用户自定义函数(UDF)框架,支持注册标量函数、聚合函数、窗口函数和表值函数四类扩展,全部通过 C# 代码实现。
阅读文章 ↗CopilotDock 是 SonnetDB Web 管理界面中的 AI 助手面板,以浮动气泡形式存在于页面右下角。它不是一个简单的聊天窗口,而是一个深度感知页面上下文、具备权限管理能力、支持 50 条会话历史的智能工作台。
阅读文章 ↗SonnetDB Copilot 支持真正意义上的多轮对话——Agent 维护完整的对话历史,并能在 SQL 执行失败时自动修复,最多重试 3 次。
阅读文章 ↗SonnetDB Copilot 的核心竞争力之一是其可插拔的技能库系统。每个技能是一个带 YAML frontmatter 的 Markdown 文件,存放在 copilot/skills/ 目录中。系统内置 24 个技能,以下重点介绍 6 个核心技能。
阅读文章 ↗SonnetDB Copilot 的知识库系统是一条完整的 ETL 管道:从扫描源文件到向量检索,全程自动化,零人工干预。
阅读文章 ↗SonnetDB Copilot 采用 OpenAI 兼容协议,这意味着所有兼容 OpenAI API 格式的服务商都可以无缝接入。系统通过 AiOptions 配置类统一管理,Web 管理界面支持可视化配置。
阅读文章 ↗SonnetDB Copilot 是一个深度集成在时序数据库中的 AI 智能体系统。它并非简单的"套壳 ChatGPT",而是一套完整的 RAG(检索增强生成)+ ReAct(推理行动)架构,包含四大核心组件:
阅读文章 ↗pgvector 是 PostgreSQL 生态中最流行的向量扩展。SonnetDB 在设计上充分考虑 pgvector 用户的迁移体验,在运算符层面做了完整兼容。本文将详细介绍两者差异以及迁移要点。
阅读文章 ↗Recall@10 是衡量 ANN 搜索质量的核心指标。本文介绍在 SonnetDB 中如何进行 Recall@10 基准测试,并分析 HNSW 参数对召回率的具体影响。
阅读文章 ↗选择正确的距离度量是向量搜索成功的关键。SonnetDB 内置三种距离度量,通过 KnnMetric 枚举统一管理。本文将深入分析它们的数学定义、适用场景和选择策略。
阅读文章 ↗向量相似性搜索中,精度和延迟往往是一对矛盾。SonnetDB 同时支持暴力精确搜索和 HNSW 近似搜索,让开发者可以根据场景灵活选择。本文将通过真实数据对比分析两者的权衡关系。
阅读文章 ↗SonnetDB 为 VECTOR 类型字段内置了 HNSW(Hierarchical Navigable Small World)图索引,将大规模向量搜索的延迟从秒级降至毫秒级。本文将深入其架构设计,解析 m 与 ef 参数对性能的影响,以及 .SDBVIDX 侧边文件的存储格式。
阅读文章 ↗在生产级向量搜索应用中,单纯的向量相似性往往不够——用户通常还需要结合业务标签过滤和时间范围约束来精确控制搜索结果。SonnetDB 的 knn() 表值函数天然支持 WHERE 子句中的标签过滤和时间范围过滤,实现了"语义相似度 + 业务条件 + 时间窗口"的三维联合查询。
阅读文章 ↗随着 AI 应用的普及,向量检索已成为现代数据库的核心能力之一。SonnetDB 从 v0.6.0 版本开始内置了 KNN(K-Nearest Neighbors)向量搜索功能,通过 knn() 表值函数提供了简洁而强大的向量相似性搜索接口。
阅读文章 ↗原始时序数据往往包含随机噪声,直接使用会干扰趋势判断和异常检测。SonnetDB 提供了 movingaverage() 和 ewma() 两种平滑函数,帮助用户从杂乱的数据中提取稳定的信号。
阅读文章 ↗随着 AI 嵌入(embedding)向量的广泛应用,时间序列数据库中存储向量数据已经成为常态。SonnetDB 提供了 centroid(embedding) 聚合函数,用于计算一组向量的逐维度平均值——即这些向量的几何中心(centroid)。这个函数对聚类分析、原型向量提取和向量质量监控等场景。
阅读文章 ↗SonnetDB 在提供完整的标量向量函数的同时,还兼容了 pgvector 的运算符语法。这意味着如果你之前使用过 PostgreSQL 的 pgvector 扩展,可以几乎无缝地将查询迁移到 SonnetDB,只需修改表名和列名即可。
阅读文章 ↗向量检索是 SonnetDB 的核心功能之一,而向量距离度量是向量检索的基础。SonnetDB 提供了四种标量向量函数,让你可以在普通的 SELECT 查询中直接计算向量之间的距离和范数,无需借助外部计算工具。
阅读文章 ↗向量嵌入是机器学习和 AI 应用的核心数据形式。SonnetDB 原生支持 VECTOR(n) 数据类型,并通过方括号字面量语法 [v0, v1, ...] 让向量的写入和查询变得直观易用。
阅读文章 ↗在时序数据库中,向量数据的使用越来越广泛——从嵌入向量相似度搜索到异常检测,向量检索已经是现代分析场景的核心需求。SonnetDB 提供了 HNSW(Hierarchical Navigable Small World)图索引来加速向量搜索,让海量向量中的近似最近邻查找变得飞快。
阅读文章 ↗SonnetDB 的全文维护可以沿着“看分词、解释命中、审批重建、核对终态”逐步排查。本文把 FullText 工作台已有的 Analyze 和审批重建,与 HTTP 接口提供的评分解释、重建状态串成一条可复核的流程。
阅读文章 ↗SonnetDB 提供 Measurement 和 Document 两类向量主数据入口,并通过 VectorData adapter 接入 .NET 的向量存储抽象。本文从数据身份、查询方式和模型兼容检查出发,说明三种入口如何选择,并给出可以逐步核对的 SQL 和生命周期预检示
阅读文章 ↗SonnetDB 的文档 SQL 向量检索和图片语义检索都能带过滤条件,但它们使用不同的执行路径。本文用一个三文档样例和一份图片查询请求,说明怎样核对过滤顺序、精确回退、查询解释与预算失败,避免把图片服务的 filtered ANN 能力套到通用 SQL 上。
阅读文章 ↗SonnetDB 同时提供 SQL hybrid_search 和 Core 的 RAG 融合接口。本文从两路候选的最小 C 示例开始,说明加权分数与倒数排名融合的差别,再连接持久 generation、权限过滤和重排边界,让读者能解释一次排名来自哪里。
阅读文章 ↗Explains why NativeAOT is a strategic fit for the LVGLSharp runtime and packaging model.
阅读文章 ↗Explains why the project combines a WinForms-style API with the LVGL rendering stack.
阅读文章 ↗Records what v9.5.0.2 actually delivered across Headless, MacOs, Remote, the docs site, and the dependency changes made on top of the LVGL 9.5 baseline.
阅读文章 ↗