9.29 Release-Notizen: 24. September 2025 – 26. September 2025¶

Declarative Shared Native Apps (Vorschau)¶

Die deklarative Freigabe ermöglicht es Anbietenden, Datenprodukte zu teilen und zu verkaufen, die um Snowflake Notebooks erweitert werden, um Snowflake-Verbrauchenden die Visualisierung und Erkundung der Daten zu erleichtern.

Declarative Shared Native Apps befindet sich in der Vorschau.

Die vereinfachte Entwicklungsumgebung der deklarativen Freigabe erleichtert den Einstieg.

Zu den wichtigsten Features gehören:

• Optimierte Entwicklung: Anbietende können freigegebene Objekte, wie Notizbücher, mithilfe eines einfachen YAML-Dateiformats mit automatischer Versionskontrolle definieren.

• Live-Notizbuch-Entwicklung: Sie können interaktiv Notizbücher entwickeln sowie Inhalte von Notizbüchern bearbeiten und freigeben – und das alles innerhalb von Snowsight.

• Kontrollierte Datensichtbarkeit: Anwendungsrollen ermöglichen es Anbietenden, Daten zu kategorisieren und Verbrauchenden eine einfache Kontrolle über die Sichtbarkeit der Daten zu geben.

• Verbraucherverwaltete Ressourcen: Die Anwendung wird im Konto des Verbrauchenden ausgeführt, sodass dieser die Ressource und die Kosten verwalten kann.

• Sichere Ausführung: Deklarativ freigegebene Anwendungen werden in einer streng kontrollierten Umgebung ausgeführt, die strenge Einschränkungen für ihre Aktionen und den Datenzugriff gewährleistet.

Weitere Informationen dazu finden Sie unter Allgemeine Informationen zur deklarativen Freigabe im Native Application Framework.

Cortex Agent Monitoring (Vorschau)¶

Cortex Agent Monitoring bietet Ihnen Zugriff auf detaillierte Protokolle und die Ablaufverfolgung für Ihre Agenten, die über Snowsight zugänglich sind. Die Protokolle Ihres Agenten enthalten Details zur LLM-Planung, Toolausführung, SQL-Erstellung und -Ausführung und mehr.

Weitere Informationen dazu finden Sie unter Cortex Agent-Anfragen überwachen.

Strukturierte AI_COMPLETE-Ausgabe mit Typliteralen (Vorschau)¶

Verwenden Sie das Typliteral, eine neue, optimierte Syntax, um die strukturierte JSON-Ausgabe in AI-Funktionen zu definieren. Bei Typliteralen wird Ihre Ausgabe mithilfe einer SQL-Datentypdefinition anstelle eines JSON-Schemas strukturiert.

Dieses neue Feature vereinfacht die Verwendung des response_format-Parameters mit AI_COMPLETE. Die strukturierte Ausgabe ist ein wichtiges Feature für den Aufbau robuster AI-Datenpipelines. Folglich validiert AI_COMPLETE jedes Token, während es erzeugt wird, um sicherzustellen, dass die endgültige Antwort genau mit Ihrem Schema übereinstimmt.

Typliterale bieten Folgendes:

• Vereinfachte Definitionen: Reduzieren Sie die Komplexität und Länge Ihrer Definitionen für die strukturierte Ausgabe.

• Verbesserte Lesbarkeit: Gestalten Sie Ihre SQL-Abfragen so, dass diese auf einen Blick übersichtlicher und einfacher zu verstehen sind.

Typliterale beginnen mit dem neuen TYPE-Schlüsselwort, gefolgt von einem SQL OBJECT-Typ, der Ihre strukturierte Ausgabe beschreibt:

SELECT AI_COMPLETE(
  model => 'claude-3-5-sonnet',
  prompt => 'Extract structured data from this customer interaction note: Customer Sarah Jones complained about the mobile app \
    crashing during checkout. She tried to purchase 3 items: a red XL jacket ($89.99), blue running shoes ($129.50), and a fitness \
    tracker ($199.00). The app crashed after she entered her shipping address at 123 Main St, Portland OR, 97201. She has been a \
    premium member since January 2024.',
  response_format => TYPE OBJECT(note OBJECT(items_count NUMBER, price ARRAY(STRING), address STRING, member_date STRING))
);

Weitere Informationen dazu finden Sie unter Strukturierte AI_COMPLETE-Ausgaben.

Unterstützung der Cloud-übergreifenden automatischen Ausführung für offene Tabellenformate¶

Sie können nun offene Tabellenformate, wie Apache Iceberg und Delta Lake, in Freigabeangeboten über Regionen und Clouds hinweg freigeben und die automatische Ausführung für diese Freigabeangebote aktivieren.

Weitere Informationen dazu finden Sie unter Verwenden der automatischen Ausführung mit offenen Tabellenformaten.

CREATE OR ALTER DYNAMIC TABLE (Vorschau)¶

Der Befehl CREATE OR ALTER DYNAMIC TABLE kombiniert die Funktionen der Befehle CREATE DYNAMIC TABLE und ALTER DYNAMIC TABLE. Er wird als CREATE-Anweisung ausgeführt, wenn die dynamische Tabelle nicht existiert. Wenn diese existiert, wird die dynamische Tabelle entsprechend der Objektdefinition in der Anweisung transformiert.

Weitere Informationen dazu finden Sie unter CREATE OR ALTER <objekt> und CREATE OR ALTER DYNAMIC TABLE.

Datenqualität: Verbesserung der FRESHNESS-Datenmetrikfunktion¶

Sie können jetzt die FRESHNESS-Datenmetrikfunktion (DMF) mit einer Tabelle ohne Angabe eines Spaltenarguments verknüpfen, sodass Sie den letzten Zeitpunkt ermitteln können, zu dem ein DML-Befehl auf die Tabelle angewendet wurde. Zuvor mussten Sie die FRESHNESS-Datenmetrikfunktion mit einer Zeitstempelspalte verknüpfen, um zu ermitteln, wann die Tabelle zuletzt geändert wurde.

Weitere Informationen dazu finden Sie unter FRESHNESS DMF.