Notas da versão 9.29: 24 a 26 de setembro de 2025¶

Aplicativos nativos compartilhados declarativos (versão preliminar)¶

O compartilhamento declarativo permite que provedores compartilhem e vendam produtos de dados, aprimorados pelo Snowflake Notebooks para ajudar os consumidores do Snowflake a visualizar e explorar os dados.

Os aplicativos nativos compartilhados declarativos estão em versão preliminar.

A experiência de desenvolvimento simplificada do compartilhamento declarativo facilita o início rápido.

Os principais recursos incluem:

• Desenvolvimento simplificado: os provedores podem definir objetos compartilhados, incluindo notebooks, usando um formato de arquivo YAML simples, com controle automático de versão.

• Desenvolvimento de notebooks em tempo real: você pode desenvolver notebooks de maneira interativa, editar o conteúdo do notebook e compartilhá-lo, tudo de dentro do Snowsight.

• Visibilidade de dados controlada: as funções de aplicativo permitem que os provedores categorizem os dados, proporcionando aos consumidores fácil controle sobre a visibilidade dos dados.

• Recursos gerenciados pelo consumidor: o aplicativo é executado na conta do consumidor, permitindo que ele gerencie os custos e o uso dos recursos.

• Execução segura: os aplicativos compartilhados declarativamente operam em um ambiente controlado com rigidez, garantindo limitações rigorosas nas ações e acesso aos dados.

Para obter mais informações, consulte Sobre o compartilhamento declarativo no Native Application Framework.

Cortex Agent Monitoring (versão preliminar)¶

O Cortex Agent Monitoring oferece acesso a logs e rastreamentos detalhados para seus agentes, acessíveis pelo Snowsight. Os logs do seu agente incluem detalhes sobre o planejamento do LLM, execução da ferramenta, geração e execução de SQL e muito mais.

Para obter mais informações, consulte Monitoramento de solicitações de Cortex Agents.

Saída estruturada de AI_COMPLETE com literais de tipo (versão preliminar)¶

Use o literal de tipo, uma nova sintaxe simplificada, para definir a saída estruturada de JSON em funções de AI. Com literais de tipo, sua saída é estruturada usando uma definição de tipo de dados de SQL em vez de um esquema de JSON.

Esse novo recurso simplifica o uso do parâmetro response_format com AI_COMPLETE. A saída estruturada é um recurso importante para a construção de pipelines de dados de AI robustos; portanto, AI_COMPLETE valida cada token conforme ele é gerado para garantir que a resposta final esteja em perfeita conformidade com o seu esquema.

Os literais de tipo oferecem:

• Definições simplificadas: reduza a complexidade e o tamanho das suas definições de saída estruturada.

• Maior legibilidade: deixe suas consultas SQL mais claras e fáceis de entender rapidamente.

Os literais de tipo começam com a nova palavra-chave TYPE, seguida por um tipo OBJECT SQL que descreve sua saída estruturada:

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))
);

Para obter mais informações, consulte Saídas estruturadas de AI_COMPLETE.

Suporte ao preenchimento automático entre nuvens para formatos de tabela aberta¶

Agora você pode compartilhar formatos de tabela aberta, como Apache Iceberg e Delta Lake, em listagens entre regiões e nuvens e ativar o preenchimento automático nessas listagens.

Para obter mais informações, consulte Uso do preenchimento automático com formatos de tabela abertos.

CREATE OR ALTER DYNAMIC TABLE (versão preliminar)¶

O comando CREATE OR ALTER DYNAMIC TABLE combina a funcionalidade dos comandos CREATE DYNAMIC TABLE e ALTER DYNAMIC TABLE. Ele será executado como uma instrução CREATE se a tabela dinâmica não existir. Se existir, transformará a tabela dinâmica de acordo com a definição do objeto na instrução.

Para obter mais informações, consulte CREATE OR ALTER <objeto> e CREATE OR ALTER DYNAMIC TABLE.

Qualidade dos dados: melhoria na função de métrica de dados FRESHNESS¶

Agora você pode associar a função de métrica de dados (DMF) FRESHNESS a uma tabela sem especificar um argumento de coluna, o que permite determinar a última vez que um comando DML atuou na tabela. Anteriormente, era necessário associar FRESHNESS a uma coluna de carimbo de data/hora para determinar a última vez que a tabela foi modificada.

Para obter mais informações, consulte a DMF FRESHNESS.