Notes de version 9.29 : 24 septembre 2025-26 septembre 2025¶

Applications natives partagées déclaratives (Prévisualisation)¶

Le partage déclaratif permet aux fournisseurs de partager et de vendre des produits de données, améliorés par Snowflake Notebooks pour aider les consommateurs Snowflake à visualiser et à explorer les données.

Les applications natives partagées déclaratives sont disponibles en prévisualisation.

L’expérience de développement simplifiée du partage déclaratif permet de démarrer rapidement.

Les fonctions clés sont les suivantes :

• Développement rationalisé : Les fournisseurs peuvent définir des objets partagés, y compris des notebooks, à l’aide d’un simple format de fichier YAML, avec contrôle de version automatique.

• Développement en direct des notebooks : Vous pouvez développer des notebooks de manière interactive, modifier le contenu des notebooks et le partager, le tout depuis Snowsight.

• Visibilité contrôlée des données : Les rôles d’application permettent aux fournisseurs de catégoriser les données, ce qui donne aux consommateurs un contrôle facile sur la visibilité des données.

• Ressources gérées par le consommateur : L’application s’exécute dans le compte du consommateur, ce qui lui permet de gérer l’utilisation et les coûts des ressources.

• Exécution sécurisée : Les applications avec partage déclaratif fonctionnent dans un environnement étroitement contrôlé, garantissant des limitations strictes sur leurs actions et l’accès aux données.

Pour plus d’informations, voir À propos du partage déclaratif dans le framework des applications natives.

Surveillance Cortex Agent (Prévisualisation)¶

La surveillance Cortex Agent vous donne accès à des journaux et au traçage détaillés de vos agents, accessible via Snowsight. Les journaux de votre agent comprennent des détails sur la planification LLM, l’exécution des outils, la génération et l’exécution de SQL, et plus encore.

Pour plus d’informations, voir Surveiller les requêtes des Agents Cortex.

Sortie structurée AI_COMPLETE avec des littéraux de types (Prévisualisation)¶

Utilisez le littéral de type, une nouvelle syntaxe rationalisée, pour définir une sortie JSON structurée dans les fonctions AI. Avec les littéraux de type, votre sortie est structurée à l’aide d’une définition de type de données SQL au lieu d’un schéma JSON.

Cette nouvelle fonctionnalité simplifie l’utilisation du paramètre response_format avec AI_COMPLETE. La sortie structurée est une fonctionnalité importante pour la construction de pipeline de données AI robustes, donc AI_COMPLETE valide chaque jeton au fur et à mesure qu’il est généré pour s’assurer que la réponse finale est parfaitement conforme à votre schéma.

Offre de littéraux de types :

• Définitions simplifiées : Réduisez la complexité et la longueur de vos définitions de sorties structurées.

• Meilleure lisibilité : Nettoyez vos requêtes SQL pour qu’elles soient plus faciles à comprendre en un coup d’œil.

Les littéraux de type commencent par le nouveau mot clé TYPE, suivi d’un typeOBJECT SQL décrivant votre sortie structurée :

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))
);

Pour plus d’informations, voir Sorties structurées AI_COMPLETE.

Prise en charge de l’exécution automatique inter-Cloud pour les formats de table ouverts¶

Vous pouvez désormais partager des formats de table ouverts, tels que Apache Iceberg et Delta Lake, dans les annonces de toutes les régions et de tous les Clouds, et activer l’exécution automatique sur ces listes.

Pour plus d’informations, voir Utilisation de l’exécution automatique avec des formats de table ouverts.

CREATE OR ALTER DYNAMIC TABLE (Prévisualisation)¶

La commande CREATE OR ALTER DYNAMIC TABLE associe la fonctionnalité de la commande CREATE DYNAMIC TABLE et de la commande ALTER DYNAMIC TABLE. Elle s’exécute comme une instruction CREATE si la table dynamique n’existe pas. Si elle existe, elle transforme la table dynamique conformément à la définition de l’objet dans l’instruction.

Pour plus d’informations, voir CREATE OR ALTER <objet> et CREATE OR ALTER DYNAMIC TABLE.

Qualité des données : amélioration de la fonction de métrique des données FRESHNESS¶

Vous pouvez désormais associer la fonction de métrique des données (DMF) FRESHNESS à une table sans spécifier d’argument de colonne, ce qui vous permet de déterminer la dernière fois qu’une commande DML agissait sur la table. Auparavant, vous deviez associer la fonction FRESHNESS à une colonne d’horodatage pour déterminer la dernière fois que la table a été modifiée.

Pour plus d’informations, consultez la DMF FRESHNESS.