底層實際的運作方式
從這裡開始不再有行銷粉飾。以下是 SQLly GPUI 用戶端的真實架構——程式庫、資料結構、設計決策——它是仍在積極開發的版本,本站上每一張螢幕截圖都來自它。
以 GPU 繪製的原生 UI,不是 webview
你現在看到的視窗不是 Electron,也不是披著原生外衣的瀏覽器引擎。
這裡的每個像素——文字排版、自動完成彈出視窗、語法高亮——都由 GPUI 自己的 GPU 加速渲染器繪製。
與 Zed 相同的渲染方式
SQLly 的用戶端建構在 GPUI 之上——那是為 Zed 編輯器打造的 Rust UI 框架。它是保留式/立即式混合的 GPU 加速工具組——不是 DOM,底下也不是 AppKit 檢視,就只是 Rust 直接畫到 GPU 上。
結果網格本身就是一個獨立的 crate
與其在程式裡土砲網格虛擬化,結果網格改用一個獨立發布的 crate - sqlly-datatable - 以獨立元件的形式處理虛擬化、選取、排序與篩選。
以同一份原始碼樹建置的 macOS、Windows 和 Linux 版本
GPUI 用戶端以同一份 Rust 程式碼庫支援全部三個桌面平台,並為每個作業系統分別打包:一個 .app bundle(macOS 上僅限 Apple Silicon),以及一個 .desktop 在 Linux 上的項目,以及一個原生 .exe 在 Windows 上。
嘗試 sqlly-datatable - 真正的結果格線,用 WebAssembly 呈現
結果網格是獨立的開源 crate,它的範例應用程式可編譯成 WebAssembly、跑在 GPUI 的網頁後端上——由桌面應用程式同一套 GPU 渲染器繪製,不是截圖,而是真正的元件在 WebGPU 畫布中執行。我們現在把這個即時版本託管在說明文件裡,只有在你打開時才載入、離開就立刻卸載,WebAssembly 的承載不會在背景閒置。
需要支援 WebGPU 的瀏覽器(Chrome/Edge 113+,或最新的 Safari/Firefox)。完全在你的電腦上執行——沒有任何資料被傳送到其他地方。
兩套詞法分析器、具方言意識的解析器,以及位置完全對應的剖析樹
SQL 不是單一種語言。T-SQL、Postgres、MySQL、Oracle、SQLite、ClickHouse 和 DuckDB 在引號、註解和一半的語法上都不相同——而 Redis 更根本不是 SQL——所以管線最前端就把方言當成一等參數處理,而不是事後才補的想法。
以方言表驅動的詞彙分析器
語彙化規則——引號樣式、註解語法、運算子集合——由各方言專屬的對照表驅動,而非寫死的分支,因此新增或修正一個方言不用再分岔語彙分析器。
各方言的容錯解析器
每個支援的方言都有自己的容錯解析器,忠實保留來源文字的位置資訊——也就是解析後的樹狀結構會保留確切的原始位置,因此即使查詢的其他部分語法有誤,IntelliSense 和診斷仍能精確指向正確的字元。
第二個更快的掃描器——刻意的
另有單趟掃描的斷詞器負責檔案系統覆蓋物件模型(見下文)。它刻意做得比完整的詞彙分析器/剖析器堆疊更簡單、更快,因為它要掃過 schema 即程式碼儲存庫裡的每個檔案,而不只是你正在編輯的查詢。
一個真正的 T-SQL 語言伺服器
在剖析器堆疊之上,有一個基於 JSON-RPC/stdio 的真正 LSP 實作——懸停提示、診斷、語意標記與自動完成——因此驅動編輯器的同一套智慧,任何支援 LSP 的用戶端都能使用。
兩個收集器,一份原子快照
DBA 指南中「本機檔案可以蓋過線上資料庫」的技巧之所以真的行得通、而且夠快,靠的就是這個。
// 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
資料庫與檔案系統,並行收集
sqlly-modelengine 會平行執行資料庫收集器與檔案系統收集器,各自標上一個世代計數器,然後在任何下游讀到結果之前,透過屏障合併把它們匯合回來。
新鮮度靠實測,不靠假設
合併時會比較資料庫目前回報的修改時間戳記與內容雜湊,以及磁碟上的版本,所以本機檔案只有在確實比較新時才會覆蓋資料庫,而不是單純因為它存在。
讀取端永遠不會看到殘缺的模型
合併後的模型會以單一原子快照的方式整批換入每一個世代。IntelliSense 與驗證讀到的永遠是完整且內部一致的模型——不是上一個世代,就是新的世代,絕不會是重建到一半的殘缺模型。
信心值是作為資料來追蹤,而不是靠猜的
當模型無法完整驗證時——例如 DDL 的粗略草圖、編輯到一半的移轉——引擎會以明確的 Provenance 和 Fidelity 中繼資料,並透過一條獨立的雙範圍驗證路徑對它執行自動完成,而不是默默把猜測升級成事實。
本機模型推論,並可選用雲端作為備援
AI 這一塊確實是分層的 — 從完全本機的推理,到你主動選擇的雲端提供者。以下是 GPUI 用戶端今天真實具備的能力,並且一一清楚標示。
中段填空自動完成
程式碼風格的 FIM 自動完成設計上是在小型本機模型(Qwen2.5-Coder 等級)上執行,在你輸入時提供內嵌建議。提示詞轉譯、模型與語彙基元目錄,以及偏好設定都已完整移植並通過單元測試;還在接線的是串流產生的傳輸層。
具備真實架構的助理面板
AI 面板是移植過來、結構完整的聊天介面——不是空殼——可以用來針對你的結構描述提問並取得產生的 SQL。面板與其狀態都是真實的;背後的提供者接線正在接通。
透過 Ollama 使用你自己的本機模型
如果你已經透過 Ollama 執行模型,SQLly 可以直接與它串接,進行 schema 問答、嵌入與搜尋。健康狀態/安裝狀態機已移植完成並驅動 UI;而找出並啟動它的程序管理層 ollama 還在收尾。
適用於 Apple Silicon 的 MLX sidecar 程序
Apple Silicon 上的本機推論會透過小型外部 MLX sidecar 處理序執行,SQLly 透過 HTTP 與它通訊,讓繁重的 ML 執行環境留在主要應用程式處理序之外。值類型與健康狀態回報已完成;sidecar 的啟動與管理仍在開發中。
裝置端向量搜尋 (LanceDB)
這項計畫是一個完全本機的向量儲存,透過 LanceDB 做結構描述/向量嵌入搜尋。目前那個 crate 是刻意保留的空殼——每次呼叫都回傳清楚而誠實的錯誤,而不是默默無作為——而管線的其餘部分都已經完成,就等它接上。
雲端提供者,需明確選用才會啟用
當你選擇使用本機模型以外的雲端模型時,雲端提供者選擇器(OpenRouter、OpenAI、Claude)和它的偏好設定面板都已就位——除非你主動指過去,否則不會有任何東西離開你的機器。選擇器背後的 HTTP 傳輸還在接線中。
Rust 工作區的其餘部分
引擎拆分成職責分明的多個 crate,而非單一巨石——大多數都能以無頭方式使用,入口是 sqlly-cli 用於腳本編寫或完全不使用 UI 的測試。
| Crate | 它負責的部分 |
|---|---|
| sqlly-core | 連線設定檔、命令/事件模型、工作階段、應用程式偏好設定、當機復原快照。 |
| sqlly-engines | 同一個傳輸 trait 背後的原生驅動程式:透過 TDS(基於 Tiberius)的 SQL Server、PostgreSQL、MySQL/MariaDB、SQLite、透過 Hrana 的 libSQL/Turso、in-process 的 DuckDB、透過 HTTP 的 ClickHouse、透過 Instant Client 的 Oracle,以及透過 RESP 的 Redis。 |
| sqlly-query | 查詢執行/串流、IntelliSense 自動完成管線、查詢歷史與 tokenizer 銜接。 |
| sqlly-metadata | 物件總管與目錄中繼資料模型。 |
| sqlly-scripting | 識別碼引號處理、腳本產生,以及可瀏覽的腳本範本目錄。 |
| sqlly-plans | 執行計畫(ShowPlan XML)解析與計畫警告。 |
| sqlly-admin | 備份/還原、活動監視器、資料表編輯、Query Store、擴充事件、匯入/匯出、結構描述比較,以及設計工具 SQL 產生。 |
| sqlly-security | SQL 與 Entra 驗證提供者、祕密存放區抽象層,以及安全性目錄 SQL。 |
| sqlly-catalog | 物件「卡片」、針對結構描述的混合式全文 + 向量搜尋,以及 AI 快取失效。 |
| sqlly-testkit | SQL Server 容器,以及整個工作區自身測試套件都在使用的 fixture/golden-file 測試輔助工具。 |
批次腳本,一次一個語句
語彙分析器提供了一個陳述式分割器,供變更審查路徑使用,因此多陳述式腳本可以逐一陳述式地分析——並逐一陳述式地做安全檢查——而不是被當成一整塊不透明的東西。
效能宣稱都有測試套件背書
自動完成的延遲預算測試
IntelliSense crate 內含一項測試,斷言快取的自動完成必須在明確的延遲預算之內 — 自動完成路徑的效能退化會讓 CI 失敗,而不是幾個月後才被使用者發現。
以真實子程序執行的整合測試
除了單元測試之外,CLI 引擎還用真實子程序的整合測試來鍛鍊:這些測試會設定真實的環境變數,並對相關記錄做斷言——涵蓋 ping/回應的關聯、未獲回應請求的偵測,以及優雅關機時的記錄修剪。
以真實 SQL Server 為對象的 Golden 檔案測試基準
sqlly-testkit 會啟動一個真實的 SQL Server 容器來做整合測試,因此查詢層與中繼資料層都是對著真實引擎測試,而不是只測模擬的回應。