// 給技術愛好者

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。

// 前端

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。

SQLly - GPUI 編輯器
SQLly 編輯器以 GPUI 原生呈現,顯示 IntelliSense 關鍵字自動完成

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。

🖼️
gpui ✓ 功能正常

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。

🧩
sqlly-datatable ✓ 功能正常

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。

🖥️
一個程式碼庫,三個作業系統 ✓ 功能正常

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。

// 開源,可在你的瀏覽器中執行

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。

// 正確解析 SQL

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。

🔤
sqlly-sqllex ✓ 功能正常

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。

🌳
sqlly-sqlparse ✓ 功能正常

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。

🧭
sqlly-tokenizer ✓ 功能正常

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。

📡
sqlly-lsp ✓ 功能正常

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。

// 結構描述模型引擎

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
🔀
並行收集 ✓ 功能正常

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。

⏳
透過時間戳記 + 雜湊判定是否過時 ✓ 功能正常

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。

📸
產生階段的快照 ✓ 功能正常

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。

🌫️
不完整的區域 ✓ 功能正常

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。

// 裝置端 AI 堆疊

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。

⚡
fim 補全 ◐ 進行中

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。

🗣️
AI 聊天面板 ◐ 進行中

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。

🦙
ollama ◐ 進行中

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。

🧭
sqlly-mlx ◐ 進行中

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。

🗃️
本機向量快取 ○ 計畫中

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。

☁️
雲端備援 ◐ 進行中

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。

為什麼要指出未完成的部分? 因為另一條路是一個功能頁面,只要有人翻開原始碼,它就悄悄變得不實。例如,模型選擇器 UI 在舊的 Swift 應用程式裡就比今天的 GPUI 走得前面——我們寧可直說,也不想讓你自己去發現。
// 引擎中的其他所有內容

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-securitySQL 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-testkitSQL 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。
📝
範本 ✓ 功能正常

一個真正的腳本範本目錄

範本系統使用相同的 <name,type,default> 佔位符語法 SSMS 範本使用的是刻意熟悉的語法,而不是需要你從零學起的新 DSL。

🔬
split_statements ✓ 功能正常

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。

// 經過測試,不只是快

效能宣稱都有測試套件背書

✅
✓ 功能正常

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。

✅
✓ 功能正常

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。

✅
✓ 功能正常

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。

這就是導覽。

如果你發現這裡的內容和原始碼對不上——程式碼庫變動很快——請告訴我們。我們寧願把頁面修好,也不想讓它默默過時。