实际在后台运行的内容
从这里开始,不再有营销话术。这是 SQLly GPUI 客户端的真实架构——crate、数据结构、设计决策——它是唯一还在活跃开发的客户端,本站的每一张截图都来自它。
一个 GPU 渲染的原生 UI,而不是 WebView
你看到的窗口既不是Electron,也不是穿着原生外观的浏览器引擎。
这里的每一个像素——文本布局、补全弹出窗口、语法高亮——都由 GPUI 自己的 GPU 加速渲染器绘制。
与 Zed 相同的渲染方式
SQLly 的客户端基于 GPUI 构建——这是为 Zed 编辑器打造的 Rust UI 框架。它是保留模式与即时模式相结合的 GPU 加速工具包:没有 DOM,底下也不是 AppKit 视图,就是 Rust 直接往 GPU 上画。
结果网格是独立的 crate
与其在内部手写网格虚拟化,结果网格直接使用一个单独发布的专用 crate - sqlly-datatable - 作为独立组件处理虚拟化、选择、排序和筛选。
从同一代码树支持 macOS、Windows 和 Linux
GPUI 客户端用同一套 Rust 代码库面向全部三种桌面平台,并按操作系统分别打包: .app macOS 上的一个 bundle(仅限 Apple Silicon), .desktop 条目(Linux 上),以及一个原生的 .exe 在 Windows 上。
尝试 sqlly-datatable - 真正的结果网格,以 WebAssembly 形式
结果网格本身是一个开源 crate,它的示例应用可以编译为 WebAssembly,跑在 GPUI 的 Web 后端上——由桌面应用所用的同一个 GPU 渲染器绘制,不是截图,而是真正运行在 WebGPU 画布里的组件。我们现在把这个实时构建托管在文档里,只在你打开时加载、一离开就卸载,因此 WebAssembly 载荷不会在后台闲置。
需要支持 WebGPU 的浏览器(Chrome/Edge 113+ 或较新的 Safari/Firefox)。完全在你的电脑上运行——不会向任何地方发送数据。
两个词法分析器、按方言细分的解析器,以及忠实于源码位置的语法树
SQL 不是一种语言。T-SQL、Postgres、MySQL、Oracle、SQLite、ClickHouse 和 DuckDB 在引号、注释以及一半语法上都存在差异——而 Redis 根本不是 SQL——所以管道前端将方言视为一等参数,而不是事后考虑。
由方言表驱动的词法分析器
分词规则——引号风格、注释语法、运算符集合——由各方言自己的表驱动,而不是硬编码的分支,因此新增或修正一种方言,不需要再复制一份词法分析器。
可容错恢复的解析器,覆盖各种方言
每种支持的方言都有自己的恢复解析器,它对源文本保持跨度忠实——这意味着解析树保持精确的源位置,因此即使查询周围有错误,IntelliSense 和诊断也能准确指向正确的字符。
第二个更快的扫描器——有意为之
一个独立的单遍标记器驱动着文件系统覆盖对象模型(见下文)。它刻意做得比完整的词法分析器/解析器栈更简单、更快,因为它要运行在模式即代码仓库的每个文件上,而不只是你正在编辑的那条查询。
真正的 T-SQL 语言服务器
在解析器栈之上是一个真正的 LSP 实现,经由 JSON-RPC/stdio 提供悬停、诊断、语义标记和补全——驱动编辑器的同一套智能,任何会说 LSP 的客户端都能用上。
两个收集器,一个原子快照
DBA 指南里“本地文件可以盖过实时数据库”的技巧,正是靠这一部分才真正生效——而且依然保持高速。
// conceptual shape, not literal source generation += 1; let db_task = spawn(collect_from_database(generation)); let fs_task = spawn(collect_from_filesystem(generation)); let (db, fs) = join(db_task, fs_task).await; let merged = merge_by_provenance(db, fs); // newer mtime/hash wins snapshot.swap(merged); // atomic - readers never see a half-built model
数据库和文件系统,并发采集
sqlly-modelengine 并行运行数据库收集器和文件系统收集器,每个都带有生成计数器,然后在下游看到结果之前通过屏障合并重新聚合它们。
新鲜度靠实测,不靠假设
合并会对比在线数据库报告的修改时间戳和内容哈希与磁盘上的内容,因此本地文件只有在确实更新时才会覆盖数据库——而不是仅仅因为文件存在。
读取者永远不会看到撕裂的模型
合并后的模型在每次生成时都以一个原子快照整体换入。IntelliSense 和验证始终读取完整、内部一致的模型——要么是上一代,要么是新一代,绝不会是重建到一半的中间状态。
置信度作为数据来跟踪,而不是猜测
当模型无法被完整验证时——一段粗略的 DDL 草图、一个改到一半的迁移——引擎会用显式的 Provenance 和 Fidelity 元数据,并通过一条独立的双作用域验证路径对它运行补全,而不是悄悄把猜测当成事实。
本地模型推理,云端仅在主动开启后作为后备
AI 这块的故事确实是分层的——从完全本地的推理,到你明确选择的云提供商。以下是 GPUI 客户端今天真实具备的能力,一一如实标注。
中间填充自动补全
代码风格的 FIM 补全设计用于针对小型本地模型(Qwen2.5-Coder 类)运行,以在你输入时提供内联建议。提示渲染、模型/令牌目录和偏好设置已完全移植并经过单元测试;流式生成传输仍在接入阶段。
架构真实的助手面板
AI 面板是从旧客户端移植过来的结构化聊天界面——不是占位符——用来就你的架构提问并拿回生成的 SQL。面板及其状态是真的;背后的提供商管道还在接。
通过 Ollama 自带本地模型
如果你已经在用 Ollama 运行模型,SQLly 可以直接接入它,进行针对模式的问答、嵌入和搜索。健康/安装状态机已移植并驱动 UI;用于查找和启动的进程管理层 ollama 的进程管理层还在收尾中。
Apple Silicon 的 MLX 辅助组件
Apple Silicon 上的本地推理通过一个小型外部 MLX 辅助进程进行,SQLly 通过 HTTP 与它通信——把笨重的 ML 运行时隔离在主应用进程之外。值类型和健康上报已就绪;辅助进程的启动与管理仍在进行中。
设备端向量搜索(LanceDB)
该计划是一个完全本地的向量存储,通过 LanceDB 做模式/嵌入搜索。目前这个 crate 是有意保留的存根——每次调用都返回一个明确、诚实的错误,而不是静默地什么都不做——而管线其余部分已经围绕它完成。
云提供商,需主动启用且明确同意
当你选择使用设备外模型时,云服务提供商选择器(OpenRouter、OpenAI、Claude)及其偏好设置面板已就位——除非你自己指向它,否则没有任何内容会离开你的设备。选择器背后的 HTTP 传输正在接线中。
Rust 工作区的其余部分
引擎被拆分为多个职责清晰的 crate,而不是一个单体——其中大多数都能以无界面方式通过 sqlly-cli 进行无头访问,适用于脚本或完全不使用 UI 的测试。
| Crate | 它所拥有的内容 |
|---|---|
| sqlly-core | 连接配置文件、命令/事件模型、会话、应用偏好设置、崩溃恢复快照。 |
| sqlly-engines | 这些原生驱动都实现在同一个传输特性之下:通过 TDS 的 SQL Server(基于 Tiberius)、PostgreSQL、MySQL/MariaDB、SQLite、通过 Hrana 的 libSQL/Turso、进程内运行的 DuckDB、通过 HTTP 的 ClickHouse、通过 Instant Client 的 Oracle,以及通过 RESP 的 Redis。 |
| sqlly-query | 查询执行/流式传输、IntelliSense 补全的基础管道、查询历史、分词器胶水代码。 |
| sqlly-metadata | 对象资源管理器和目录元数据模型。 |
| sqlly-scripting | 标识符加引号、脚本生成以及可浏览的脚本模板目录。 |
| sqlly-plans | 执行计划(ShowPlan XML)解析和计划警告。 |
| sqlly-admin | 备份/恢复、活动监视器、表编辑、查询存储、扩展事件、导入/导出、模式比较和设计器 SQL 生成。 |
| sqlly-security | SQL 和 Entra 身份验证提供程序、密钥存储抽象、安全目录 SQL。 |
| sqlly-catalog | 对象“卡片”、模式上的全文 + 向量混合搜索,以及 AI 缓存失效。 |
| sqlly-testkit | 工作区自身测试套件所用的 SQL Server 容器和夹具/golden 文件测试辅助工具。 |
真正的脚本模板目录
模板系统使用相同的 <name,type,default> 占位符语法 SSMS 占位符语法与 SSMS 模板所用的相同——刻意让人眼熟,而不是一套需要你从零学起的新 DSL。
批处理脚本,一次一条语句
词法分析器对外提供一个语句拆分器,供变更审核路径使用,因此多语句脚本可以逐条语句地推理和安全检查,而不是当成一整块黑盒。
性能声明都有测试套件支撑
代码补全的延迟预算测试
IntelliSense 包包括一个测试,用于断言缓存的补全保持在明确的延迟预算内——补全路径上的性能回归会导致 CI 失败,而不仅仅是用户几个月后才注意到。
基于真实子进程的集成测试
除了单元测试,CLI 引擎还要经受真实子进程集成测试的锻炼:测试会设置真实的环境变量,并对关联日志做断言——覆盖 ping/响应关联、无应答请求检测和优雅关闭时的日志裁剪。
针对真实 SQL Server 的 golden 文件夹具
sqlly-testkit 为集成测试启动一个真正的 SQL Server 容器,查询层和元数据层因此是在真实引擎上测试的,而不只是对着模拟的响应。