<?xml version="1.0" encoding="utf-8"?>
<feed xmlns="http://www.w3.org/2005/Atom">
    <id>https://docs.getdbt.tech/blog/</id>
    <title>Документация dbt Blog</title>
    <updated>2026-10-30T00:00:00.000Z</updated>
    <generator>https://github.com/jpmonette/feed</generator>
    <link rel="alternate" href="https://docs.getdbt.tech/blog/"/>
    <subtitle>Документация dbt Blog</subtitle>
    <entry>
        <title type="html"><![CDATA[Постиг ли навыки dbt «горький урок»?]]></title>
        <id>https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/</id>
        <link href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/"/>
        <updated>2026-10-30T00:00:00.000Z</updated>
        <summary type="html"><![CDATA[С тех пор как мы выпустили навыки dbt для агентов, модели заметно улучшились, поэтому я проверил Claude Opus, Sonnet и Haiku 5.5, а затем Sonnet 4.5 на dbt-проекте о «Формуле-1» — с навыками и без них. Модели 5.5 уже знали dbt, разброс между запусками оказался больше любого эффекта от навыков, а хорошие запуски от плохих отличал процесс работы.]]></summary>
        <content type="html"><![CDATA[<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:80%"><span><a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#" data-featherlight="/img/blog/2026-10-30-dbt-skills-eval/bitter-lesson-meme.jpg"><img data-toggle="lightbox" alt="Смерть с косой с надписью «Горький урок» уже побывала у дверей «Обработка естественного языка» и «Промпт-инжиниринг», а теперь стучится в дверь «Навыки»" title="Смерть с косой с надписью «Горький урок» уже побывала у дверей «Обработка естественного языка» и «Промпт-инжиниринг», а теперь стучится в дверь «Навыки»" src="https://docs.getdbt.tech/img/blog/2026-10-30-dbt-skills-eval/bitter-lesson-meme.jpg?v=2"></a></span><span class="title_aGrV">Смерть с косой с надписью «Горький урок» уже побывала у дверей «Обработка естественного языка» и «Промпт-инжиниринг», а теперь стучится в дверь «Навыки»</span></div>
<p>Помните, каково было писать код с ИИ в это же время год назад? Модели умели писать SQL, но плохо принимали решения. Они упускали многие профессиональные нюансы, которые учитывают опытные инженеры-аналитики. Навыки казались очевидным решением: дать агенту знания, необходимые для конкретной задачи, чтобы не начинать каждый раз с нуля и не набивать один <code>AGENTS.md</code> всем, что только может пригодиться. Навыки появились в Claude в октябре 2025 года, а в декабре того же года стали открытым стандартом. Мы создали собственный набор <a href="https://github.com/dbt-labs/dbt-agent-skills" target="_blank" rel="noopener noreferrer">навыков dbt для агентов</a>, чтобы дать агентам для написания кода недостающие соглашения, команды и шаблоны.</p>
<p>С тех пор модели заметно улучшились, и всегда стоит помнить о <a href="http://www.incompleteideas.net/IncIdeas/BitterLesson.html" target="_blank" rel="noopener noreferrer">«горьком уроке» ИИ</a>: изощрённые решения в долгосрочной перспективе проигрывают простому наращиванию вычислительных ресурсов для решения задачи. Поэтому я захотел проверить, оправдана ли ещё эта ставка. Могут ли новейшие модели создавать и поддерживать dbt-проект реального масштаба без навыков? И если да, то где навыки по-прежнему полезны?</p>
<p>Я потратил пару дней по несколько часов на создание <a href="https://github.com/C00ldudeNoonan/f1-dbt-skills-eval" target="_blank" rel="noopener noreferrer">прототипа системы оценки</a>, чтобы это выяснить: 22 запуска агентов, до 12 задач в каждом, dbt-проект о «Формуле-1» в Snowflake. Выяснилось, что хорошие запуски от плохих отличал процесс работы, а не знание dbt. Я бы не назвал этот вывод окончательным, но в условиях столь быстрых изменений он уже повлиял на моё отношение к навыкам.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:100%"><span><a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#" data-featherlight="/img/blog/2026-10-30-dbt-skills-eval/00_summary_results.png"><img data-toggle="lightbox" alt="Пройденные проверки во втором раунде по моделям и вариантам эксперимента. На результат повлияло поколение модели, а не навыки" title="Пройденные проверки во втором раунде по моделям и вариантам эксперимента. На результат повлияло поколение модели, а не навыки" src="https://docs.getdbt.tech/img/blog/2026-10-30-dbt-skills-eval/00_summary_results.png?v=2"></a></span><span class="title_aGrV">Пройденные проверки во втором раунде по моделям и вариантам эксперимента. На результат повлияло поколение модели, а не навыки</span></div>
<ul>
<li><strong>Разброс между запусками больше любого эффекта от навыков.</strong> Один и тот же вариант — Sonnet 5.5 с доступными навыками — набрал 61%, 100% и 67% в трёх запусках.</li>
<li><strong>Модели 5.5 уже знают dbt.</strong> В 12 из 19 запусков Claude 5.5 были пройдены все проверки, а без навыков каждая модель 5.5 прошла не менее 92%.</li>
<li><strong>Агенты редко открывали навыки по собственной инициативе,</strong> а когда открывали, то чаще всего для незнакомых областей, таких как Semantic Layer или dbt Mesh.</li>
<li><strong>Новое поколение модели даёт больше, чем навык.</strong> Sonnet 4.5 набрала 38% без навыков и 17% с обязательным использованием навыков — два самых низких результата среди всех запусков, причём в обязательном варианте модель прочитала навыки ещё до написания первой модели dbt. (Тот самый «горький урок».)</li>
<li><strong>Преобладали ошибки процесса:</strong> тест, зафиксировавший сегодняшние ответы, неудачные попытки восстановления из резервной копии, игнорирование определений, неверно выбранные окна ретроспективной обработки.</li>
</ul>
<p>Если вы поддерживаете навыки для команды: уберите документацию, объясняющую, как работает dbt, оставьте материалы о возможностях, которые ещё не полностью интегрированы в ваш стек, и создайте новые навыки о том, как ваша команда тестирует, развёртывает и проверяет изменения. В дальнейшем команды, которые понимают свой процесс и знают, как его поддерживать и улучшать, смогут гораздо эффективнее использовать передовые модели.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="среда-оценки">Среда оценки<a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#%D1%81%D1%80%D0%B5%D0%B4%D0%B0-%D0%BE%D1%86%D0%B5%D0%BD%D0%BA%D0%B8" class="hash-link" aria-label="Прямая ссылка на Среда оценки" title="Прямая ссылка на Среда оценки">​</a></h2>
<p>Мне хотелось чего-то более близкого к реальной работе инженера-аналитика, чем набор задач, которые агент может решить за один подход. Проекта, который начинается с нуля, растёт по мере выполнения задач и сталкивается с тем, что ломает реальные проекты. Запоздавшие данные, изменения у поставщиков, некорректные строки и заинтересованные стороны с расплывчатыми вопросами.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="данные">Данные<a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D0%B5" class="hash-link" aria-label="Прямая ссылка на Данные" title="Прямая ссылка на Данные">​</a></h3>
<p>Я использовал <a href="https://www.kaggle.com/datasets/rohanrao/formula-1-world-championship-1950-2020" target="_blank" rel="noopener noreferrer">набор данных чемпионата мира «Формулы-1»</a> с Kaggle — копию старой базы данных Ergast F1 (отсюда названия моделей stg_ergast далее): 14 реляционных таблиц со всеми гонками с 1950 по 2024 год, всего около 700 000 строк, включая 589 000 записей времени прохождения кругов. Я загрузил всё в Snowflake в текстовом виде, в точности как в CSV-файлах, поэтому очистка и приведение типов тоже входили в работу. Агенты создавали проект на dbt v2.</p>
<p>В данных F1 полно ловушек, которые не выглядят ловушками:</p>
<ul>
<li>Значения null представлены буквальной строкой <code>\N</code>, а местами — пустой строкой.</li>
<li>Время круга хранится как текст, например <code>1:27.452</code>.</li>
<li>До 1991 года в зачёт чемпионата шли только лучшие результаты гонщика, поэтому простое суммирование очков за гонки даёт неверные итоги сезона. В 1988 году Ален Прост набрал больше очков, чем Айртон Сенна, но титул выиграл Сенна.</li>
<li>В 1950-х гонщики иногда делили одну машину и полученные очки.</li>
<li>Идентификаторы результатов спринтов пересекаются с идентификаторами результатов Гран-при.</li>
<li>Остановки гонки красным флагом выглядят как 20-минутные «пит-стопы».</li>
</ul>
<p>Большинство этих особенностей я не упоминал в промптах, поэтому агентам приходилось находить их самостоятельно. Исключение — остановки из-за красного флага: первая задача второго раунда требует исключать пит-стопы длительностью более 60 секунд.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="варианты-эксперимента">Варианты эксперимента<a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#%D0%B2%D0%B0%D1%80%D0%B8%D0%B0%D0%BD%D1%82%D1%8B-%D1%8D%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D0%B0" class="hash-link" aria-label="Прямая ссылка на Варианты эксперимента" title="Прямая ссылка на Варианты эксперимента">​</a></h3>
<p>Три модели Claude — Opus 5.5, Sonnet 5.5 и Haiku 5.5 (далее Opus, Sonnet и Haiku), каждая в трёх вариантах:</p>
<div class="filterableTableContainer_mhtg"><table><thead><tr><th>Вариант</th><th>Настройка</th></tr></thead><tbody><tr><td>Без навыков</td><td>Чистая сессия Claude Code, веб-поиск и загрузка веб-страниц отключены</td></tr><tr><td>Навыки доступны</td><td>То же самое, плюс навыки dbt для агентов, установленные как навыки проекта</td></tr><tr><td>Навыки обязательны</td><td>То же самое, плюс однострочный <code>CLAUDE.md</code>, предписывающий агенту использовать соответствующие навыки перед каждой задачей</td></tr></tbody></table></div>
<p>Дословно одинаковые задачи, отдельные схемы Snowflake, режим разрешений Auto в Claude Code и заготовленный ответ «руководствуйся здравым смыслом» на любой вопрос. После первых 17 запусков я добавил ещё пять: ещё два запуска Sonnet 5.5 с доступными навыками и Sonnet 4.5 (сентябрь 2025 года) во всех трёх вариантах.</p>
<p>Впрочем, запуски не были полностью изолированы. Приложение предоставило этим сессиям общую папку заметок, и в восьми запусках агенты прочитали заметки о данных из другого запуска — в основном во время первой задачи второго раунда, — прежде чем я это заметил и закрыл доступ. Некоторые особенности данных передавались между запусками, а не обнаруживались заново; файл <a href="https://github.com/C00ldudeNoonan/f1-dbt-skills-eval/blob/main/results/run_extra.json" target="_blank" rel="noopener noreferrer"><code>results/run_extra.json</code></a> в репозитории содержит список того, какие запуски читали какие заметки.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="цикл-оценивания">Цикл оценивания<a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#%D1%86%D0%B8%D0%BA%D0%BB-%D0%BE%D1%86%D0%B5%D0%BD%D0%B8%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F" class="hash-link" aria-label="Прямая ссылка на Цикл оценивания" title="Прямая ссылка на Цикл оценивания">​</a></h3>
<p>После каждой задачи тестовая обвязка добавляла новые данные (запоздавшие гонки, исправленное время кругов, изменения формата данных поставщика, дублирующиеся строки), самостоятельно пересобирала проект без <code>--full-refresh</code> и построчно сравнивала каждую требуемую модель с эталоном, построенным на чистой копии данных. Агент никогда не видел оценку. Оценки были накопительными, поэтому ошибка в задаче 1 продолжала снижать результат, пока её не исправляли, а каждый запуск представлял собой одну непрерывную сессию, так что навык, прочитанный в задаче 1, мог по-прежнему влиять на задачу 9.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:100%"><span><a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#" data-featherlight="/img/blog/2026-10-30-dbt-skills-eval/01_grading_loop.png"><img data-toggle="lightbox" alt="Цикл для каждой задачи: тестовая обвязка добавляет данные, пересобирает проект и оценивает результат после каждой задачи" title="Цикл для каждой задачи: тестовая обвязка добавляет данные, пересобирает проект и оценивает результат после каждой задачи" src="https://docs.getdbt.tech/img/blog/2026-10-30-dbt-skills-eval/01_grading_loop.png?v=2"></a></span><span class="title_aGrV">Цикл для каждой задачи: тестовая обвязка добавляет данные, пересобирает проект и оценивает результат после каждой задачи</span></div>
<p>В конце новая сессия Opus проводила слепое ревью кода каждого проекта по шкале от 1 до 5; перед этим из проекта удалялись навыки, <code>CLAUDE.md</code> и история git.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="раунд-1-все-справились-на-отлично">Раунд 1: все справились на отлично<a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#%D1%80%D0%B0%D1%83%D0%BD%D0%B4-1-%D0%B2%D1%81%D0%B5-%D1%81%D0%BF%D1%80%D0%B0%D0%B2%D0%B8%D0%BB%D0%B8%D1%81%D1%8C-%D0%BD%D0%B0-%D0%BE%D1%82%D0%BB%D0%B8%D1%87%D0%BD%D0%BE" class="hash-link" aria-label="Прямая ссылка на Раунд 1: все справились на отлично" title="Прямая ссылка на Раунд 1: все справились на отлично">​</a></h2>
<p>Первый набор включал семь задач: создать четыре витрины, добавить инкрементальную модель времени кругов с обработкой повторно выпущенных исправлений, создать снимок истории гонщиков, включить спринты в результаты и переработать турнирные таблицы, адаптироваться к изменениям формата данных поставщика, разобраться с удвоенным итогом Ferrari и внедрить контракты и версионируемую модель. Во всех запусках, кроме одного, были пройдены все 43 проверки по эталону — как с навыками, так и без них, а единственный промах (Haiku с обязательными навыками) был связан с неверно понятым определением, а не с ошибкой в dbt. Агенты с доступными навыками открыли от нуля до трёх файлов навыков за семь задач. Первый раунд оказался недостаточно сложным: создать хорошую оценку непросто, и она должна быть гораздо сложнее и конкретнее, чем набор отдельных задач.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="раунд-2-более-сложный-набор">Раунд 2: более сложный набор<a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#%D1%80%D0%B0%D1%83%D0%BD%D0%B4-2-%D0%B1%D0%BE%D0%BB%D0%B5%D0%B5-%D1%81%D0%BB%D0%BE%D0%B6%D0%BD%D1%8B%D0%B9-%D0%BD%D0%B0%D0%B1%D0%BE%D1%80" class="hash-link" aria-label="Прямая ссылка на Раунд 2: более сложный набор" title="Прямая ссылка на Раунд 2: более сложный набор">​</a></h2>
<p>Во втором раунде я хотел увеличить масштаб, сложность и число используемых возможностей dbt, чтобы точнее воспроизвести рабочий процесс инженера-аналитика и найти уровень, на котором можно получить существенные результаты.</p>
<p>Второй раунд включает 12 задач. Он начинается с углублённой версии каждой задачи первого раунда: семь обязательных витрин вместо четырёх, плюс отрезки на одном комплекте шин, запоздавшие данные о гонщиках и расчёт альтернативных итогов чемпионата с полным разрешением равенства очков по числу лучших результатов. Затем добавляется работа, которая проверяет скорее инженерное мышление, чем знание синтаксиса dbt:</p>
<div class="filterableTableContainer_mhtg"><table><thead><tr><th>Задача</th><th>Что проверяет</th></tr></thead><tbody><tr><td>Второй поток данных от поставщика</td><td>Поток для перекрёстной проверки со своими идентификаторами, именами в формате <code>SURNAME Forename</code> без диакритики, прозвищем и сессиями, названными по автодрому, так что две гонки 2020 года в Шпильберге можно различить только по дате. Агент строит таблицы соответствий и витрину расхождений; результат проверяется на точное совпадение с 11 заранее внесёнными конфликтами.</td></tr><tr><td>Телеметрия в большом объёме</td><td>20 миллионов строк автомобильной телеметрии, в которых измерения могут поступать с задержкой в несколько недель. Обычные запуски не должны повторно сканировать сырую таблицу. Оцениваются корректность после поступления запоздавших данных и объём просканированных байтов.</td></tr><tr><td>Slim CI</td><td>Целевые окружения prod и CI, сохранённые артефакты prod и CI-скрипт, который собирает только изменённое, а для остального использует prod через deferral. Оценка проводится путём изменения модели и проверки, что скрипт собрал в точности нужные модели.</td></tr><tr><td>Расплывчатые запросы руководства</td><td>«Какие гонщики действительно выступают лучше, чем позволяет их машина? Мне нужен список, которому можно доверять» и «Пит-стопы действительно становятся быстрее или это миф?». Оцениваются только слепым ревьюером.</td></tr></tbody></table></div>
<p>Во втором раунде были и более сложные скрытые ловушки. В задаче об изменении формата данных поставщика даты переключались на <code>DD/MM/YYYY</code>, который некоторые парсеры читали, меняя день и месяц местами. В задаче об ошибке данных упоминалась только Ferrari, но тестовая обвязка также повторно отправляла строки турнирной таблицы одной гонки. Кроме того, во втором раунде Opus запускалась с обязательными навыками — этот вариант в первом раунде был пропущен, — так что каждая модель прошла все три варианта.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="краткое-сравнение-первого-и-второго-раундов">Краткое сравнение первого и второго раундов<a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#%D0%BA%D1%80%D0%B0%D1%82%D0%BA%D0%BE%D0%B5-%D1%81%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B5-%D0%BF%D0%B5%D1%80%D0%B2%D0%BE%D0%B3%D0%BE-%D0%B8-%D0%B2%D1%82%D0%BE%D1%80%D0%BE%D0%B3%D0%BE-%D1%80%D0%B0%D1%83%D0%BD%D0%B4%D0%BE%D0%B2" class="hash-link" aria-label="Прямая ссылка на Краткое сравнение первого и второго раундов" title="Прямая ссылка на Краткое сравнение первого и второго раундов">​</a></h3>
<div class="filterableTableContainer_mhtg"><table><thead><tr><th></th><th>Раунд 1</th><th>Раунд 2</th></tr></thead><tbody><tr><td>Задачи</td><td>7</td><td>12</td></tr><tr><td>Запуски</td><td>8</td><td>9 плюс 5 повторных запусков</td></tr><tr><td>Обязательные витрины в задаче создания проекта с нуля</td><td>4</td><td>7</td></tr><tr><td>Проверки по эталону на запуск</td><td>43</td><td>154</td></tr><tr><td>Сырые входные данные</td><td>14 таблиц Ergast, около 700 000 строк</td><td>То же самое, плюс поток поставщика из 3 таблиц и 20 миллионов строк телеметрии</td></tr><tr><td>Модели в проекте Opus без навыков</td><td>20</td><td>50</td></tr><tr><td>Помимо витрин</td><td>Инкрементальная модель времени кругов, снимок истории гонщиков, спринты, изменения формата данных поставщика, заранее внесённая ошибка Ferrari, контракты и версионируемая модель</td><td>Всё перечисленное, плюс отрезки на одном комплекте шин, запоздавшие данные о гонщиках, разрешение равенства очков по лучшим результатам, метрики Semantic Layer, перекрёстная проверка данных поставщика, телеметрия в большом объёме, slim CI и два расплывчатых запроса</td></tr></tbody></table></div>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:100%"><span><a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#" data-featherlight="/img/blog/2026-10-30-dbt-skills-eval/02_project_architecture.png"><img data-toggle="lightbox" alt="Слои dbt-проекта: серым показано общее для обоих раундов, оранжевым — добавленное во втором раунде" title="Слои dbt-проекта: серым показано общее для обоих раундов, оранжевым — добавленное во втором раунде" src="https://docs.getdbt.tech/img/blog/2026-10-30-dbt-skills-eval/02_project_architecture.png?v=2"></a></span><span class="title_aGrV">Слои dbt-проекта: серым показано общее для обоих раундов, оранжевым — добавленное во втором раунде</span></div>
<p>Серые блоки — это весь проект первого раунда. Во втором раунде требовалось создать всё это заново и добавить оранжевые блоки, поэтому ошибка в сером блоке продолжала снижать оценку на протяжении 12 задач вместо 7.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="результаты">Результаты<a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%82%D1%8B" class="hash-link" aria-label="Прямая ссылка на Результаты" title="Прямая ссылка на Результаты">​</a></h2>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="корректность-разброс-влиял-сильнее-чем-навыки">Корректность: разброс влиял сильнее, чем навыки<a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#%D0%BA%D0%BE%D1%80%D1%80%D0%B5%D0%BA%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C-%D1%80%D0%B0%D0%B7%D0%B1%D1%80%D0%BE%D1%81-%D0%B2%D0%BB%D0%B8%D1%8F%D0%BB-%D1%81%D0%B8%D0%BB%D1%8C%D0%BD%D0%B5%D0%B5-%D1%87%D0%B5%D0%BC-%D0%BD%D0%B0%D0%B2%D1%8B%D0%BA%D0%B8" class="hash-link" aria-label="Прямая ссылка на Корректность: разброс влиял сильнее, чем навыки" title="Прямая ссылка на Корректность: разброс влиял сильнее, чем навыки">​</a></h3>
<p>За оба раунда в 12 из 19 запусков Claude 5.5 были пройдены все проверки по всем задачам, а без навыков каждая модель 5.5 прошла не менее 92%. Шесть из семи запусков с ошибками пришлись на варианты с навыками, но я бы не стал придавать этому большого значения. Ошибки в вариантах с обязательными навыками возникали из-за лишних действий и неверно понятых определений, а не из-за того, что говорилось в навыках о dbt; повторные запуски ниже показывают, насколько сильно может колебаться результат отдельного запуска. Данные не подтверждают идею о том, что навыки повышали корректность работы.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:100%"><span><a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#" data-featherlight="/img/blog/2026-10-30-dbt-skills-eval/03_checks_passed.png"><img data-toggle="lightbox" alt="Пройденные проверки по эталону в разбивке по моделям и вариантам эксперимента" title="Пройденные проверки по эталону в разбивке по моделям и вариантам эксперимента" src="https://docs.getdbt.tech/img/blog/2026-10-30-dbt-skills-eval/03_checks_passed.png?v=2"></a></span><span class="title_aGrV">Пройденные проверки по эталону в разбивке по моделям и вариантам эксперимента</span></div>
<p>Самый низкий результат среди запусков Claude 5.5 — 61% у Sonnet с доступными навыками — стал следствием одного неудачного решения с нарастающими последствиями. Исправляя ошибку Ferrari, агент восстановил таблицы из ранее сделанной резервной копии. Эта копия была создана до исправлений времени кругов из задачи 2, поэтому восстановление незаметно откатило 215 кругов, а последствия распространились на четыре зависимые модели. Поэтому я запустил этот вариант ещё дважды. Повторные запуски дали 100% и 67%. Запуск с результатом 67% вообще не использовал резервную копию: в задаче 2 он допустил ошибку на единицу в <code>is_podium</code>, а в задаче 6 пропустил исправление времени кругов на 215 строк из-за слишком короткого окна ретроспективной обработки; обе ошибки сохранялись во всех последующих задачах. Та же картина, другая ошибка и больший разброс внутри одного варианта, чем между любыми двумя вариантами. По одному запуску на вариант нельзя сказать, помогают ли навыки, — только то, что произошло в конкретном запуске.</p>
<p>Среди исходных девяти запусков Claude 5.5 во втором раунде более сложные инженерные задачи были решены почти везде:</p>
<ul>
<li><strong>Slim CI:</strong> во всех 9 запусках второго раунда собирались в точности изменённая модель, зависимые от неё модели и все новые модели, а для остальных использовался prod через deferral.</li>
<li><strong>Поток данных поставщика:</strong> во всех 9 запусках автоматически сопоставлены все 41 гонщик и 167 сессий, включая две гонки подряд в Шпильберге.</li>
<li><strong>Скрытая ошибка:</strong> во всех 9 запусках обнаружены повторно отправленные строки турнирной таблицы, о которых никто не спрашивал, и добавлены проверки уникальности на вышестоящих уровнях.</li>
<li><strong>Телеметрия:</strong> в 8 из 9 запусков инкрементальные модели использовали время загрузки для отбора данных и корректно обработали запоздавшие измерения.</li>
</ul>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="а-что-насчёт-более-старой-модели">А что насчёт более старой модели?<a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#%D0%B0-%D1%87%D1%82%D0%BE-%D0%BD%D0%B0%D1%81%D1%87%D1%91%D1%82-%D0%B1%D0%BE%D0%BB%D0%B5%D0%B5-%D1%81%D1%82%D0%B0%D1%80%D0%BE%D0%B9-%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8" class="hash-link" aria-label="Прямая ссылка на А что насчёт более старой модели?" title="Прямая ссылка на А что насчёт более старой модели?">​</a></h3>
<p>Чтобы понять, что даёт смена поколения модели по сравнению с навыком, я запустил Sonnet 4.5 (сентябрь 2025 года) на тех же 12 задачах во всех трёх вариантах. Без навыков она набрала 38%: сборка не работала с задачи 7 до конца, гонщики поставщика были сопоставлены неверно, окно ретроспективной обработки пропустило исправление времени кругов в старой гонке, а модель телеметрии просканировала объём, в 10 раз превышающий сырую таблицу, тогда как запуски 5.5 сканировали лишь её часть. С обязательными навыками она набрала 17% — самый низкий результат среди всех запусков обоих раундов. Она прочитала навыки за две минуты до написания первой модели, затем написала фильтр, исключавший каждый Гран-при в уик-энд со спринтом, а позже добавила тест источника, падающий на известной дублирующейся строке, и при этом сообщила мне, что все тесты пройдены. Чтение навыков не предотвратило ошибочного решения. Вот вам и урок.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="качество-кода">Качество кода<a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#%D0%BA%D0%B0%D1%87%D0%B5%D1%81%D1%82%D0%B2%D0%BE-%D0%BA%D0%BE%D0%B4%D0%B0" class="hash-link" aria-label="Прямая ссылка на Качество кода" title="Прямая ссылка на Качество кода">​</a></h3>
<p>В первом раунде навыки немного улучшили качество кода. Каждый вариант с навыками получил более высокую оценку, чем вариант той же модели без навыков: примерно на 0,1 для Opus и на 0,1–0,5 для Sonnet и Haiku. Самое частое замечание ревьюера касалось организации слоёв, например промежуточных моделей, читающих данные из витрин; чаще всего это встречалось у меньших моделей без навыков.</p>
<p>Во втором раунде каждая модель Claude 5.5 создала проекты с оценками 3,9–4,7, результаты вариантов пересекаются, а различия укладываются в собственную погрешность ревьюера. Я измерил эту погрешность, дважды проверив один и тот же проект, и получил 4,00 и 4,22. Размер модели влиял сильнее, чем навыки: в первом раунде проекты Opus получали 4,5–4,6, а Sonnet и Haiku — 3,5–4,0. Три запуска Sonnet 5.5 с доступными навыками получили на ревью 4,22, 4,44 и 4,33, то есть оценки ревью были стабильнее корректности; результаты Sonnet 4.5 — 2,67 без навыков и 2,22 с обязательными навыками — оказались самыми низкими среди всех запусков. Одна оговорка для всех этих оценок: ревью не было полностью слепым, поскольку идентификаторы запусков сохранились в названиях схем.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:100%"><span><a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#" data-featherlight="/img/blog/2026-10-30-dbt-skills-eval/04_review_scores.png"><img data-toggle="lightbox" alt="Оценка слепого ревью кода по моделям и вариантам эксперимента" title="Оценка слепого ревью кода по моделям и вариантам эксперимента" src="https://docs.getdbt.tech/img/blog/2026-10-30-dbt-skills-eval/04_review_scores.png?v=2"></a></span><span class="title_aGrV">Оценка слепого ревью кода по моделям и вариантам эксперимента</span></div>
<p>В первом раунде каждая оранжевая точка находится правее соответствующей серой. Во втором раунде разрывы сокращаются примерно до ширины полосы погрешности внизу, и размер модели объясняет больше, чем вариант эксперимента.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="использование-навыков">Использование навыков<a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#%D0%B8%D1%81%D0%BF%D0%BE%D0%BB%D1%8C%D0%B7%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5-%D0%BD%D0%B0%D0%B2%D1%8B%D0%BA%D0%BE%D0%B2" class="hash-link" aria-label="Прямая ссылка на Использование навыков" title="Прямая ссылка на Использование навыков">​</a></h3>
<p>Когда навыки были доступны, агенты открывали от нуля до пяти файлов навыков за весь набор задач, а Sonnet 4.5 с доступными навыками не открыла ни одного. Если агенты всё же обращались к навыку, то обычно ради более специфичной для dbt возможности: навыка Semantic Layer и навыка dbt Mesh (для контрактов и версионирования). Это те области dbt, где модель меньше всего уверена в актуальном синтаксисе. Для staging-моделей, инкрементальных моделей, снимков и тестов модели уже знали, что делать.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:100%"><span><a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#" data-featherlight="/img/blog/2026-10-30-dbt-skills-eval/05_skill_files_opened.png"><img data-toggle="lightbox" alt="Число открытых файлов навыков за запуск: доступные и обязательные навыки" title="Число открытых файлов навыков за запуск: доступные и обязательные навыки" src="https://docs.getdbt.tech/img/blog/2026-10-30-dbt-skills-eval/05_skill_files_opened.png?v=2"></a></span><span class="title_aGrV">Число открытых файлов навыков за запуск: доступные и обязательные навыки</span></div>
<p>Светлые точки показывают, что агенты делали самостоятельно. Тёмные — что их заставляла делать одна строка в <code>CLAUDE.md</code>, причём дополнительное чтение не изменило оценки.</p>
<p>Обязательное использование навыков изменило частоту обращений к ним, но не результаты. В первом раунде Haiku с обязательными навыками использовала примерно в 1,6 раза больше выходных токенов и в 1,5 раза больше вызовов dbt, чем Haiku без навыков. Это был и тот запуск первого раунда, который потерял баллы, однако журнал показывает, что ошибка в понимании определения произошла за четыре минуты до открытия первого файла навыка. Обязательные навыки не вызвали ошибку — они просто её не предотвратили. У Sonnet 4.5 обязательное использование навыков дало самый слабый запуск во всём эксперименте.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="ошибки">Ошибки<a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#%D0%BE%D1%88%D0%B8%D0%B1%D0%BA%D0%B8" class="hash-link" aria-label="Прямая ссылка на Ошибки" title="Прямая ссылка на Ошибки">​</a></h2>
<p>Когда я распределил все ошибки по причинам, ни одна не оказалась связана со знанием dbt.</p>
<ul>
<li><strong>Тесты, зафиксировавшие сегодняшние ответы.</strong> В девяти запусках, по три в каждом варианте, агенты написали тест с жёстко заданными ожидаемыми значениями: списком чемпионов мира, заканчивающимся на 2023 году, или фиксированными итогами за карьеру. Когда тестовая обвязка добавила последнюю гонку 2024 года, эти тесты сломали сборку, хотя данные были корректными. Такую ошибку легко допустить, а тест, падающий на корректных данных, приучает людей его игнорировать.</li>
<li><strong>Беглое чтение требований.</strong> В трёх запусках были упущены детали, прямо указанные в задаче: например, «Гран-при, на которые заявлен гонщик», а не старты, или строка-заглушка для гонщика, данные о котором поступят позже.</li>
<li><strong>Доверие восстановлению или окну ретроспективной обработки.</strong> В одном запуске агент восстановил резервную копию, не сверив её с текущими данными. В другом пропустил исправление на 215 строк в старой гонке, потому что инкрементальное окно охватывало только две последние гонки.</li>
<li><strong>Дорогостоящие защитные проверки.</strong> В 15 из 17 проектов были добавлены проверки изменений формата данных поставщика с запросами к <code>information_schema</code>, что вполне разумно. В одном из них (Haiku 5.5 с доступными навыками) проверка выполнялась при каждой сборке, и начиная с задачи 5 каждая сборка занимала около 13 минут вместо 15 секунд — в 40–57 раз дольше. Другой агент столкнулся с той же проблемой в середине задачи и перешёл на <code>DESCRIBE</code> ещё до того, как тестовая обвязка увидела результат. Проблема была не в проверке, а в том, что ничто не побуждало агента измерить её стоимость. Тот же запрос в CI или раз в день обнаружил бы изменение формата.</li>
<li><strong>Заявления об успешных тестах, которые на самом деле не прошли.</strong> В одном запуске Sonnet 4.5 добавила тест источника, падающий на известной дублирующейся строке, а затем сообщила мне, что все тесты пройдены. Сборка в тестовой обвязке падала с этой задачи и до конца.</li>
<li><strong>Дедупликация, скрывающая проблемы.</strong> Удаление дублей через <code>row_number()</code> в staging-слое, из-за которого дубликаты исчезали, вместо того чтобы становиться видимыми, а также исследовательские скрипты, оставленные в репозитории.</li>
<li><strong>Остановка на полпути.</strong> Четыре раза в повторных запусках агент останавливался посреди задачи и нуждался в стандартном «пожалуйста, продолжай»; один раз — после 18 часов бездействия.</li>
<li><strong>Работа за пределами рабочей области.</strong> В одном запуске Sonnet 4.5 дважды перезаписала глобальный <code>~/.dbt/profiles.yml</code>, один раз — переместив на его место файл проекта. На оценивание это не повлияло, и ни один режим разрешений этого не предотвратил. Именно такие правила команда записывает один раз: не трогать <code>~/.dbt</code>.</li>
</ul>
<p>Модели также столкнулись с вопросами, которые можно решить только командным процессом. Трём агентам проверка безопасности Claude Code запретила запускать <code>dbt build --target prod</code>, поскольку развёртывание в production рассматривается как действие, которое должен одобрить человек. Один из них также отказался принять одобрение, переданное из другой сессии, потому что оно исходило не от ответственного человека. Это правильное поведение, но одновременно и вопрос рабочего процесса: кто и как одобряет сборку в prod? (Повторные запуски сделали эту проверку менее однозначной: Sonnet 4.5 не может работать в режиме Auto, а в одном из повторных запусков Sonnet 5.5 сборка prod прошла без одобрения, поэтому я не учитываю задачу 11 ни для одного варианта.)</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="dbt--слишком-простая-задача">dbt — слишком простая задача?<a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#dbt--%D1%81%D0%BB%D0%B8%D1%88%D0%BA%D0%BE%D0%BC-%D0%BF%D1%80%D0%BE%D1%81%D1%82%D0%B0%D1%8F-%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B0" class="hash-link" aria-label="Прямая ссылка на dbt — слишком простая задача?" title="Прямая ссылка на dbt — слишком простая задача?">​</a></h2>
<p>Прежде чем считать это общим выводом о навыках, вспомним, с чем работали модели. dbt уже десять лет развивается как проект с открытым исходным кодом. Его документация подробна и общедоступна, как и многолетние обсуждения сообщества в Slack и Discourse, ответы на Stack Overflow, курсы, доклады на конференциях и тысячи открытых dbt-проектов на GitHub. Значительная часть этого, вероятно, попала в обучающие данные.</p>
<p>Поэтому dbt близок к идеальному случаю для тезиса «это уже в весах модели», и этот результат относится к dbt, а не к фреймворкам в целом. Инструменты с меньшим публичным присутствием не получают такого охвата: проприетарный оркестратор, SDK поставщика, выпущенный в прошлом году, внутренняя библиотека макросов. Для них навык по фреймворку по-прежнему решает ту задачу, ради которой мы изначально создавали навыки.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="пишите-навыки-о-том-чего-модель-знать-не-может">Пишите навыки о том, чего модель знать не может<a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#%D0%BF%D0%B8%D1%88%D0%B8%D1%82%D0%B5-%D0%BD%D0%B0%D0%B2%D1%8B%D0%BA%D0%B8-%D0%BE-%D1%82%D0%BE%D0%BC-%D1%87%D0%B5%D0%B3%D0%BE-%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C-%D0%B7%D0%BD%D0%B0%D1%82%D1%8C-%D0%BD%D0%B5-%D0%BC%D0%BE%D0%B6%D0%B5%D1%82" class="hash-link" aria-label="Прямая ссылка на Пишите навыки о том, чего модель знать не может" title="Прямая ссылка на Пишите навыки о том, чего модель знать не может">​</a></h2>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="убирайте-то-что-уже-есть-в-весах-модели-или-документации">Убирайте то, что уже есть в весах модели или документации<a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#%D1%83%D0%B1%D0%B8%D1%80%D0%B0%D0%B9%D1%82%D0%B5-%D1%82%D0%BE-%D1%87%D1%82%D0%BE-%D1%83%D0%B6%D0%B5-%D0%B5%D1%81%D1%82%D1%8C-%D0%B2-%D0%B2%D0%B5%D1%81%D0%B0%D1%85-%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8-%D0%B8%D0%BB%D0%B8-%D0%B4%D0%BE%D0%BA%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D0%B0%D1%86%D0%B8%D0%B8" class="hash-link" aria-label="Прямая ссылка на Убирайте то, что уже есть в весах модели или документации" title="Прямая ссылка на Убирайте то, что уже есть в весах модели или документации">​</a></h3>
<p>Передовые модели уже содержат большую часть того, чему навык dbt может научить о самом dbt: организация слоёв, инкрементальные стратегии, снимки, тесты, deferral, CLI. Шесть запусков Claude 5.5 без установленных навыков создали staging-слои, инкрементальные модели и снимки, а во втором раунде ещё и пайплайны slim CI, и каждый из них прошёл не менее 92% проверок по эталону. Всё, что навык объясняет из уже известного модели или доступного одним поиском в документации dbt, — лишний груз. Возможно, устаревшей документацией вы даже мешаете передовым моделям.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="пишите-навыки-для-четырёх-вещей-которые-модель-не-может-вывести-самостоятельно">Пишите навыки для четырёх вещей, которые модель не может вывести самостоятельно<a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#%D0%BF%D0%B8%D1%88%D0%B8%D1%82%D0%B5-%D0%BD%D0%B0%D0%B2%D1%8B%D0%BA%D0%B8-%D0%B4%D0%BB%D1%8F-%D1%87%D0%B5%D1%82%D1%8B%D1%80%D1%91%D1%85-%D0%B2%D0%B5%D1%89%D0%B5%D0%B9-%D0%BA%D0%BE%D1%82%D0%BE%D1%80%D1%8B%D0%B5-%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C-%D0%BD%D0%B5-%D0%BC%D0%BE%D0%B6%D0%B5%D1%82-%D0%B2%D1%8B%D0%B2%D0%B5%D1%81%D1%82%D0%B8-%D1%81%D0%B0%D0%BC%D0%BE%D1%81%D1%82%D0%BE%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE" class="hash-link" aria-label="Прямая ссылка на Пишите навыки для четырёх вещей, которые модель не может вывести самостоятельно" title="Прямая ссылка на Пишите навыки для четырёх вещей, которые модель не может вывести самостоятельно">​</a></h3>
<p><strong>1. Знания, которые не являются общедоступными и распространёнными, потому что они новые или нишевые.</strong> К навыку Semantic Layer агенты чаще всего обращались самостоятельно, а навык dbt Mesh немного отставал. Ни один из них не нов: контракты и версионирование появились ещё в dbt v1.5 и v1.6. Но это нишевые возможности, поэтому открытого кода, на котором модель могла бы учиться, меньше, а в YAML легко допустить незаметную ошибку. То же относится ко всему, что появилось после окончания периода обучающих данных модели, а в случае dbt v2 такого немало. Здесь хорошо написанный навык по-прежнему лучше догадки.</p>
<p><strong>2. Как работает ваша команда.</strong> Кто одобряет сборку в prod и через какое задание она запускается. С какой веткой работает CI. Что означает «готово» для задачи. Вложения в процесс помогут вам успешно работать по мере того, как в рабочем процессе будет появляться всё больше автоматизации.</p>
<p><strong>3. Стандарты организации и единообразные практики.</strong> Соглашения, соблюдения которых старший коллега требует на ревью: именование, правила организации слоёв, способы определения метрик и место хранения этих определений, то, на что должна ссылаться документация каждой модели. Часть этого должна быть реализована в детерминированных проверках, а не в текстовых рекомендациях. Правило организации слоёв или соглашение об именовании лучше обеспечивать через dbt-project-evaluator, чем рекомендовать в навыке; навык должен лишь указывать, какие проверки необходимо пройти.</p>
<p><strong>4. Проверка и повторная проверка предположений о данных.</strong> Хорошие инженеры-аналитики проявляют недоверчивость конкретными, воспроизводимыми способами, а агенты этого не делали:</p>
<ul>
<li>Тесты проверяют инварианты, а не сегодняшние значения. Никогда не задавайте жёстко ожидаемые итоги или списки, которые меняются при поступлении новых данных.</li>
<li>Прежде чем доверять восстановлению или дозагрузке исторических данных, сравните результат с текущим источником.</li>
<li>Измеряйте время сборки до и после добавления проверки. Всё, что добавляет больше X секунд, требует обоснования.</li>
<li>Если в отчёте об ошибке названа одна таблица, ищите тот же паттерн в соседних.</li>
<li>Прежде чем закончить, проверьте, что изменения затрагивают только вашу рабочую область. Один агент перезаписал <code>~/.dbt/profiles.yml</code>, и ничто его не остановило.</li>
</ul>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="что-это-означает-для-универсальных-навыков">Что это означает для универсальных навыков<a href="https://docs.getdbt.tech/blog/do-coding-agents-still-need-dbt-skills/#%D1%87%D1%82%D0%BE-%D1%8D%D1%82%D0%BE-%D0%BE%D0%B7%D0%BD%D0%B0%D1%87%D0%B0%D0%B5%D1%82-%D0%B4%D0%BB%D1%8F-%D1%83%D0%BD%D0%B8%D0%B2%D0%B5%D1%80%D1%81%D0%B0%D0%BB%D1%8C%D0%BD%D1%8B%D1%85-%D0%BD%D0%B0%D0%B2%D1%8B%D0%BA%D0%BE%D0%B2" class="hash-link" aria-label="Прямая ссылка на Что это означает для универсальных навыков" title="Прямая ссылка на Что это означает для универсальных навыков">​</a></h3>
<p>Знание фреймворка не бесполезно, и навыки dbt для агентов продолжат охватывать те области dbt, где догадок недостаточно. Мы не собираемся менять dbt-agent-skills на основании этого эксперимента. Оценка, проведённая за один день, не даёт достаточно сведений о взаимодействии моделей, тестовых обвязок и навыков, и мы хотим разобраться в этом, прежде чем что-либо убирать, поэтому существующие навыки продолжат поддерживаться. Но если вы решаете, куда вкладывать усилия, навык, описывающий, как ваша команда тестирует, развёртывает и проверяет изменения, даст вашим агентам больше, чем навык, объясняющий работу dbt. Именно эта часть контекстной инженерии действительно остаётся за вами: запишите, как работает ваша команда.</p>]]></content>
        <author>
            <name>Alex Noonan</name>
        </author>
        <category label="ai" term="ai"/>
    </entry>
    <entry>
        <title type="html"><![CDATA[Внутри обвязки dbt Wizard: создаём агента, который мыслит DAG]]></title>
        <id>https://docs.getdbt.tech/blog/wizard-agent-harness/</id>
        <link href="https://docs.getdbt.tech/blog/wizard-agent-harness/"/>
        <updated>2026-10-14T00:00:00.000Z</updated>
        <summary type="html"><![CDATA[Wizard работает как инженер-аналитик: мыслит DAG, проверяет и исправляет свою работу и не отвлекает вас от задач, чтобы вы проверяли работающее изменение, а не первый черновик.]]></summary>
        <content type="html"><![CDATA[<p>Попросите инженера-аналитика переименовать столбец, и он начнёт не с SQL. Сначала он проверит, что читает этот столбец ниже по графу зависимостей, какие тесты и дашборды сломаются, выполнит сборку только изменившихся объектов и сравнит данные ещё до того, как кто-то приступит к ревью. <a href="https://docs.getdbt.tech/docs/dbt-ai/about-mcp/">Сервер dbt MCP</a> и <a href="https://docs.getdbt.tech/blog/dbt-agent-skills/">навыки агентов</a> могут научить агента для работы с кодом этим шагам, но не могут гарантировать, что он будет выполнять их каждый раз, собирать только изменившиеся объекты или показывать вам различия в данных перед проверкой изменений.</p>
<p>Мы построили <a href="https://docs.getdbt.tech/docs/platform/wizard-overview/">dbt Wizard</a> вокруг другой идеи. Wizard работает как инженер-аналитик: мыслит DAG, проверяет и исправляет свою работу и не отвлекает вас от задач, чтобы вы проверяли работающее изменение, а не первый черновик. Всё это обеспечивает не модель, а обвязка, рабочие процессы и пользовательский интерфейс, которые мы создали вокруг неё.</p>
<div class="theme-admonition theme-admonition-tip admonition_xJq3 alert alert--success"><div class="admonitionHeading_Gvgb"><span class="admonitionIcon_Rf37"><svg viewBox="0 0 12 16"><path fill-rule="evenodd" d="M6.5 0C3.48 0 1 2.19 1 5c0 .92.55 2.25 1 3 1.34 2.25 1.78 2.78 2 4v1h5v-1c.22-1.22.66-1.75 2-4 .45-.75 1-2.08 1-3 0-2.81-2.48-5-5.5-5zm3.64 7.48c-.25.44-.47.8-.67 1.11-.86 1.41-1.25 2.06-1.45 3.23-.02.05-.02.11-.02.17H5c0-.06 0-.13-.02-.17-.2-1.17-.59-1.83-1.45-3.23-.2-.31-.42-.67-.67-1.11C2.44 6.78 2 5.65 2 5c0-2.2 2.02-4 4.5-4 1.22 0 2.36.42 3.22 1.19C10.55 2.94 11 3.94 11 5c0 .66-.44 1.78-.86 2.48zM4 14h5c-.23 1.14-1.3 2-2.5 2s-2.27-.86-2.5-2z"></path></svg></span>Попробуйте Wizard Desktop</div><div class="admonitionContent_BuS1"><p>Запускайте агентов параллельно, просматривайте различия в данных и граф происхождения данных рядом с кодом и проверяйте изменения в своём хранилище. <a href="https://www.getdbt.com/wizard-desktop-waitlist" target="_blank" rel="noopener noreferrer">Запишитесь в список ожидания Wizard Desktop</a>.</p></div></div>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="что-делает-обвязка-агента">Что делает обвязка агента<a href="https://docs.getdbt.tech/blog/wizard-agent-harness/#%D1%87%D1%82%D0%BE-%D0%B4%D0%B5%D0%BB%D0%B0%D0%B5%D1%82-%D0%BE%D0%B1%D0%B2%D1%8F%D0%B7%D0%BA%D0%B0-%D0%B0%D0%B3%D0%B5%D0%BD%D1%82%D0%B0" class="hash-link" aria-label="Прямая ссылка на Что делает обвязка агента" title="Прямая ссылка на Что делает обвязка агента">​</a></h2>
<p>LLM — это механизм рассуждений. Обвязка — всё остальное: какой контекст загружается до того, как модель начнёт думать, как она взаимодействует с файловой системой и кодовой базой, какие инструменты может вызывать, что происходит, если её результат не проходит компиляцию, когда ей следует остановиться и обратиться к человеку и как она соблюдает принятые в вашей команде соглашения.</p>
<p>Представьте обвязку как среду выполнения, которая для каждой задачи отвечает на вопросы:</p>
<ul>
<li>Что агент знает об этом проекте прямо сейчас?</li>
<li>Какие инструменты он может вызывать и что ему запрещено?</li>
<li>Когда и как он проверяет свою работу?</li>
<li>Когда он останавливается и обращается к человеку?</li>
<li>Какой контекст загружается и каким образом?</li>
<li>Можно ли разделить эту задачу между узкоспециализированными вспомогательными агентами?</li>
<li>Что происходит, если сгенерированный код не работает?</li>
</ul>
<p>Обвязка Wizard состоит из нескольких слоёв: метаданные и контекст, инструменты, навыки и память, оркестрация субагентов, безопасность и проверка изменений. Но самое интересное — не сами слои, а циклы обратной связи.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/wizard-agent-harness/#" data-featherlight="/img/blog/2026-10-14-wizard-agent-harness/wizard-harness-agent-loop.png"><img data-toggle="lightbox" alt="Обвязка охватывает каждый шаг цикла агента: контекст поступает в модель, модель вызывает инструменты с проверкой разрешений, а готовая работа проходит валидацию в заданных границах, прежде чем вы проверите влияние изменений и различия в данных." title="Обвязка охватывает каждый шаг цикла агента: контекст поступает в модель, модель вызывает инструменты с проверкой разрешений, а готовая работа проходит валидацию в заданных границах, прежде чем вы проверите влияние изменений и различия в данных." src="https://docs.getdbt.tech/img/blog/2026-10-14-wizard-agent-harness/wizard-harness-agent-loop.png?v=2"></a></span><span class="title_aGrV">Обвязка охватывает каждый шаг цикла агента: контекст поступает в модель, модель вызывает инструменты с проверкой разрешений, а готовая работа проходит валидацию в заданных границах, прежде чем вы проверите влияние изменений и различия в данных.</span></div>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="валидация-внутри-цикла">Валидация внутри цикла<a href="https://docs.getdbt.tech/blog/wizard-agent-harness/#%D0%B2%D0%B0%D0%BB%D0%B8%D0%B4%D0%B0%D1%86%D0%B8%D1%8F-%D0%B2%D0%BD%D1%83%D1%82%D1%80%D0%B8-%D1%86%D0%B8%D0%BA%D0%BB%D0%B0" class="hash-link" aria-label="Прямая ссылка на Валидация внутри цикла" title="Прямая ссылка на Валидация внутри цикла">​</a></h2>
<p>По мере того как агенты генерируют всё больше кода, проверка корректности изменений и результатов становится важнейшим условием быстрого создания надёжных систем. Именно поэтому в Wizard изначально встроен <a href="https://docs.getdbt.tech/docs/dbt-ai/wizard-how-it-works/#validation-loop-mechanics">цикл валидации</a>, использующий собственные механизмы dbt.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="находим-ошибки-до-того-как-вы-их-увидите">Находим ошибки до того, как вы их увидите<a href="https://docs.getdbt.tech/blog/wizard-agent-harness/#%D0%BD%D0%B0%D1%85%D0%BE%D0%B4%D0%B8%D0%BC-%D0%BE%D1%88%D0%B8%D0%B1%D0%BA%D0%B8-%D0%B4%D0%BE-%D1%82%D0%BE%D0%B3%D0%BE-%D0%BA%D0%B0%D0%BA-%D0%B2%D1%8B-%D0%B8%D1%85-%D1%83%D0%B2%D0%B8%D0%B4%D0%B8%D1%82%D0%B5" class="hash-link" aria-label="Прямая ссылка на Находим ошибки до того, как вы их увидите" title="Прямая ссылка на Находим ошибки до того, как вы их увидите">​</a></h3>
<p>Wizard выполняет валидацию в два этапа.</p>
<ul>
<li>
<p>Во время работы агент проверяет свои изменения с помощью встроенных инструментов dbt: компилирует SQL, разрешает ссылки <code>ref()</code> и читает структурированные сообщения об ошибках, если что-то идёт не так. Ошибки компилятора и базы данных поступают прямо в модель с указанием точной строки и предлагаемого исправления, чтобы она могла внести правки ещё до того, как вы что-либо увидите.</p>
</li>
<li>
<p>Когда изменение готово, Wizard подводит итог проделанной работы и предлагает область валидации. Способ её выполнения зависит от того, где вы используете Wizard:</p>
<ul>
<li><a href="https://www.getdbt.com/wizard-desktop-waitlist" target="_blank" rel="noopener noreferrer">Wizard Desktop</a> и <a href="https://docs.getdbt.tech/docs/dbt-ai/wizard-cli/">CLI</a>: выберите глубину валидации — от быстрой компиляции и запуска тестов до полного сравнения production-окружения с окружением разработки. В Desktop начните с панели <strong>Validation</strong>. Специальный агент валидации выполняет сборки и тесты только для одобренных вами моделей. Он не расширяет выборку, не меняет целевые окружения и не выполняет <a href="https://docs.getdbt.tech/reference/resource-configs/full_refresh/">полное обновление</a>.</li>
<li><a href="https://docs.getdbt.tech/docs/platform/wizard-platform/">Платформа dbt</a>: Wizard использует более простой и проактивный подход. Он сам решает, какие команды нужны для проверки изменений, и запускает их автоматически, если вы уже разрешили их выполнение.</li>
</ul>
</li>
</ul>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/wizard-agent-harness/#" data-featherlight="/img/blog/2026-10-14-wizard-agent-harness/wizard-validation-plan.png"><img data-toggle="lightbox" alt="План валидации Wizard с глубиной Medium: компиляция и проверка линтером, материализация, тестирование и сборка зависимых нижестоящих моделей для выбранной области, с автоматическим применением deferral." title="План валидации Wizard с глубиной Medium: компиляция и проверка линтером, материализация, тестирование и сборка зависимых нижестоящих моделей для выбранной области, с автоматическим применением deferral." src="https://docs.getdbt.tech/img/blog/2026-10-14-wizard-agent-harness/wizard-validation-plan.png?v=2"></a></span><span class="title_aGrV">План валидации Wizard с глубиной Medium: компиляция и проверка линтером, материализация, тестирование и сборка зависимых нижестоящих моделей для выбранной области, с автоматическим применением deferral.</span></div>
<p>Если какая-либо проверка завершается неудачей, обвязка передаёт информацию об этом обратно в модель как контекст, модель вносит исправления, и цикл повторяется.</p>
<p>Основная идея в том, что модель что-то пишет, dbt предоставляет ей реальную обратную связь от компилятора и тестов (ещё лучше, если вы используете <a href="https://docs.getdbt.tech/reference/resource-configs/static-analysis/">статический анализ</a>), а обвязка управляет этим циклом обратной связи до того, как человек увидит результат. В итоге люди проверяют результат, который уже прошёл компиляцию и валидацию, а не первый черновик.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="сдерживаем-расходы-на-хранилище">Сдерживаем расходы на хранилище<a href="https://docs.getdbt.tech/blog/wizard-agent-harness/#%D1%81%D0%B4%D0%B5%D1%80%D0%B6%D0%B8%D0%B2%D0%B0%D0%B5%D0%BC-%D1%80%D0%B0%D1%81%D1%85%D0%BE%D0%B4%D1%8B-%D0%BD%D0%B0-%D1%85%D1%80%D0%B0%D0%BD%D0%B8%D0%BB%D0%B8%D1%89%D0%B5" class="hash-link" aria-label="Прямая ссылка на Сдерживаем расходы на хранилище" title="Прямая ссылка на Сдерживаем расходы на хранилище">​</a></h3>
<p>Ещё одна причина, по которой цикл валидации занимает центральное место в жизненном цикле агента, — стоимость. Wizard изучает ваш проект и проверяет свою работу тщательнее, чем обычный агент, поэтому мы строго контролируем, какие команды он может выполнять. В наших экспериментах агенты, особенно с более высоким уровнем рассуждений, охотно выполняли компиляцию и сборку всей схемы разработки для проверки каждого изменения. Это расходует вычислительные ресурсы хранилища и перегружает среды разработки. Доступ к командам dbt через сервер MCP или оболочку сам по себе этого не предотвращает.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:95%"><span><a href="https://docs.getdbt.tech/blog/wizard-agent-harness/#" data-featherlight="/img/blog/wizard-this-is-fine.png"><img data-toggle="lightbox" alt="Агент пересобирает всю схему разработки в ответ на просьбу переименовать один столбец 🥲" title="Агент пересобирает всю схему разработки в ответ на просьбу переименовать один столбец 🥲" src="https://docs.getdbt.tech/img/blog/wizard-this-is-fine.png?v=2"></a></span><span class="title_aGrV">Агент пересобирает всю схему разработки в ответ на просьбу переименовать один столбец 🥲</span></div>
<p>Чтобы избежать такого поведения, Wizard направляет каждую команду dbt через собственные инструменты, а не через оболочку, автоматически применяет deferral и ограничивает запуски валидации одобренной областью.</p>
<p><a href="https://docs.getdbt.tech/docs/platform/about-defer/">Deferral</a> — чрезвычайно мощная возможность, и Wizard обеспечивает её полноценную поддержку. Если вы работаете над моделью на третьем уровне вашего DAG, а агент пересобирает все вышестоящие зависимости в окружении разработки, вы напрасно тратите вычислительные ресурсы хранилища и время. При выполнении определённых команд это может повториться несколько раз за одну задачу. Wizard собирает только необходимые объекты в окружении разработки, а для неизменённых вышестоящих моделей использует их production-состояние через deferral. Там, где это полезно, он также сравнивает поведение в разработке и production и проверяет влияние на нижестоящие объекты.</p>
<p>По умолчанию Wizard <a href="https://docs.getdbt.tech/docs/dbt-ai/wizard-how-it-works/#deferral-and-state">управляет deferral за вас</a>, а также работает с <a href="https://docs.getdbt.tech/docs/deploy/dbt-state-about/">dbt State</a> или с ручной настройкой, если она у вас уже есть. В любом случае валидация выполняется на реалистичном состоянии без затрат на полную пересборку.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/wizard-agent-harness/#" data-featherlight="/img/blog/2026-10-14-wizard-agent-harness/wizard-deferral-animation.gif"><img data-toggle="lightbox" alt="Как Wizard использует deferral: после изменения fct_orders агентом полная пересборка создаёт четыре модели в окружении разработки, а deferral на production повторно использует вышестоящие production-копии, собирает только изменённую модель и добавляет сравнение данных и проверку влияния на нижестоящие объекты." title="Как Wizard использует deferral: после изменения fct_orders агентом полная пересборка создаёт четыре модели в окружении разработки, а deferral на production повторно использует вышестоящие production-копии, собирает только изменённую модель и добавляет сравнение данных и проверку влияния на нижестоящие объекты." src="https://docs.getdbt.tech/img/blog/2026-10-14-wizard-agent-harness/wizard-deferral-animation.gif?v=2"></a></span><span class="title_aGrV">Как Wizard использует deferral: после изменения fct_orders агентом полная пересборка создаёт четыре модели в окружении разработки, а deferral на production повторно использует вышестоящие production-копии, собирает только изменённую модель и добавляет сравнение данных и проверку влияния на нижестоящие объекты.</span></div>
<p>Валидация в dbt никогда не сводилась к вопросу «можно ли разобрать этот файл?». Настоящий вопрос — сможет ли изменение выполняться в реальном хранилище, не приводя к резкому росту затрат и времени выполнения и не нарушая зависимости, контракты или нижестоящие модели. Именно на этот вопрос и должен отвечать цикл валидации.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="эффект-на-практике">Эффект на практике<a href="https://docs.getdbt.tech/blog/wizard-agent-harness/#%D1%8D%D1%84%D1%84%D0%B5%D0%BA%D1%82-%D0%BD%D0%B0-%D0%BF%D1%80%D0%B0%D0%BA%D1%82%D0%B8%D0%BA%D0%B5" class="hash-link" aria-label="Прямая ссылка на Эффект на практике" title="Прямая ссылка на Эффект на практике">​</a></h3>
<p>Специалисты по данным тратят большую часть времени на сопровождение пайплайнов и тушение пожаров. Такая реактивная работа может изматывать команды и мешать им браться за новые проекты и удовлетворять запросы заинтересованных сторон.</p>
<p>По мере того как агенты пишут всё больше кода, вопрос смещается с «это работает?» на «это работает правильно?». Чтобы посмотреть, как это выглядит на практике, один из нас (Алекс) изучил семь месяцев истории своей личной платформы торговых данных. Она построена на Dagster, dbt и BigQuery, содержит 239 активов данных (из них 174 — модели dbt) и 1 114 проверок качества данных, а большую часть кода для неё пишут ИИ-агенты. История охватывает 24 388 запусков и 405 влитых PR за период с 1 марта по 3 октября 2026 года.</p>
<p>Исправления составляли 57% всех влитых PR. По мере роста платформы эта доля почти не менялась. Число PR с исправлениями практически точно следовало за общим числом влитых PR от недели к неделе (ρ 0,96), тогда как примерно стократное увеличение числа записываемых строк не оказало измеримого влияния на частоту исправлений. Пайплайны ломались из-за роста сложности и отсутствия удобного способа выявлять такие проблемы качества данных до запуска.</p>
<p>Когда запуск завершается с ошибкой, дефект обнаруживается быстро: в этом случае медианное время составило один день. Другое дело — успешный запуск с неверным числом в результате. В выборке хорошо документированных дефектов медианное время обнаружения скрытых ошибок составило 65 дней, а некоторые оставались незамеченными до 361 дня. Одна метрика ликвидности (к которой никто не обращался с запросами) была ошибочной в 1 000 раз на протяжении 210 дней. Заметная доля этих дефектов была вызвана проблемами качества исходных данных поставщика.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/wizard-agent-harness/#" data-featherlight="/img/blog/2026-10-14-wizard-agent-harness/silent-vs-loud-defect-detection.png"><img data-toggle="lightbox" alt="Медианное число дней до обнаружения дефекта: явные дефекты, при которых запуск завершался с ошибкой, находили за 1 день, а скрытые дефекты, при которых запуск был успешным, но число — неверным, обнаруживали за 65 дней." title="Медианное число дней до обнаружения дефекта: явные дефекты, при которых запуск завершался с ошибкой, находили за 1 день, а скрытые дефекты, при которых запуск был успешным, но число — неверным, обнаруживали за 65 дней." src="https://docs.getdbt.tech/img/blog/2026-10-14-wizard-agent-harness/silent-vs-loud-defect-detection.png?v=2"></a></span><span class="title_aGrV">Медианное число дней до обнаружения дефекта: явные дефекты, при которых запуск завершался с ошибкой, находили за 1 день, а скрытые дефекты, при которых запуск был успешным, но число — неверным, обнаруживали за 65 дней.</span></div>
<p>В самую загруженную неделю этого периода, когда к платформе подключили аналитического агента, было влито 104 PR, а доля успешных запусков оставалась на уровне 98%. На ту же неделю пришлось 36 исправлений корректности — треть от общего числа за месяц. Успешного прохождения CI тоже недостаточно: около 90% PR, написанных агентами, проходили CI с первой попытки независимо от того, какая модель их создала. Самые дорогостоящие дефекты проходили и CI, и ревью кода.</p>
<p>С августа Wizard (<a href="https://docs.getdbt.tech/docs/dbt-ai/wizard-billing-faqs/#dbt-managed-inference">на базе GLM 5.3</a>) стал играть более заметную роль в подготовке любых изменений, затрагивающих платформу. Мы предполагали, что цикл валидации и встроенное понимание проекта помогут раньше находить проблемы качества данных и вносить меньше ошибок. Чтобы проверить это, мы проанализировали каждый PR за этот период с разбивкой по обвязке и модели. У Wizard с GLM доля изменений, потребовавших последующего исправления, составила 5% — ниже, чем у любой другой измеренной нами комбинации модели и обвязки, включая передовые модели с более сильными способностями к рассуждению. Это существенно повышает продуктивность разработчиков и доверие заинтересованных сторон, а также снижает общий расход токенов ИИ, минут CI и ресурсов хранилища.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/wizard-agent-harness/#" data-featherlight="/img/blog/2026-10-14-wizard-agent-harness/follow-up-fix-rate-by-harness.png"><img data-toggle="lightbox" alt="PR, потребовавшие последующего исправления в течение 14 дней, с разбивкой по модели и обвязке: у Wizard самая низкая доля — 5%." title="PR, потребовавшие последующего исправления в течение 14 дней, с разбивкой по модели и обвязке: у Wizard самая низкая доля — 5%." src="https://docs.getdbt.tech/img/blog/2026-10-14-wizard-agent-harness/follow-up-fix-rate-by-harness.png?v=2"></a></span><span class="title_aGrV">PR, потребовавшие последующего исправления в течение 14 дней, с разбивкой по модели и обвязке: у Wizard самая низкая доля — 5%.</span></div>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="сначала-метаданные-а-не-файлы">Сначала метаданные, а не файлы<a href="https://docs.getdbt.tech/blog/wizard-agent-harness/#%D1%81%D0%BD%D0%B0%D1%87%D0%B0%D0%BB%D0%B0-%D0%BC%D0%B5%D1%82%D0%B0%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D0%B5-%D0%B0-%D0%BD%D0%B5-%D1%84%D0%B0%D0%B9%D0%BB%D1%8B" class="hash-link" aria-label="Прямая ссылка на Сначала метаданные, а не файлы" title="Прямая ссылка на Сначала метаданные, а не файлы">​</a></h2>
<p>Один из ключевых инструментов, которые мы добавили, чтобы помочь Wizard находить контекст, — <a href="https://docs.getdbt.tech/docs/build/dbt-information-schema/">dbt Information Schema</a> для вашего проекта dbt. Она заранее сформирована и готова ещё до вашего первого запроса, поэтому вместо чтения файлов ради выяснения устройства проекта Wizard обращается к dbt Information Schema. Перед изменением кода он также проверяет вышестоящие и нижестоящие зависимости.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/wizard-agent-harness/#" data-featherlight="/img/blog/2026-10-14-wizard-agent-harness/dbt-index-metadata-engine.png"><img data-toggle="lightbox" alt="Артефакты сборки dbt (manifest, catalog, run results и semantic manifest) поступают в dbt Information Schema — набор представлений DuckDB над артефактами в формате parquet, к которым Wizard обращается для анализа влияния, проверки состояния, планирования валидации и профилирования данных." title="Артефакты сборки dbt (manifest, catalog, run results и semantic manifest) поступают в dbt Information Schema — набор представлений DuckDB над артефактами в формате parquet, к которым Wizard обращается для анализа влияния, проверки состояния, планирования валидации и профилирования данных." src="https://docs.getdbt.tech/img/blog/2026-10-14-wizard-agent-harness/dbt-index-metadata-engine.png?v=2"></a></span><span class="title_aGrV">Артефакты сборки dbt (manifest, catalog, run results и semantic manifest) поступают в dbt Information Schema — набор представлений DuckDB над артефактами в формате parquet, к которым Wizard обращается для анализа влияния, проверки состояния, планирования валидации и профилирования данных.</span></div>
<p>Эти метаданные включают модели, столбцы, ссылки ref, происхождение данных (включая <a href="https://docs.getdbt.tech/docs/explore/column-level-lineage/">происхождение на уровне столбцов</a>), тесты, <a href="https://docs.getdbt.tech/reference/resource-configs/contract/">контракты</a>, <a href="https://docs.getdbt.tech/docs/use-dbt-semantic-layer/dbt-sl/">семантические определения</a>, результаты запусков и состояние моделей. Когда вы спрашиваете Wizard «что сломается, если я переименую этот столбец?», он может сразу ответить на основе графа проекта — без необходимости искать каждую модель в цепочке зависимостей и читать её содержимое целиком.</p>
<p>Во-первых, это даёт модели точный, структурированный контекст вместо необработанного содержимого файлов. Когда вы просите добавить тесты к <code>stg_customers</code>, она уже знает, какие файлы нужно посмотреть, в каком YAML-файле схемы описана модель, где <code>stg_customers</code> находится в графе происхождения данных и что уже проверяют тесты похожих staging-моделей в вашем проекте.</p>
<p>Во-вторых, это экономит входные токены — как с точки зрения стоимости, так и с точки зрения активного контекстного окна. Токены, которые ушли бы на выяснение зависимостей, вместо этого используются для самого изменения, и с ростом проекта это становится всё важнее.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="инструменты-созданные-для-агентов">Инструменты, созданные для агентов<a href="https://docs.getdbt.tech/blog/wizard-agent-harness/#%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B-%D1%81%D0%BE%D0%B7%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D0%B5-%D0%B4%D0%BB%D1%8F-%D0%B0%D0%B3%D0%B5%D0%BD%D1%82%D0%BE%D0%B2" class="hash-link" aria-label="Прямая ссылка на Инструменты, созданные для агентов" title="Прямая ссылка на Инструменты, созданные для агентов">​</a></h2>
<p>Консольный вывод dbt рассчитан на людей: строки прогресса для каждого узла, цвета, баннеры и сводки. Это удобно в терминале, но для агента по большей части является шумом. Поэтому, когда Wizard запускает <a href="https://docs.getdbt.tech/docs/dbt-ai/wizard-how-it-works/#tools-and-capabilities">инструмент</a> или команду dbt, в контекст модели попадает только полезная информация.</p>
<p>Wizard запускает dbt со <a href="https://docs.getdbt.tech/reference/global-configs/logs/">структурированным журналированием в JSON</a> и преобразует результат в компактный отчёт: число успешных, неуспешных и пропущенных операций, а затем только узлы с ошибками и сообщения об этих ошибках. В примере сборки с неуспешным тестом агент видит около 150 токенов вместо примерно 1 300 в обычном выводе dbt или, что ещё хуже, 21 000 в интерактивном сеансе терминала. Ошибка SQL поступает как точное сообщение базы данных, строка и предлагаемый столбец — ничего лишнего.</p>
<p>Тот же принцип применяется ко всем командам. Во время долгой сборки агенту не нужен статус каждой модели по мере её завершения, поэтому Wizard периодически запрашивает сводку вместо потоковой передачи каждой строки. Wizard также удаляет цвета, индикаторы загрузки и другой вывод, предназначенный для людей. Для каждой операции dbt мы добиваемся того, чтобы Wizard возвращал только самую значимую информацию. При выполнении сборок Wizard видит, какие именно модели были собраны и с каким статусом. При запуске тестов он видит только количество выполненных тестов, список неуспешных тестов и сведения об их ошибках.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="навыки-настраиваемые-и-переносимые">Навыки: настраиваемые и переносимые<a href="https://docs.getdbt.tech/blog/wizard-agent-harness/#%D0%BD%D0%B0%D0%B2%D1%8B%D0%BA%D0%B8-%D0%BD%D0%B0%D1%81%D1%82%D1%80%D0%B0%D0%B8%D0%B2%D0%B0%D0%B5%D0%BC%D1%8B%D0%B5-%D0%B8-%D0%BF%D0%B5%D1%80%D0%B5%D0%BD%D0%BE%D1%81%D0%B8%D0%BC%D1%8B%D0%B5" class="hash-link" aria-label="Прямая ссылка на Навыки: настраиваемые и переносимые" title="Прямая ссылка на Навыки: настраиваемые и переносимые">​</a></h2>
<p>Многие ваши соглашения Wizard усваивает из графа проекта: как называются, тестируются и материализуются модели. <a href="https://docs.getdbt.tech/docs/dbt-ai/wizard-skills/">Навыки</a> охватывают всё остальное — например, шаблон документации, чек-лист ревью или правило именования, которому старые модели пока не следуют.</p>
<p>Навыки используют открытый формат Agent Skills, поэтому навыки, которыми ваша команда уже пользуется, включая <a href="https://docs.getdbt.tech/blog/dbt-agent-skills/">навыки агентов от dbt</a>, работают в Wizard, а навыки, написанные для Wizard, работают и в других инструментах. Wizard поставляется со встроенными навыками dbt, загружает только те, которые нужны для задачи, и позволяет навыкам вашего проекта переопределять стандартные.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="оркестрация-субагентов">Оркестрация субагентов<a href="https://docs.getdbt.tech/blog/wizard-agent-harness/#%D0%BE%D1%80%D0%BA%D0%B5%D1%81%D1%82%D1%80%D0%B0%D1%86%D0%B8%D1%8F-%D1%81%D1%83%D0%B1%D0%B0%D0%B3%D0%B5%D0%BD%D1%82%D0%BE%D0%B2" class="hash-link" aria-label="Прямая ссылка на Оркестрация субагентов" title="Прямая ссылка на Оркестрация субагентов">​</a></h2>
<p>Некоторые задачи слишком велики для одного контекстного окна. В Wizard есть команда <a href="https://docs.getdbt.tech/docs/dbt-ai/wizard-subagents/">субагентов</a>, способных выполнять сложные задачи: рефакторинг множества моделей, обновление целых наборов тестов, масштабное документирование и обновление контрактов. Для этого мы распределяем работу между узкоспециализированными вспомогательными субагентами, которые работают параллельно, освобождая контекст основного агента для координации задачи.</p>
<p>Встроенные роли отражают наше представление о рабочих процессах инженеров-аналитиков:</p>
<ul>
<li><strong>explorer</strong>: работает только на чтение, отвечает на конкретные вопросы о проекте, используя граф происхождения данных и метаданные</li>
<li><strong>worker</strong>: вносит изменения в файлы</li>
<li><strong>validation</strong>: выполняет структурированную валидацию dbt, включая проверки SQL, <code>dbt run --defer</code>, сравнение production-окружения с окружением разработки и анализ влияния</li>
<li><strong>test_writer</strong>: находит пробелы в покрытии тестами и пишет тесты схемы</li>
</ul>
<p>Так что вместо того, чтобы заставлять одного агента держать весь рефакторинг в голове (под остроконечной шляпой), Wizard выступает координатором, который передаёт сложную работу специалистам.</p>
<p>Wizard Desktop поднимает этот подход ещё на один уровень. Субагенты делят между собой одну задачу, а параллельные чаты позволяют запускать несколько задач одновременно. В одном чате можно рефакторить модель, в другом — разбираться с падающим тестом, а в третьем — отвечать на вопрос о данных. Каждый чат изолирован и в репозитории, и в хранилище, поэтому параллельные задачи не конфликтуют и не записывают данные в одни и те же таблицы.</p>
<p>Desktop также позволяет выбирать глубину валидации изменения: от быстрой компиляции и запуска тестов до полного сравнения production-окружения с окружением разработки. А если что-то не так, можно оставить комментарий к конкретной строке, ячейке таблицы или диаграмме и передать эту обратную связь прямо агенту. Чтобы попробовать, <a href="https://www.getdbt.com/wizard-desktop-waitlist" target="_blank" rel="noopener noreferrer">запишитесь в список ожидания Wizard Desktop</a>.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="модель-безопасности">Модель безопасности<a href="https://docs.getdbt.tech/blog/wizard-agent-harness/#%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C-%D0%B1%D0%B5%D0%B7%D0%BE%D0%BF%D0%B0%D1%81%D0%BD%D0%BE%D1%81%D1%82%D0%B8" class="hash-link" aria-label="Прямая ссылка на Модель безопасности" title="Прямая ссылка на Модель безопасности">​</a></h2>
<p>Работа с dbt влияет на production-пайплайны данных. Неудачное слияние может сломать дашборды, испортить метрики или незаметно изменить числа, на которых основаны бизнес-решения. Поэтому модель безопасности решает две задачи: ограничивает действия агента и показывает последствия изменения до того, как вы его примете.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="песочница-и-режимы-разрешений">Песочница и режимы разрешений<a href="https://docs.getdbt.tech/blog/wizard-agent-harness/#%D0%BF%D0%B5%D1%81%D0%BE%D1%87%D0%BD%D0%B8%D1%86%D0%B0-%D0%B8-%D1%80%D0%B5%D0%B6%D0%B8%D0%BC%D1%8B-%D1%80%D0%B0%D0%B7%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B9" class="hash-link" aria-label="Прямая ссылка на Песочница и режимы разрешений" title="Прямая ссылка на Песочница и режимы разрешений">​</a></h3>
<p>По умолчанию Wizard:</p>
<ul>
<li>Показывает правки в виде различий и запрашивает разрешение перед их применением.</li>
<li>Выполняет команды оболочки в песочнице с доступом только на чтение.</li>
<li>Всегда требует явного одобрения, независимо от других настроек, для разрушительных команд, таких как <code>--full-refresh</code>, <code>git reset --hard</code>, и любых действий, способных привести к необратимым изменениям.</li>
</ul>
<p>Вы независимо управляете двумя вещами: к чему агент может обращаться (от доступа только на чтение до полного доступа) и как часто он предварительно запрашивает разрешение (от каждого изменения до полного отсутствия запросов).</p>
<p>В Wizard Desktop это простой выбор между режимами <strong>Plan changes</strong>, <strong>Ask for approval</strong> и <strong>Auto</strong>. Для исследовательской работы можно ослабить ограничения, а для изменений, близких к production, — усилить. Но по умолчанию подход консервативный: агент предлагает, человек одобряет. Полный набор настроек описан в <a href="https://docs.getdbt.tech/docs/dbt-ai/wizard-config/">документации по конфигурации</a> и разделе <a href="https://docs.getdbt.tech/docs/dbt-ai/wizard-how-it-works/#approval-and-sandboxing">об одобрении и песочнице</a>.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="видим-последствия-до-одобрения">Видим последствия до одобрения<a href="https://docs.getdbt.tech/blog/wizard-agent-harness/#%D0%B2%D0%B8%D0%B4%D0%B8%D0%BC-%D0%BF%D0%BE%D1%81%D0%BB%D0%B5%D0%B4%D1%81%D1%82%D0%B2%D0%B8%D1%8F-%D0%B4%D0%BE-%D0%BE%D0%B4%D0%BE%D0%B1%D1%80%D0%B5%D0%BD%D0%B8%D1%8F" class="hash-link" aria-label="Прямая ссылка на Видим последствия до одобрения" title="Прямая ссылка на Видим последствия до одобрения">​</a></h3>
<p>Работа с данными по своей природе визуальна. Самые болезненные ошибки обычно не вызывают сообщения об ошибке. Пайплайн выполняется, PR одобряют, но число на дашборде оказывается неверным. Одобрение изменений в коде полезно только тогда, когда видно, к чему они приведут. Поэтому рядом с кодом Wizard показывает:</p>
<ul>
<li><strong>Анализ влияния:</strong> какие нижестоящие модели, тесты, exposures и метрики затронет изменение; эта информация берётся из графа проекта и доступна для просмотра в графе происхождения данных.</li>
<li><strong>Логику преобразований:</strong> расширенное представление различий в SQL и (на платформе dbt) визуальный DAG преобразований, который разбивает логику на более привычные шаги — соединения, фильтры, агрегации и проекции, — чтобы вы могли понять, как изменилась модель, а не только увидеть изменения в исходном коде.</li>
<li><strong>Различия в данных:</strong> что изменение на самом деле сделало с данными, на основе сравнения окружения разработки с production, чтобы вы видели не только SQL, который успешно компилируется.</li>
</ul>
<p>В Wizard Desktop всё это находится рядом с чатом: граф происхождения данных, представление <code>dbt-compare</code>, показывающее влияние изменения на данные, и различия для каждой затронутой модели. Если что-то выглядит неправильно, оставьте комментарий к соответствующей строке, ячейке таблицы или диаграмме, и агент его получит.</p>
<p>Вы проверяете, что изменение делает с вашими данными и DAG, а не только с файлами.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="работа-с-данными--это-не-только-код">Работа с данными — это не только код<a href="https://docs.getdbt.tech/blog/wizard-agent-harness/#%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%B0-%D1%81-%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D0%BC%D0%B8--%D1%8D%D1%82%D0%BE-%D0%BD%D0%B5-%D1%82%D0%BE%D0%BB%D1%8C%D0%BA%D0%BE-%D0%BA%D0%BE%D0%B4" class="hash-link" aria-label="Прямая ссылка на Работа с данными — это не только код" title="Прямая ссылка на Работа с данными — это не только код">​</a></h2>
<p>Агент с сервером dbt MCP и навыками может сделать немало. Он способен читать проект, запускать dbt и следовать соглашениям вашей команды. Но внесение изменения в dbt никогда не сводилось к написанию SQL. Нужно знать, что находится ниже по графу зависимостей, проверять изменение на реальных данных, держать расходы на хранилище в разумных пределах и видеть, что именно изменилось, прежде чем одобрять результат. Многое из этого требует визуального представления, а возможности стены текста в окне чата ограничены.</p>
<p>Именно для этой части работы мы создали Wizard. Он начинает с графа вашего проекта, проверяет свою работу в вашем хранилище с включённым deferral и показывает граф происхождения данных и различия в данных рядом с кодом, когда наступает ваша очередь проверять результат. Вы тратите меньше времени на отладку первых черновиков и поиск чисел, которые незаметно стали неверными, и больше — на работу, которой действительно ждут заинтересованные стороны.</p>
<p>dbt Wizard доступен <a href="https://docs.getdbt.tech/docs/platform/wizard-platform/">на платформе dbt</a>, <a href="https://docs.getdbt.tech/docs/dbt-ai/wizard-cli/">в виде CLI</a> и как Wizard Desktop (<a href="https://www.getdbt.com/wizard-desktop-waitlist" target="_blank" rel="noopener noreferrer">запишитесь в список ожидания</a>).</p>
<p>Чтобы увидеть, как Wizard решает реальные задачи в личном проекте, прочитайте <a href="https://docs.getdbt.tech/blog/wizard-use-cases/">«Сегодня — без присмотра»</a>. Подробнее о создании собственных навыков для вашей команды читайте в <a href="https://docs.getdbt.tech/docs/platform/wizard-overview/">документации dbt Wizard</a>.</p>]]></content>
        <author>
            <name>Jason Lin</name>
        </author>
        <author>
            <name>Alex Noonan</name>
        </author>
        <author>
            <name>Sam Ferguson</name>
        </author>
        <category label="ai" term="ai"/>
    </entry>
    <entry>
        <title type="html"><![CDATA[В чём разница между dbt и dbt OSS?]]></title>
        <id>https://docs.getdbt.tech/blog/comparing-dbt-and-dbt-oss/</id>
        <link href="https://docs.getdbt.tech/blog/comparing-dbt-and-dbt-oss/"/>
        <updated>2026-09-16T00:00:00.000Z</updated>
        <summary type="html"><![CDATA[По умолчанию мы рекомендуем бесплатный дистрибутив dbt v2, а не dbt OSS: у него больше возможностей, а его лицензия разрешает те же реальные сценарии использования бесплатно, без оплаты и общения с dbt Labs.]]></summary>
        <content type="html"><![CDATA[<p>В рамках <a href="https://docs.getdbt.tech/blog/dbt-v2-is-ga/">выпуска общедоступной версии dbt v2</a> мы переименовали два дистрибутива, чтобы отразить их место в экосистеме. <strong>Движок dbt Fusion теперь называется просто dbt</strong>, а <strong>dbt Core v2 теперь называется dbt OSS</strong>. Мы ожидаем, что большинство пользователей, переходящих на dbt v2, выберут основной дистрибутив dbt, который можно бесплатно использовать и устанавливать локально.</p>
<p>Изменение названий не меняет нашей приверженности открытому исходному коду: полностью открытая реализация стандарта dbt существует и будет существовать всегда. Весь код, который мы перевели с ELv2 или проприетарных лицензий на Apache 2.0 <a href="https://docs.getdbt.tech/blog/dbt-core-v2-is-here/#putting-all-our-efforts-behind-a-single-engine">в июне</a>, остаётся под этой лицензией, а переход на общую основу (вместо сохранения dbt Core на устаревшем движке Python) делает версию dbt с открытым исходным кодом сильнее.</p>
<p>Переход к двум свободно используемым дистрибутивам с общей основой — главный источник путаницы, с которым мы столкнулись во время бета-тестирования v2. Эта статья поможет объяснить различия между dbt и dbt OSS и подскажет, какой дистрибутив вам стоит выбрать.</p>
<div class="theme-admonition theme-admonition-note admonition_xJq3 alert alert--secondary"><div class="admonitionHeading_Gvgb"><span class="admonitionIcon_Rf37"><svg viewBox="0 0 14 16"><path fill-rule="evenodd" d="M6.3 5.69a.942.942 0 0 1-.28-.7c0-.28.09-.52.28-.7.19-.18.42-.28.7-.28.28 0 .52.09.7.28.18.19.28.42.28.7 0 .28-.09.52-.28.7a1 1 0 0 1-.7.3c-.28 0-.52-.11-.7-.3zM8 7.99c-.02-.25-.11-.48-.31-.69-.2-.19-.42-.3-.69-.31H6c-.27.02-.48.13-.69.31-.2.2-.3.44-.31.69h1v3c.02.27.11.5.31.69.2.2.42.31.69.31h1c.27 0 .48-.11.69-.31.2-.19.3-.42.31-.69H8V7.98v.01zM7 2.3c-3.14 0-5.7 2.54-5.7 5.68 0 3.14 2.56 5.7 5.7 5.7s5.7-2.55 5.7-5.7c0-3.15-2.56-5.69-5.7-5.69v.01zM7 .98c3.86 0 7 3.14 7 7s-3.14 7-7 7-7-3.12-7-7 3.14-7 7-7z"></path></svg></span>Кратко</div><div class="admonitionContent_BuS1"><p>По умолчанию мы рекомендуем бесплатный дистрибутив dbt v2 (ранее известный как Fusion), а не dbt OSS. У него больше возможностей, а его лицензия разработана так, чтобы разрешать те же реальные сценарии использования бесплатно, без оплаты и общения с dbt Labs.</p></div></div>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="краткое-сравнение-двух-дистрибутивов">Краткое сравнение двух дистрибутивов<a href="https://docs.getdbt.tech/blog/comparing-dbt-and-dbt-oss/#%D0%BA%D1%80%D0%B0%D1%82%D0%BA%D0%BE%D0%B5-%D1%81%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B5-%D0%B4%D0%B2%D1%83%D1%85-%D0%B4%D0%B8%D1%81%D1%82%D1%80%D0%B8%D0%B1%D1%83%D1%82%D0%B8%D0%B2%D0%BE%D0%B2" class="hash-link" aria-label="Прямая ссылка на Краткое сравнение двух дистрибутивов" title="Прямая ссылка на Краткое сравнение двух дистрибутивов">​</a></h2>
<ul>
<li>Помните, как я <a href="https://docs.getdbt.tech/blog/dbt-core-v2-is-here/#better-defining-dbt-cores-role-in-the-ecosystem">говорил</a>, что единственная уникальная характеристика dbt Core v2 — это открытый исходный код под лицензией Apache? Мы делаем это очевидным, заменяя название <strong>dbt Core v2</strong> на <strong>dbt OSS</strong>.<!-- -->
<ul>
<li>Для текущих пользователей бета-версии dbt Core v2 это исключительно смена названия; ни состав общедоступного кода, ни возможности его использования не меняются.</li>
<li>Для текущих пользователей dbt Core v1 наша рекомендация остаётся той же, что и <a href="https://docs.getdbt.tech/blog/dbt-core-v2-is-here/#better-defining-dbt-cores-role-in-the-ecosystem">ранее в этом году</a>: переходите на полную версию dbt, чтобы получить лучшие возможности для бесплатной локальной работы, и используйте dbt OSS, если вам нужен бинарный файл под лицензией Apache 2.</li>
</ul>
</li>
<li>В то же время <strong>движок dbt Fusion</strong> теперь называется <strong>dbt</strong>. Это версия dbt по умолчанию, которую стоит использовать практически всем, поэтому она и получает основное название.<!-- -->
<ul>
<li>Это тоже исключительно смена названия; условия лицензирования, объявленные ранее в этом году, не меняются. Как конечный пользователь вы можете устанавливать и использовать этот дистрибутив бесплатно.</li>
</ul>
</li>
</ul>
<p>Оба дистрибутива используют одну и ту же спецификацию языка; вы можете переходить с одного на другой, не меняя критически важную бизнес-логику.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="расцвет-локальных-cli">Расцвет локальных CLI<a href="https://docs.getdbt.tech/blog/comparing-dbt-and-dbt-oss/#%D1%80%D0%B0%D1%81%D1%86%D0%B2%D0%B5%D1%82-%D0%BB%D0%BE%D0%BA%D0%B0%D0%BB%D1%8C%D0%BD%D1%8B%D1%85-cli" class="hash-link" aria-label="Прямая ссылка на Расцвет локальных CLI" title="Прямая ссылка на Расцвет локальных CLI">​</a></h2>
<p>Локальные CLI сейчас набирают популярность. Агенты отлично работают со структурированным вводом и выводом и короткими циклами итераций, которые обеспечивают такие инструменты. Как я уже говорил <a href="https://docs.getdbt.tech/blog/dbt-core-v2-is-here/?version=2#better-defining-dbt-cores-role-in-the-ecosystem">раньше</a>, одна из замечательных сторон перехода с Python на Rust заключается в том, что лучшая бесплатная версия dbt теперь может работать полностью локально.</p>
<p>Исторически название «dbt Core» часто использовали как краткое обозначение «бесплатной версии dbt», «локальной версии dbt» или «версии dbt с открытым исходным кодом». В эпоху v2 только одна из этих характеристик остаётся уникальным отличием, и мы считаем, что название dbt OSS лучше объясняет назначение каждого дистрибутива.</p>
<div class="filterableTableContainer_mhtg"><table><thead><tr><th></th><th>dbt OSS</th><th>dbt</th></tr></thead><tbody><tr><td>Бесплатное использование</td><td>✅</td><td>✅</td></tr><tr><td>Возможность локальной работы</td><td>✅</td><td>✅</td></tr><tr><td>Стандартные возможности фреймворка бесплатно (на уровне dbt 1.x или выше)</td><td>✅</td><td>✅</td></tr><tr><td>Поддержка дополнительных платных функций с оплатой по объёму использования (например, dbt State, dbt Wizard)</td><td>✅</td><td>✅</td></tr><tr><td>Продолжает получать новые функции и улучшения</td><td>✅</td><td>✅</td></tr><tr><td>Общая основа кодовой базы</td><td>✅</td><td>✅</td></tr><tr><td>Расширенные локальные возможности бесплатно (например, семантический анализ SQL, линтинг, поддержка dbt LSP)</td><td>❌</td><td>✅</td></tr><tr><td>Поддержка дополнительных платных функций с оплатой за рабочее место (например, dbt Mesh, dbt Catalog)</td><td>❌</td><td>✅</td></tr><tr><td>Полностью открытый исходный код под лицензией Apache 2.0</td><td>✅</td><td>❌</td></tr></tbody></table></div>
<p>На мой взгляд, ложная дихотомия «Core или Cloud» — следствие исторически сложившихся особенностей реализации dbt. Всегда существовали возможности, которые не были реализованы в общедоступном репозитории dbt-core, но поскольку вы взаимодействовали с ними через платформу dbt, а не через локальный CLI<sup><a href="https://docs.getdbt.tech/blog/comparing-dbt-and-dbt-oss/#user-content-fn-1-c7fe24" id="user-content-fnref-1-c7fe24" data-footnote-ref="true" aria-describedby="footnote-label">1</a></sup>, они <em>воспринимались</em> как облачные функции, а не как возможности самого dbt.</p>
<p>Если вы слышали, как мы говорим об <a href="https://roundup.getdbt.com/p/one-dbt" target="_blank" rel="noopener noreferrer">One dbt</a>, это должно стать глотком свежего воздуха. Где бы и как бы ваши команды ни работали с dbt, вы можете развернуть один бинарный файл во всей организации. Вы можете подключать дополнительные бесплатные или платные функции в удобное для вас время, без необходимости сначала переходить на другую установку dbt или другой способ аутентификации.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="что-я-получу-если-буду-использовать-полный-бинарный-файл-dbt">Что я получу, если буду использовать полный бинарный файл dbt?<a href="https://docs.getdbt.tech/blog/comparing-dbt-and-dbt-oss/#%D1%87%D1%82%D0%BE-%D1%8F-%D0%BF%D0%BE%D0%BB%D1%83%D1%87%D1%83-%D0%B5%D1%81%D0%BB%D0%B8-%D0%B1%D1%83%D0%B4%D1%83-%D0%B8%D1%81%D0%BF%D0%BE%D0%BB%D1%8C%D0%B7%D0%BE%D0%B2%D0%B0%D1%82%D1%8C-%D0%BF%D0%BE%D0%BB%D0%BD%D1%8B%D0%B9-%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D1%8B%D0%B9-%D1%84%D0%B0%D0%B9%D0%BB-dbt" class="hash-link" aria-label="Прямая ссылка на Что я получу, если буду использовать полный бинарный файл dbt?" title="Прямая ссылка на Что я получу, если буду использовать полный бинарный файл dbt?">​</a></h2>
<p>Команда <code>pip install dbt &gt;= 2.0.0</code> сразу предоставляет бесплатный доступ к наиболее функциональной версии dbt без необходимости входа в систему или оплаты.</p>
<p>Если вы всё же решите платить за коммерческие функции, возможностей станет ещё больше. Для доступа к этим дополнительным функциям не потребуется устанавливать другой продукт<sup><a href="https://docs.getdbt.tech/blog/comparing-dbt-and-dbt-oss/#user-content-fn-2-c7fe24" id="user-content-fnref-2-c7fe24" data-footnote-ref="true" aria-describedby="footnote-label">2</a></sup> или менять способ аутентификации — всё работает без дополнительных действий.</p>
<p>Независимо от того, какой дистрибутив вы используете:</p>
<ul>
<li>Ваш проект dbt использует общий язык: при выполнении <code>dbt build</code> вы получите одинаковые результаты.</li>
<li>Вы по-прежнему можете вносить улучшения и исправления в <a href="https://github.com/dbt-labs/dbt" target="_blank" rel="noopener noreferrer">репозиторий dbt</a>, и они попадут в оба дистрибутива.</li>
</ul>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="что-я-получу-если-буду-использовать-dbt-oss">Что я получу, если буду использовать dbt OSS?<a href="https://docs.getdbt.tech/blog/comparing-dbt-and-dbt-oss/#%D1%87%D1%82%D0%BE-%D1%8F-%D0%BF%D0%BE%D0%BB%D1%83%D1%87%D1%83-%D0%B5%D1%81%D0%BB%D0%B8-%D0%B1%D1%83%D0%B4%D1%83-%D0%B8%D1%81%D0%BF%D0%BE%D0%BB%D1%8C%D0%B7%D0%BE%D0%B2%D0%B0%D1%82%D1%8C-dbt-oss" class="hash-link" aria-label="Прямая ссылка на Что я получу, если буду использовать dbt OSS?" title="Прямая ссылка на Что я получу, если буду использовать dbt OSS?">​</a></h2>
<p>Если бы dbt OSS (версия, собранная исключительно из кода под лицензией Apache) был единственным дистрибутивом dbt v2, это было бы существенное обновление по сравнению с dbt Core 1.12. Он включает всё необходимое для выполнения вашего проекта dbt, а также множество улучшений для разработчиков, таких как <a href="https://docs.getdbt.tech/docs/build/view-documentation/?version=2#dbt-docs-v2">новый сайт dbt docs</a>, повышенная скорость работы и <a href="https://docs.getdbt.tech/docs/build/dbt-information-schema/">dbt Information Schema</a>. Разумеется, он также включает новые возможности языка, такие как <a href="https://github.com/dbt-labs/dbt-core/discussions/15584" target="_blank" rel="noopener noreferrer">checks</a>.</p>
<p>Но поскольку это <em>не</em> единственный дистрибутив dbt v2, а полнофункциональный дистрибутив тоже можно бесплатно использовать локально, устанавливать dbt OSS стоит только в том случае, если вы точно знаете, что ваша компания требует ПО под лицензией Apache 2.0 в определённых ситуациях, или если вы собираетесь писать собственный код, изменяющий работу dbt.</p>
<p>Даже в этом случае стоит проверить, можно ли вести разработку с помощью dbt, а dbt OSS устанавливать только в среды развёртывания. Оба дистрибутива могут читать одни и те же файлы проекта, поэтому переключаться между ними несложно.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="я-использую-довольно-старую-версию-dbt-core-что-мне-делать">Я использую довольно старую версию dbt Core. Что мне делать?<a href="https://docs.getdbt.tech/blog/comparing-dbt-and-dbt-oss/#%D1%8F-%D0%B8%D1%81%D0%BF%D0%BE%D0%BB%D1%8C%D0%B7%D1%83%D1%8E-%D0%B4%D0%BE%D0%B2%D0%BE%D0%BB%D1%8C%D0%BD%D0%BE-%D1%81%D1%82%D0%B0%D1%80%D1%83%D1%8E-%D0%B2%D0%B5%D1%80%D1%81%D0%B8%D1%8E-dbt-core-%D1%87%D1%82%D0%BE-%D0%BC%D0%BD%D0%B5-%D0%B4%D0%B5%D0%BB%D0%B0%D1%82%D1%8C" class="hash-link" aria-label="Прямая ссылка на Я использую довольно старую версию dbt Core. Что мне делать?" title="Прямая ссылка на Я использую довольно старую версию dbt Core. Что мне делать?">​</a></h2>
<p>Вам стоит запланировать постепенный переход на dbt v2 (или dbt OSS v2). Мы продолжим выпускать исправления безопасности и совместимости ещё много лет, но dbt Core 1.13 станет последним минорным релизом, который добавит существенную функциональность в кодовую базу на Python.</p>
<p>Прежде чем переходить на любой из дистрибутивов v2, обновитесь до dbt Core 1.12 (или любой ветки выпусков на платформе dbt). Эта версия позволяет протестировать проект с парсером v2 (с помощью нового флага <code>--use-v2-parser</code>), чтобы вы могли внести все необходимые исправления в проект, не прерывая рабочие процессы в production.</p>
<p>Чтобы упростить обновление, используйте <a href="https://github.com/dbt-labs/dbt-autofix" target="_blank" rel="noopener noreferrer">пакет <code>dbt-autofix</code></a> и наши <a href="https://github.com/dbt-labs/dbt-agent-skills/tree/main/skills/dbt-migration/skills" target="_blank" rel="noopener noreferrer">навыки агентов для миграции проектов</a>.</p>
<p>На момент публикации некоторые адаптеры ещё не достигли полной зрелости, поэтому перед планированием обновления обязательно <a href="https://docs.getdbt.tech/docs/local/connect-data-platform/about-dbt-connections/?version=2">проверьте статус своего адаптера</a> на сайте документации.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="как-установить-dbt-v2-сейчас">Как установить dbt v2 сейчас?<a href="https://docs.getdbt.tech/blog/comparing-dbt-and-dbt-oss/#%D0%BA%D0%B0%D0%BA-%D1%83%D1%81%D1%82%D0%B0%D0%BD%D0%BE%D0%B2%D0%B8%D1%82%D1%8C-dbt-v2-%D1%81%D0%B5%D0%B9%D1%87%D0%B0%D1%81" class="hash-link" aria-label="Прямая ссылка на Как установить dbt v2 сейчас?" title="Прямая ссылка на Как установить dbt v2 сейчас?">​</a></h2>
<p>Все подробности приведены в <a href="https://docs.getdbt.tech/docs/local/install-dbt/">руководстве по установке</a>. Если ваша команда сейчас использует pip, замените <code>pip install dbt-&lt;adapter&gt;</code> на <code>pip install dbt</code> (рекомендуется) или <code>pip install dbt-oss</code> в зависимости от выбранного дистрибутива.</p>
<p>Больше не нужно устанавливать адаптеры отдельно: соответствующий драйвер загружается по мере необходимости на основе целевой среды проекта.</p>
<p>Если вы развёртываете dbt в среде, где сетевые политики запрещают загрузку драйверов из нашей CDN, можно вместо этого напрямую установить пакет адаптера. Например, <code>pip install dbt-snowflake</code> установит полную версию dbt <em>и</em> драйвер Snowflake ADBC.</p>
<p>Пока команда <code>pip install dbt-core</code> продолжит работать (и будет устанавливать dbt OSS), но мы рекомендуем явно перейти на один из двух дистрибутивов.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="часто-задаваемые-вопросы">Часто задаваемые вопросы<a href="https://docs.getdbt.tech/blog/comparing-dbt-and-dbt-oss/#%D1%87%D0%B0%D1%81%D1%82%D0%BE-%D0%B7%D0%B0%D0%B4%D0%B0%D0%B2%D0%B0%D0%B5%D0%BC%D1%8B%D0%B5-%D0%B2%D0%BE%D0%BF%D1%80%D0%BE%D1%81%D1%8B" class="hash-link" aria-label="Прямая ссылка на Часто задаваемые вопросы" title="Прямая ссылка на Часто задаваемые вопросы">​</a></h2>
<div class="theme-admonition theme-admonition-note admonition_xJq3 alert alert--secondary"><div class="admonitionHeading_Gvgb"><span class="admonitionIcon_Rf37"><svg viewBox="0 0 14 16"><path fill-rule="evenodd" d="M6.3 5.69a.942.942 0 0 1-.28-.7c0-.28.09-.52.28-.7.19-.18.42-.28.7-.28.28 0 .52.09.7.28.18.19.28.42.28.7 0 .28-.09.52-.28.7a1 1 0 0 1-.7.3c-.28 0-.52-.11-.7-.3zM8 7.99c-.02-.25-.11-.48-.31-.69-.2-.19-.42-.3-.69-.31H6c-.27.02-.48.13-.69.31-.2.2-.3.44-.31.69h1v3c.02.27.11.5.31.69.2.2.42.31.69.31h1c.27 0 .48-.11.69-.31.2-.19.3-.42.31-.69H8V7.98v.01zM7 2.3c-3.14 0-5.7 2.54-5.7 5.68 0 3.14 2.56 5.7 5.7 5.7s5.7-2.55 5.7-5.7c0-3.15-2.56-5.69-5.7-5.69v.01zM7 .98c3.86 0 7 3.14 7 7s-3.14 7-7 7-7-3.12-7-7 3.14-7 7-7z"></path></svg></span>Примечание редактора</div><div class="admonitionContent_BuS1"><p>Эти ответы основаны на вопросах, которые мы получали о двух дистрибутивах v2 во время бета-тестирования, до их переименования. После переименования некоторые из них стали тавтологичными, и записывать их кажется немного нелепым… но в этом и смысл.</p></div></div>
<ul>
<li><strong>У dbt OSS открытый исходный код?</strong> Да, он распространяется под лицензией Apache 2.0 (OSS означает Open Source Software — программное обеспечение с открытым исходным кодом).</li>
<li><strong>dbt OSS — это тот же код, который изначально был выпущен как dbt Core 2.0?</strong> Да.</li>
<li><strong>В чём разница между dbt и dbt OSS?</strong> Оба дистрибутива — бесплатные реализации второй версии фреймворка dbt. dbt — основной дистрибутив с полным набором возможностей и <a href="https://www.getdbt.com/licenses-faq" target="_blank" rel="noopener noreferrer">лицензией, рассчитанной на широкое применение</a>. dbt OSS — дистрибутив с сокращённым набором возможностей, содержащий только открытый код под лицензией Apache 2.  Сам язык dbt — файлы SQL и YAML, которые вы пишете в своём проекте, — одинаков в обоих дистрибутивах. Разница заключается в том, что каждый дистрибутив может делать с одними и теми же входными файлами.</li>
<li><strong>Что стало с dbt Fusion?</strong> Теперь он называется просто dbt.</li>
<li><strong>Зачем существует dbt OSS, если вы рекомендуете большинству пользователей dbt?</strong> dbt OSS существует как запасной вариант для команд, которым в определённых ситуациях требуется ПО под лицензией Apache, а также как защита от зависимости от поставщика.</li>
<li><strong>Стоит ли мне перейти на один из дистрибутивов dbt v2?</strong> Да. Мы надеемся, что со временем все перейдут на версию 2, как в 2021 году все перешли с версии 0 на версию 1. Сейчас главный фактор — <a href="https://docs.getdbt.tech/docs/local/connect-data-platform/about-dbt-connections/?version=2">полностью ли поддерживается ваш адаптер</a> для вашего сценария использования.</li>
<li><strong>Если я использую dbt, нужно ли мне что-то платить dbt Labs?</strong> Нет.</li>
<li><strong>Если я использую dbt, <em>могу</em> ли я заплатить dbt Labs за доступ к интересным функциям?</strong> Да! Если вы хотите использовать такие возможности, как mesh между проектами и платформами или расширенные возможности Catalog, уже установленный вами полный бинарный файл dbt будет работать с ними без дополнительных действий.</li>
<li><strong>Кому стоит выбрать dbt OSS вместо dbt?</strong> Очень немногим. Если вы создаёте собственный инструмент преобразования данных, вы можете сделать форк кодовой базы dbt OSS и расширить её. Если политика вашей компании требует использования ПО под лицензией Apache, используйте dbt OSS. Всем остальным мы рекомендуем полный дистрибутив dbt.</li>
<li><strong>Как перейти с dbt 1.x на 2.0?</strong> Используйте <a href="https://github.com/dbt-labs/dbt-autofix" target="_blank" rel="noopener noreferrer">dbt-autofix</a> или наши <a href="https://github.com/dbt-labs/dbt-agent-skills/tree/main/skills/dbt-migration/skills" target="_blank" rel="noopener noreferrer">навыки агентов</a>, чтобы обновиться до dbt Core v1.12. Проверьте совместимость проекта с помощью флага CLI <code>--use-v2-parser</code>, а затем замените текущую установку dbt выбранным дистрибутивом v2.</li>
<li><strong>Можно ли использовать dbt State с dbt OSS и dbt?</strong> Да, оба дистрибутива поддерживают dbt State независимо от того, используете ли вы платформу dbt или другой оркестратор. Его можно использовать даже с dbt Core v1 после <a href="https://docs.getdbt.tech/docs/deploy/dbt-state-setup/?user-type=self-hosted&amp;version=1.12">установки отдельного плагина</a>.</li>
<li><strong>Могу ли я продолжать участвовать в разработке dbt v2, если использую проприетарную версию?</strong> Да! Запросы новых функций, сообщения об ошибках, обсуждения и PR, относящиеся к обоим дистрибутивам, а также весь код под лицензией Apache находятся в <a href="https://github.com/dbt-labs/dbt" target="_blank" rel="noopener noreferrer">репозитории dbt на GitHub</a>. Если вы внесёте изменение в открытый код, оно будет доступно везде.</li>
<li><strong>Как долго dbt v1 будет получать исправления безопасности и совместимости?</strong> После выпуска dbt Core 1.13 станет последней минорной версией линейки 1.x. Версия 1.13 продолжит получать <a href="https://docs.getdbt.tech/docs/dbt-versions/#-versioning-1">критически важную поддержку</a> (патч-релизы с исправлениями безопасности и установки) и после стандартного срока в 1 год. Мы ещё не определили точную дату прекращения поддержки, но ожидаем, что этот период составит несколько (3–5) лет. Мы будем следить за переходом на версию 2 и заблаговременно предупредим об окончательной дате завершения поддержки.</li>
</ul>
<!-- -->
<section data-footnotes="true" class="footnotes"><h2 class="anchor anchorWithHideOnScrollNavbar_WYt5 sr-only" id="footnote-label">Footnotes<a href="https://docs.getdbt.tech/blog/comparing-dbt-and-dbt-oss/#footnote-label" class="hash-link" aria-label="Прямая ссылка на Footnotes" title="Прямая ссылка на Footnotes">​</a></h2>
<ol>
<li id="user-content-fn-1-c7fe24">
<p>за исключением немногочисленных, но гордых пользователей Cloud CLI. <a href="https://docs.getdbt.tech/blog/comparing-dbt-and-dbt-oss/#user-content-fnref-1-c7fe24" data-footnote-backref="" aria-label="Back to reference 1" class="data-footnote-backref">↩</a></p>
</li>
<li id="user-content-fn-2-c7fe24">
<p>это мы о тебе, Cloud CLI <a href="https://docs.getdbt.tech/blog/comparing-dbt-and-dbt-oss/#user-content-fnref-2-c7fe24" data-footnote-backref="" aria-label="Back to reference 2" class="data-footnote-backref">↩</a></p>
</li>
</ol>
</section>]]></content>
        <author>
            <name>Joel Labes</name>
        </author>
        <category label="data ecosystem" term="data ecosystem"/>
    </entry>
    <entry>
        <title type="html"><![CDATA[dbt_context_engineering: моделирование контекста, который читают ваши ИИ-агенты]]></title>
        <id>https://docs.getdbt.tech/blog/dbt-context-engineering/</id>
        <link href="https://docs.getdbt.tech/blog/dbt-context-engineering/"/>
        <updated>2026-09-16T00:00:00.000Z</updated>
        <summary type="html"><![CDATA[dbt-context-engineering — новый пакет от dbt, который помогает создавать данные, готовые к использованию ИИ, когда они вам нужны.]]></summary>
        <content type="html"><![CDATA[<p>Сейчас каждая компания пытается применить ИИ к собственным данным, и большинство сталкивается с одной и той же проблемой: самое сложное — не модель. Качество ответа агента всегда ограничено качеством стоящего за ним контекста, а в большинстве организаций этот контекст никогда не моделировали для машинного чтения.</p>
<p>Традиционно перед нашим сообществом ставили задачу создавать аналитические системы, с помощью которых команды могли бы оценивать измеримые результаты своей работы, и эта работа уже приносит пользу ИИ: сегодня агент может получить управляемую, протестированную метрику через семантический слой. Но причины, стоящие за цифрами, скрыты в расшифровках звонков, обсуждениях с поддержкой и договорах, до которых аналитические инструменты раньше не могли добраться. У подготовки этих данных к тому, чтобы ИИ мог их находить, доверять им и ссылаться на них, есть название: инженерия контекста. Мы считаем, что сообщество dbt обладает уникальными возможностями, чтобы возглавить развитие этой практики.</p>
<p>В основе этого убеждения — наблюдение: инженерия контекста не новая дисциплина, которую нужно осваивать с нуля. Это аналитическая инженерия, ориентированная на нового потребителя. Практики, которые сделали ваши метрики надежными (контроль версий, тестирование, документирование, отслеживание происхождения данных), — именно то, чего сегодня не хватает контексту для ИИ. Поэтому мы выпускаем <a href="https://github.com/dbt-labs/dbt-context-engineering" target="_blank" rel="noopener noreferrer">dbt_context_engineering</a> — пакет с открытым исходным кодом, который переносит первый набор паттернов инженерии контекста в уже знакомый вам фреймворк. В этой статье мы расскажем, что входит в пакет, какие возможности он открывает и почему остальные подходы мы хотим вырабатывать вместе с сообществом.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="почему-dbt-и-почему-сейчас">Почему dbt и почему сейчас?<a href="https://docs.getdbt.tech/blog/dbt-context-engineering/#%D0%BF%D0%BE%D1%87%D0%B5%D0%BC%D1%83-dbt-%D0%B8-%D0%BF%D0%BE%D1%87%D0%B5%D0%BC%D1%83-%D1%81%D0%B5%D0%B9%D1%87%D0%B0%D1%81" class="hash-link" aria-label="Прямая ссылка на Почему dbt и почему сейчас?" title="Прямая ссылка на Почему dbt и почему сейчас?">​</a></h2>
<p>Если вы уже создавали слой метрик или золотой слой на своей платформе данных, у вас уже есть многие навыки, необходимые для инженерии контекста. Достаточно направить те же навыки преобразования, отбора и обогащения данных на новую цель: неструктурированный текст, который читает ИИ-агент.</p>
<p>Давайте рассмотрим слой метрик и то, что он дает уже сегодня:</p>
<ul>
<li>Все согласны с тем, что означает показатель и как его определять</li>
<li>Команда по работе с данными моделирует его, тестирует, а затем развертывает, чтобы он стал доступен всем</li>
<li>Когда кто-то спрашивает об этом показателе (например, «выручка за прошлый квартал»), он всегда получает тот же ответ, что и следующий человек с таким же вопросом. Оба получают единый, управляемый и надежный ответ</li>
</ul>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/dbt-context-engineering/#" data-featherlight="/img/blog/2026-09-13-dbt-context-engineering/metrics-rollup-rows-to-dashboard.png"><img data-toggle="lightbox" alt="Схема, на которой строки с данными о сделках проходят этап агрегации и превращаются в единую метрику доли выигранных сделок за второй квартал на дашборде" title="" src="https://docs.getdbt.tech/img/blog/2026-09-13-dbt-context-engineering/metrics-rollup-rows-to-dashboard.png?v=2"></a></span></div>
<p>Мы можем спросить, например, <em>почему упала выручка</em>, и LLM попытается собрать ответ из любых других доступных ей источников вне хранилища данных, но управляемого слоя, который предоставлял бы эту информацию агенту, нет. Нужный ему контекст разбросан по всей организации: расшифровки звонков, обсуждения с поддержкой, договоры, диспетчерские заметки и многое другое.</p>
<p>Эти неструктурированные данные в виде свободного текста существуют давно, но в повседневной работе с данными использовались мало. Причина в том, что аналитические инструменты рассчитаны на детерминированные результаты — именно это и упрощает управление метриками. Чтобы понять, вызвано ли падение выручки системной проблемой в воронке продаж, серьезной ошибкой или отсутствующей функцией, аналитическая команда сегодня могла бы начать с показателей закрытия обращений, их статусов и категорий. Но возможности такого подхода ограничены. Чтобы определить, какие именно причины влияют на результат, нужны творческое мышление и зачастую трудоемкий качественный анализ, а аналитические функции вроде sum и count сами по себе с этим не справляются. Поэтому аналитики в итоге используют такие измерения, как статус обращения, метки и категории, или ненадежные регулярные выражения для поиска по перепискам.</p>
<p>ИИ на платформе данных меняет ситуацию. Теперь у нас под рукой есть не вполне детерминированные, но не менее ценные функции, которые могут анализировать переписку, связанную с обращением (или группой похожих обращений), и помогать выяснить, что на самом деле влияет на показатель. Это и есть инженерия контекста — практика моделирования данных, которые читают ИИ-агенты.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/dbt-context-engineering/#" data-featherlight="/img/blog/2026-09-13-dbt-context-engineering/ai-agent-answers-beyond-the-metric.png"><img data-toggle="lightbox" alt="Схема, на которой уточняющие вопросы о доле выигранных сделок направляются ИИ-агенту, читающему исходные таблицы и возвращающему ответ со ссылками на источники" title="" src="https://docs.getdbt.tech/img/blog/2026-09-13-dbt-context-engineering/ai-agent-answers-beyond-the-metric.png?v=2"></a></span></div>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="что-вообще-считать-надежным-ответом">Что вообще считать надежным ответом?<a href="https://docs.getdbt.tech/blog/dbt-context-engineering/#%D1%87%D1%82%D0%BE-%D0%B2%D0%BE%D0%BE%D0%B1%D1%89%D0%B5-%D1%81%D1%87%D0%B8%D1%82%D0%B0%D1%82%D1%8C-%D0%BD%D0%B0%D0%B4%D0%B5%D0%B6%D0%BD%D1%8B%D0%BC-%D0%BE%D1%82%D0%B2%D0%B5%D1%82%D0%BE%D0%BC" class="hash-link" aria-label="Прямая ссылка на Что вообще считать надежным ответом?" title="Прямая ссылка на Что вообще считать надежным ответом?">​</a></h2>
<p>Если результат работы ИИ не детерминирован, то есть он не возвращает одну и ту же строку каждый раз, как он может быть надежным? Разве надежность — не главная цель управляемого слоя?</p>
<p>Ответ в том, что надежность в этом случае не означает получение идентичной строки. Она означает получение той информации, которую вы сочли важной. Рассмотрим три разных ответа, которые агент мог бы дать на вопрос «почему выручка упала в прошлом квартале?»:</p>
<ol>
<li>«Резкий рост оттока крупных корпоративных клиентов из-за жалоб на ошибку в выставлении счетов».</li>
<li>«Крупные корпоративные клиенты ушли из-за проблем с выставлением счетов».</li>
<li>«Ушли около 12 крупных корпоративных клиентов (примерно 60% недобора выручки за квартал), которые при звонках по поводу расторжения договоров ссылались на мартовскую ошибку в выставлении счетов».</li>
</ol>
<p>Все три ответа передают одну и ту же мысль. Но то, насколько они <em>надежны</em>, полностью зависит от ваших потребностей. Если ответ должен включать масштаб влияния и конкретную причину, чтобы на его основе можно было действовать, требованиям соответствует только третий. Если вам было достаточно узнать, что падение вызвано оттоком клиентов, первый ответ вполне надежен.</p>
<p>В конечном счете определение «надежности» задает инженер, который создает контекст, а не модель — и это ничем не отличается от того, как всегда работали метрики. «Надежная выручка» уже означает в вашей организации нечто конкретное и осознанно выбранное: например, какие подписки учитывать, как обрабатывать возвраты и когда признавать выручку. Каждая организация, а нередко и каждая команда внутри нее, проводит эту границу по-своему. Инженерия контекста — та же дисциплина, примененная к новым формам данных, таким как неструктурированный текст: нужно определить, что должен содержать хороший ответ, и подготовить данные так, чтобы агент находил эту информацию каждый раз.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="где-заканчиваются-возможности-соединений-регулярных-выражений-и-классического-sql">Где заканчиваются возможности соединений, регулярных выражений и классического SQL<a href="https://docs.getdbt.tech/blog/dbt-context-engineering/#%D0%B3%D0%B4%D0%B5-%D0%B7%D0%B0%D0%BA%D0%B0%D0%BD%D1%87%D0%B8%D0%B2%D0%B0%D1%8E%D1%82%D1%81%D1%8F-%D0%B2%D0%BE%D0%B7%D0%BC%D0%BE%D0%B6%D0%BD%D0%BE%D1%81%D1%82%D0%B8-%D1%81%D0%BE%D0%B5%D0%B4%D0%B8%D0%BD%D0%B5%D0%BD%D0%B8%D0%B9-%D1%80%D0%B5%D0%B3%D1%83%D0%BB%D1%8F%D1%80%D0%BD%D1%8B%D1%85-%D0%B2%D1%8B%D1%80%D0%B0%D0%B6%D0%B5%D0%BD%D0%B8%D0%B9-%D0%B8-%D0%BA%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE-sql" class="hash-link" aria-label="Прямая ссылка на Где заканчиваются возможности соединений, регулярных выражений и классического SQL" title="Прямая ссылка на Где заканчиваются возможности соединений, регулярных выражений и классического SQL">​</a></h2>
<p>Почему же инструменты, которые уже есть в вашем хранилище данных, не могут полностью решить эту задачу? Проблема в том, что традиционный SQL работает с символами, а не со смыслом. Попросите команду по работе с данными «найти всех клиентов, которые высказывали опасения по поводу конкурента», и первым побуждением будет написать <code>LIKE '%competitor%'</code> — неплохая отправная точка. Такой поиск находит буквальные упоминания, но пропускает перефразированные высказывания, сарказм и предложения, в которых конкурент подразумевается, но не называется. Попросите стандартный SQL связать обсуждение в Slack с клиентом, о котором идет речь, — и у соединения не окажется ключа, за который можно зацепиться. Сигнал есть, и человек, читающий текст, скорее всего, легко его заметит, но он скрыт в свободном тексте, до которого соединения и регулярные выражения не добираются.</p>
<p>На этом пределе возможностей и начинается инженерия контекста. Вместо сопоставления символов вы представляете текст в виде векторов, чтобы ИИ мог находить его по смыслу, сохраняя при этом метку, сведения о происхождении данных и ссылку на источник.</p>
<p>Большинство базовых возможностей для этого уже есть в вашем хранилище данных. Snowflake, Databricks и BigQuery уже предоставляют ИИ-функции для создания эмбеддингов, классификации, извлечения и генерации — непосредственно рядом с вашими данными. Чего пока нет, так это системного подхода к их использованию: как вызывать их единообразно на разных платформах, как версионировать используемые промпты, как не допустить перерасхода бюджета при выполнении задания и как проверить, что ответ опирается на исходный текст. Именно для того, чтобы превратить базовые возможности в управляемую практику, и создавался dbt, и именно этот пробел закрывает пакет. Каждый его элемент — обычный объект dbt, поэтому развертывать что-то новое не нужно.</p>
<p>Мы сознательно выпускаем первую версию именно в таком виде. Один паттерн мы проверили от начала до конца, остальные находятся на более ранних стадиях, и мы предпочитаем передать эту работу сообществу, пока практика еще формируется, а не продолжать совершенствовать ее за закрытыми дверями. Аналитическая инженерия стала общим ремеслом благодаря тому, что это сообщество обсуждало и оспаривало работающий код, пока паттерны не доказывали свою состоятельность, и мы хотим, чтобы инженерия контекста начиналась так же.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="что-входит-в-пакет">Что входит в пакет<a href="https://docs.getdbt.tech/blog/dbt-context-engineering/#%D1%87%D1%82%D0%BE-%D0%B2%D1%85%D0%BE%D0%B4%D0%B8%D1%82-%D0%B2-%D0%BF%D0%B0%D0%BA%D0%B5%D1%82" class="hash-link" aria-label="Прямая ссылка на Что входит в пакет" title="Прямая ссылка на Что входит в пакет">​</a></h2>
<p>Все реализовано в виде макросов, которые вы вызываете из модели:</p>
<ul>
<li>Разбиение текста на фрагменты с учетом количества токенов, без разрыва предложений.</li>
<li>Вызовы ИИ для создания эмбеддингов, классификации, извлечения и генерации с механизмами контроля, обеспечивающими единообразие входных и выходных данных во всех трех хранилищах.</li>
<li>Промпты и схемы, которые хранятся в репозитории, имеют имена и версии.</li>
<li>Ограничение расходов и журнал выполнения для каждого вызова ИИ.</li>
<li>Векторный поиск, не требующий индекса, и база знаний, объединяющая несколько источников.</li>
<li>Тесты на обоснованность и точность, которые не обращаются к хранилищу данных и не расходуют токены.</li>
</ul>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="попробуйте-за-пять-минут">Попробуйте за пять минут<a href="https://docs.getdbt.tech/blog/dbt-context-engineering/#%D0%BF%D0%BE%D0%BF%D1%80%D0%BE%D0%B1%D1%83%D0%B9%D1%82%D0%B5-%D0%B7%D0%B0-%D0%BF%D1%8F%D1%82%D1%8C-%D0%BC%D0%B8%D0%BD%D1%83%D1%82" class="hash-link" aria-label="Прямая ссылка на Попробуйте за пять минут" title="Прямая ссылка на Попробуйте за пять минут">​</a></h2>
<p>Добавьте пакет в <code>packages.yml</code> и выполните <code>dbt deps</code>:</p>
<div class="language-yaml codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-yaml codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token key atrule" style="color:rgb(255, 203, 139)">packages</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain"> </span><span class="token key atrule" style="color:rgb(255, 203, 139)">package</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> dbt</span><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain">labs/dbt_context_engineering</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">version</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> 0.1.0</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<p>Разбиение на фрагменты выполняется обычным SQL и не требует затрат на ИИ, поэтому с него проще всего начать. Подумайте, какой неструктурированный текст уже есть в вашем хранилище данных. Расшифровки звонков, электронные письма, сообщения Slack, поля со сводками — любой из этих источников можно использовать для разбиения на фрагменты.</p>
<div class="language-sql codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-sql codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token plain">{{ dbt_context_engineering</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">chunk</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  relation </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> ref</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token string" style="color:rgb(173, 219, 103)">'stg_gong__transcripts'</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> id_column </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">'utterance_id'</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  order_column </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">'turn_index'</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> text_column </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">'utterance_text'</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  partition_column </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">'call_id'</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> label_column </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">'speaker'</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain"></span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"> }}</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<p>Создайте эмбеддинги этих фрагментов и настройте поиск по ним — и у вас будет рабочий корпус текстов. Полная версия приведена в подробном примере ниже.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="первый-паттерн-семантический-поиск">Первый паттерн: семантический поиск<a href="https://docs.getdbt.tech/blog/dbt-context-engineering/#%D0%BF%D0%B5%D1%80%D0%B2%D1%8B%D0%B9-%D0%BF%D0%B0%D1%82%D1%82%D0%B5%D1%80%D0%BD-%D1%81%D0%B5%D0%BC%D0%B0%D0%BD%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9-%D0%BF%D0%BE%D0%B8%D1%81%D0%BA" class="hash-link" aria-label="Прямая ссылка на Первый паттерн: семантический поиск" title="Прямая ссылка на Первый паттерн: семантический поиск">​</a></h2>
<p>Паттерн, которому мы доверяем больше всего и с которого рекомендовали бы начать команде, — семантический поиск. Три модели выполняются в простом DAG:</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/dbt-context-engineering/#" data-featherlight="/img/blog/2026-09-13-dbt-context-engineering/semantic-search-dag-chunk-embed-search.png"><img data-toggle="lightbox" alt="DAG из трех шагов: разбить исходный текст на фрагменты с ограничением по токенам, преобразовать их в управляемые векторы, затем выполнить поиск с ранжированием по косинусному сходству" title="" src="https://docs.getdbt.tech/img/blog/2026-09-13-dbt-context-engineering/semantic-search-dag-chunk-embed-search.png?v=2"></a></span></div>
<p>Chunk разбивает длинный текст на фрагменты, сохраняя ссылки на строки, из которых они получены. Embed превращает каждый фрагмент в вектор. Search принимает запрос, ранжирует текст по сходству и возвращает наиболее близкие фрагменты вместе со ссылками на источники. Три модели dbt, построенные с помощью трех макросов.</p>
<p>На выходе получается корпус текстов, на основе которого агент может отвечать и указывать источник: почему в прошлом квартале задерживались поставки и кого это затронуло, какие именно обязательства на вас накладывает договор, что говорится в инструкции по эксплуатации о конкретном процессе.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="когда-похожий-не-значит-релевантный">Когда «похожий» не значит «релевантный»<a href="https://docs.getdbt.tech/blog/dbt-context-engineering/#%D0%BA%D0%BE%D0%B3%D0%B4%D0%B0-%D0%BF%D0%BE%D1%85%D0%BE%D0%B6%D0%B8%D0%B9-%D0%BD%D0%B5-%D0%B7%D0%BD%D0%B0%D1%87%D0%B8%D1%82-%D1%80%D0%B5%D0%BB%D0%B5%D0%B2%D0%B0%D0%BD%D1%82%D0%BD%D1%8B%D0%B9" class="hash-link" aria-label="Прямая ссылка на Когда «похожий» не значит «релевантный»" title="Прямая ссылка на Когда «похожий» не значит «релевантный»">​</a></h2>
<p>Нам хотелось бы сказать, что все просто работает, но это было бы не совсем верно. Чтобы добиться уровня точности, необходимого командам, нужно больше. В ходе собственных исследований мы выявили ограничения и провели дополнительную инженерную работу, чтобы достичь нужного нам порога качества.</p>
<p>Для начала мы запустили семантический поиск по <a href="https://github.com/dbt-labs/jaffle-logistics" target="_blank" rel="noopener noreferrer">jaffle-logistics</a>, нашему демонстрационному корпусу текстов, который содержит историю одного клиента из восьми систем, с запросом «задержки поставок и их причины». Лучший результат состоял из шести токенов. Вот первая десятка:</p>
<div class="filterableTableContainer_mhtg"><table><thead><tr><th>позиция</th><th>фрагмент</th><th>оценка</th><th>что это на самом деле</th></tr></thead><tbody><tr><td>1</td><td>IR-9001::3</td><td>0.754</td><td>случайный обрывок в конце текста: <em>«Рассмотрено с диспетчерской службой».</em></td></tr><tr><td>2, 3, 5</td><td>IR-70xx::2</td><td>от 0.57 до 0.66</td><td>шаблонные строки о мерах по устранению последствий из несвязанных инцидентов</td></tr><tr><td>4, 6, с 8 по 10</td><td>TKT-2000xx</td><td>от 0.55 до 0.58</td><td>стандартные заметки вида <em>«можете подтвердить интервал доставки»</em></td></tr><tr><td>7</td><td>CT-99021::2</td><td>0.565</td><td>единственный полезный фрагмент на всей странице</td></tr></tbody></table></div>
<p>А квартальные обзоры, которые действительно объясняют первопричину? Их на первой странице вообще не оказалось. Это распространенная проблема векторного поиска: короткий шаблонный текст располагается близко к центру пространства эмбеддингов и оказывается немного похожим практически на любой запрос. Поиск по сходству сработал как ожидалось. Релевантность — нет.</p>
<p>Проблему решила метка. <code>classify()</code> присваивает каждому фрагменту одну категорию из заданной вами таксономии — например, оценка ситуации у клиента, погодные помехи, ошибка при обработке или обычное обновление статуса, — после чего вы фильтруете результаты поиска по категории, к которой относится вопрос, еще до ранжирования.</p>
<div class="language-sql codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-sql codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token keyword" style="color:rgb(127, 219, 202)">select</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  chunk_id</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  {{ dbt_context_engineering</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">classify</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token string" style="color:rgb(173, 219, 103)">'chunk_text'</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">     dbt_context_engineering</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">prompt</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token string" style="color:rgb(173, 219, 103)">'signal_classify'</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">'v3'</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">     dbt_context_engineering</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">schema_def</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token string" style="color:rgb(173, 219, 103)">'signal_classify'</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">'v3'</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"> }} </span><span class="token keyword" style="color:rgb(127, 219, 202)">as</span><span class="token plain"> classification</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain"></span><span class="token keyword" style="color:rgb(127, 219, 202)">from</span><span class="token plain"> {{ ref</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token string" style="color:rgb(173, 219, 103)">'stg_chunks'</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"> }}</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<p>Когда мы повторили поиск с подходящим фильтром, то получили релевантный контекст по клиенту!</p>
<p>В этом пакете промпт и таксономия — версионируемые макросы, поэтому их изменение оформляется как pull request, который можно отследить и проверить, а расходы на вызов учитываются и сам вызов журналируется, как и остальные. Мы бы назвали классификацию дополнением к паттерну, а не обязательным четвертым шагом, хотя, как показывает демонстрация, именно она превращает поиск по сходству в релевантную выдачу, когда текст короткий и шаблонный. Самый быстрый способ понять, зачем она нужна, — запустить поиск без нее.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="тестирование-результатов">Тестирование результатов<a href="https://docs.getdbt.tech/blog/dbt-context-engineering/#%D1%82%D0%B5%D1%81%D1%82%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5-%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%82%D0%BE%D0%B2" class="hash-link" aria-label="Прямая ссылка на Тестирование результатов" title="Прямая ссылка на Тестирование результатов">​</a></h2>
<p>Метрики заслужили доверие благодаря тестированию, и контекст должен соответствовать тому же стандарту. Распространенный подход «спросить у более крупной модели, выглядит ли ответ правильным» этому стандарту не соответствует: это платное мнение, а не надежный тест. Поэтому проверки здесь детерминированы и не требуют затрат на выполнение. Мы добавили несколько первых тестов, которые проверяют корректность ссылок на исходный текст и точность модели, и ожидаем, что этот набор будет быстро расти.</p>
<div class="language-yaml codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-yaml codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token key atrule" style="color:rgb(255, 203, 139)">columns</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain"> </span><span class="token key atrule" style="color:rgb(255, 203, 139)">name</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> evidence</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">data_tests</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain"> </span><span class="token key atrule" style="color:rgb(255, 203, 139)">dbt_context_engineering.grounded</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">          </span><span class="token key atrule" style="color:rgb(255, 203, 139)">source_text_column</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> chunk_text</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="принципы-на-которых-мы-строим-работу">Принципы, на которых мы строим работу<a href="https://docs.getdbt.tech/blog/dbt-context-engineering/#%D0%BF%D1%80%D0%B8%D0%BD%D1%86%D0%B8%D0%BF%D1%8B-%D0%BD%D0%B0-%D0%BA%D0%BE%D1%82%D0%BE%D1%80%D1%8B%D1%85-%D0%BC%D1%8B-%D1%81%D1%82%D1%80%D0%BE%D0%B8%D0%BC-%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D1%83" class="hash-link" aria-label="Прямая ссылка на Принципы, на которых мы строим работу" title="Прямая ссылка на Принципы, на которых мы строим работу">​</a></h2>
<p>Наш подход к инженерии контекста опирается на несколько руководящих принципов. Каждый из них основан на практике, уже признанной в экосистеме ИИ, а наша позиция касается того, <em>как</em> ее следует применять при работе в управляемом хранилище данных. Это принципы, на которых построен пакет и которые мы предлагаем сообществу развивать. Новая возможность уместна в пакете, если она развивает один из них.</p>
<ul>
<li><strong>Разбиение на фрагменты.</strong> Текст нужно делить на связные единицы ограниченного размера, а не разрезать в произвольных местах по числу символов.</li>
<li><strong>Поиск и RAG.</strong> Для фрагментов должны создаваться эмбеддинги, а сами фрагменты должны быть доступны для поиска по смыслу в виде обычных моделей, которые можно исследовать, а не стороннего черного ящика.</li>
<li><strong>Происхождение данных и ссылки на источники.</strong> Каждая производная строка должна сохранять идентификаторы своих источников при прохождении через DAG, чтобы каждый ответ мог точно ссылаться на свое происхождение.</li>
<li><strong>Структурированные результаты.</strong> Результат работы ИИ должен соответствовать контракту в виде объявленной схемы, чтобы его структура оставалась согласованной, пригодной для соединений и тестирования.</li>
<li><strong>Промпты как код.</strong> Промпты и схемы выходных данных должны храниться в системе контроля версий, с возможностью сравнения изменений и явным указанием версий. Ни один промпт не должен существовать только в пользовательском интерфейсе.</li>
<li><strong>Управление затратами.</strong> Ни один вызов ИИ не должен попадать в эксплуатацию без мониторинга затрат и защитного механизма, который может остановить выполнение до перерасхода бюджета.</li>
<li><strong>Обоснованность и оценка.</strong> Результаты работы ИИ должны поддаваться тестированию, как и любой другой ресурс данных: опираться на исходный текст, соответствовать своей схеме и оцениваться по эталонному набору.</li>
</ul>
<p>Это лишь первоначальный набор: мы ожидаем, что он будет расширяться по мере того, как мы продолжим осваивать практику целенаправленной инженерии контекста.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="что-еще-есть-в-пакете">Что еще есть в пакете<a href="https://docs.getdbt.tech/blog/dbt-context-engineering/#%D1%87%D1%82%D0%BE-%D0%B5%D1%89%D0%B5-%D0%B5%D1%81%D1%82%D1%8C-%D0%B2-%D0%BF%D0%B0%D0%BA%D0%B5%D1%82%D0%B5" class="hash-link" aria-label="Прямая ссылка на Что еще есть в пакете" title="Прямая ссылка на Что еще есть в пакете">​</a></h2>
<p>Остальная часть пакета охватывает возможности, которые, на наш взгляд, нужны инженерии контекста. Некоторые из них проверены на всех трех основных платформах хранилищ данных, другие пока находятся в бета-версии:</p>
<ul>
<li>Генерация и извлечение для задач, в которых одной метки недостаточно: например, составление сводок, переформулирование или извлечение структурированных полей из документа.</li>
<li>Анализ на уровне группы: целой расшифровки или всей истории обращений клиента за один раз.</li>
<li>Управляемые векторные индексы для случаев, когда поиск полным перебором перестает масштабироваться.</li>
<li>Сигнализатор дрейфа, который при каждой сборке повторно выполняет фиксированный набор проверочных запросов и сообщает, если провайдер незаметно заменил используемую модель.</li>
</ul>
<p>Эти возможности включены в список, потому что они нужны практике. Просто они находятся на более ранней стадии и меньше проверены, а продвигает их вперед реальное использование. Полный обзор с указанием зрелости каждой возможности приведен в README пакета.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="развивайте-это-вместе-с-нами">Развивайте это вместе с нами<a href="https://docs.getdbt.tech/blog/dbt-context-engineering/#%D1%80%D0%B0%D0%B7%D0%B2%D0%B8%D0%B2%D0%B0%D0%B9%D1%82%D0%B5-%D1%8D%D1%82%D0%BE-%D0%B2%D0%BC%D0%B5%D1%81%D1%82%D0%B5-%D1%81-%D0%BD%D0%B0%D0%BC%D0%B8" class="hash-link" aria-label="Прямая ссылка на Развивайте это вместе с нами" title="Прямая ссылка на Развивайте это вместе с нами">​</a></h2>
<p>Мы считаем, что ни один пакет или поставщик не может единолично определять, что такое инженерия контекста. Сообщество, превратившее моделирование данных в общее ремесло, — именно та среда, в которой стоит вырабатывать подходы к превращению данных в контекст. Инженерия контекста требует повторить этот путь. Уже проделанная вами работа над метриками не теряет значения. Она становится надежным фундаментом, на котором строится более широкий набор возможностей.</p>
<p>Мы продолжим вкладываться в этот пакет, в образовательные материалы для сообщества и во многие другие направления, которые помогают командам по работе с данными освоить следующий этап развития профессии: превращать данные, которыми вы уже управляете, в контекст, на который могут полагаться агенты и ИИ-приложения, — фундамент, действительно необходимый корпоративной стратегии в области ИИ.</p>
<p>Самый быстрый способ повлиять на дальнейшее развитие — попробовать пакет в деле. Какие решения вы уже собрали самостоятельно? Где этот подход сталкивается с трудностями на ваших данных? Что стоит первым вывести из бета-версии?</p>
<ul>
<li>Установите пакет и запустите chunk, embed и search на реальных данных.</li>
<li>Посмотрите подробный пример <a href="https://github.com/dbt-labs/jaffle-logistics" target="_blank" rel="noopener noreferrer">jaffle-logistics</a>, включая сравнение результатов поиска до и после.</li>
<li>Прочитайте ADR, если хотите понять обоснование принятых решений.</li>
<li>Расскажите, где что-то не работает, создавайте issues и PR и предлагайте паттерны, которые хотели бы увидеть следующими.</li>
</ul>]]></content>
        <author>
            <name>Stephen Thibeault</name>
        </author>
        <category label="ai" term="ai"/>
        <category label="context engineering" term="context engineering"/>
        <category label="data ecosystem" term="data ecosystem"/>
    </entry>
    <entry>
        <title type="html"><![CDATA[dbt v2.0 выходит в общедоступный релиз]]></title>
        <id>https://docs.getdbt.tech/blog/dbt-v2-is-ga/</id>
        <link href="https://docs.getdbt.tech/blog/dbt-v2-is-ga/"/>
        <updated>2026-09-16T00:00:00.000Z</updated>
        <summary type="html"><![CDATA[Движок dbt Fusion выходит в общедоступный релиз под новым именем: dbt. Эта полностью переписанная версия закладывает основу для следующего десятилетия развития.]]></summary>
        <content type="html"><![CDATA[<p>После 18 месяцев разработки, обратной разработки, разбора и повторной сборки движок dbt Fusion вышел в общедоступный релиз под новым именем: <strong>dbt.</strong> (<a href="https://docs.getdbt.tech/blog/comparing-dbt-and-dbt-oss/">Подробнее об этом читайте здесь</a>). Эта полностью переписанная версия dbt решает ряд давних проблем реализации dbt v1 и закладывает основу для следующего десятилетия развития. Раньше:</p>
<ul>
<li>dbt не понимал SQL, который генерировал, поэтому не мог предупреждать о некорректном коде без его выполнения и расходования вычислительных ресурсов.</li>
<li>В крупных проектах разбор проекта в dbt мог занимать до 20 минут, прежде чем можно было приступить к выполнению.</li>
<li>Артефакты dbt затрудняли взаимодействие между инструментами: единственным способом передачи данных из одного продукта в другой были огромные JSON-файлы.</li>
<li>Многие команды не могли пользоваться dbt docs из-за проблем с масштабированием и производительностью.</li>
</ul>
<p>Новый dbt v2:</p>
<ul>
<li>Глубоко понимает SQL и позволяет обнаруживать ошибки в коде до его отправки в хранилище, экономя время и деньги разработчиков и обеспечивая агентам циклы работы с проверяемыми результатами.</li>
<li>Создан с упором на скорость во всех аспектах благодаря переходу на оптимизированный исполняемый файл на Rust и использованию современных технологий, таких как ADBC. Мы видели проекты, разбор которых раньше занимал 20 минут, а теперь завершается менее чем за минуту. Проекты более типичного размера тоже получат значительное ускорение в повседневной работе (например, компиляция станет быстрее в 2 раза или более).</li>
<li>Представляет <a href="https://docs.getdbt.tech/docs/build/dbt-information-schema/">dbt Information Schema</a>, которая описывает весь проект в виде стандартных файлов Parquet. Это позволяет уменьшить размер файлов более чем в 10 раз, при этом предоставляя более полные данные, и обеспечивает быстрое выполнение запросов через <code>dbt show --info</code>, внешние инструменты, такие как DuckDB, и совершенно новую функцию checks.</li>
<li>Включает совершенно <a href="https://docs.getdbt.tech/reference/commands/cmd-docs/?version=2#dbt-docs-v2">новую версию</a> dbt docs, которая гораздо лучше масштабируется.</li>
</ul>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="главные-новые-возможности">Главные новые возможности<a href="https://docs.getdbt.tech/blog/dbt-v2-is-ga/#%D0%B3%D0%BB%D0%B0%D0%B2%D0%BD%D1%8B%D0%B5-%D0%BD%D0%BE%D0%B2%D1%8B%D0%B5-%D0%B2%D0%BE%D0%B7%D0%BC%D0%BE%D0%B6%D0%BD%D0%BE%D1%81%D1%82%D0%B8" class="hash-link" aria-label="Прямая ссылка на Главные новые возможности" title="Прямая ссылка на Главные новые возможности">​</a></h2>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="находите-свои-ошибки-и-ошибки-ваших-агентов-быстрее">Находите свои ошибки (и ошибки ваших агентов) быстрее<a href="https://docs.getdbt.tech/blog/dbt-v2-is-ga/#%D0%BD%D0%B0%D1%85%D0%BE%D0%B4%D0%B8%D1%82%D0%B5-%D1%81%D0%B2%D0%BE%D0%B8-%D0%BE%D1%88%D0%B8%D0%B1%D0%BA%D0%B8-%D0%B8-%D0%BE%D1%88%D0%B8%D0%B1%D0%BA%D0%B8-%D0%B2%D0%B0%D1%88%D0%B8%D1%85-%D0%B0%D0%B3%D0%B5%D0%BD%D1%82%D0%BE%D0%B2-%D0%B1%D1%8B%D1%81%D1%82%D1%80%D0%B5%D0%B5" class="hash-link" aria-label="Прямая ссылка на Находите свои ошибки (и ошибки ваших агентов) быстрее" title="Прямая ссылка на Находите свои ошибки (и ошибки ваших агентов) быстрее">​</a></h3>
<p>Благодаря агентным инструментам программирования код генерируется быстрее, чем когда-либо. Несмотря на совершенствование передовых моделей, я по-прежнему вижу, как агенты пишут SQL, который, по их представлениям, должен работать, вместо того чтобы с самого начала опираться на реальные условия. В отличие от таких языков, как TypeScript или Rust, где компилятор обнаруживает ошибки сразу после написания кода, единственный способ найти ошибку в SQL — выполнить его в хранилище и посмотреть, сработает ли он.</p>
<p>Или, по крайней мере, это <em>раньше было</em> единственным способом найти ошибку. dbt v2 впервые добавляет локальный компилятор для SQL. По сути, это способ снизить ущерб: если уж вы собираетесь выдумать имя столбца, то хотя бы узнать о своей ошибке вы должны бесплатно.</p>
<p>dbt заблаговременно находит такие ошибки, эмулируя поведение вашей конкретной базы данных. Он учитывает все источники, UDF, seeds и специфичные для поставщика функции, из которых состоит ваш проект, и проверяет, что <em>произошло бы</em> при выполнении модели.</p>
<p>В частности, dbt строит логический план (точно такой же, какой ваша база данных подготавливает перед выполнением запроса): если построить логический план не удаётся, значит, с запросом что-то не так. Если вы ещё не знакомы с <a href="https://docs.getdbt.tech/blog/the-levels-of-sql-comprehension/">основами понимания SQL</a>, <a href="https://docs.getdbt.tech/blog/sql-comprehension-technologies/">лежащими в его основе технологиями</a> или тем, <a href="https://roundup.getdbt.com/p/the-power-of-a-plan-how-logical-plans" target="_blank" rel="noopener noreferrer">какие возможности для пользователей открывает анализ логического плана</a>, прочитайте прошлогодние статьи по этим ссылкам.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/dbt-v2-is-ga/#" data-featherlight="/img/blog/2026-09-16-dbt-v2-is-ga/sql-comprehension-level-2-example.png"><img data-toggle="lightbox" alt="Диаграмма, показывающая, как SQL-компилятор уровня 2 понимает и проверяет запрос, определяя сигнатуры функций, типы аргументов и ссылки на столбцы для вызова функции dateadd." title="Как компилятор (уровень понимания 2) видит запрос" src="https://docs.getdbt.tech/img/blog/2026-09-16-dbt-v2-is-ga/sql-comprehension-level-2-example.png?v=2"></a></span><span class="title_aGrV">Как компилятор (уровень понимания 2) видит запрос</span></div>
<p>В некоторых отношениях <a href="https://docs.getdbt.tech/reference/resource-configs/static-analysis/">статический анализ</a> dbt даже превосходит встроенные средства самого хранилища. В каждый момент времени хранилище может оценивать только один переданный ему запрос; dbt же знает, что, хотя после удаления столбца сам запрос останется корректным, при развёртывании это сломает 4 зависимые модели ниже по цепочке.</p>
<p>Если вы переходите с большого существующего проекта dbt, <a href="https://docs.getdbt.tech/reference/resource-configs/static-analysis/?version=2#definition">режим <code>baseline</code></a> (включённый по умолчанию) позволяет легко начать пользоваться этими возможностями статического анализа. Перейдите на статический анализ в режиме <code>strict</code>, чтобы получить максимум возможностей и наиболее строгие гарантии качества.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="скорость">Скорость<a href="https://docs.getdbt.tech/blog/dbt-v2-is-ga/#%D1%81%D0%BA%D0%BE%D1%80%D0%BE%D1%81%D1%82%D1%8C" class="hash-link" aria-label="Прямая ссылка на Скорость" title="Прямая ссылка на Скорость">​</a></h3>
<p>Для команд с крупными, глубоко настроенными проектами dbt медленный разбор проекта может серьёзно мешать погружению в работу. dbt v2 предлагает несколько новых способов повысить производительность:</p>
<ol>
<li>Он быстрее сам по себе благодаря реализации на Rust. Мой тестовый проект с 10 тысячами узлов компилируется за 70 секунд в dbt 1.12.0 и всего за 17 секунд в dbt v2.</li>
<li>Одна из самых медленных частей запуска dbt — запись JSON в конце задания. Добавьте <code>--no-write-json</code> к своим командам (или используйте переменную окружения <code>DBT_ENGINE_WRITE_JSON=0</code>) и перейдите на файлы Parquet (<code>--write-index</code>), чтобы получать более полные данные в файлах меньшего размера.</li>
<li>Искать причины проблем с производительностью стало проще благодаря журналам OTel (агенты для программирования их про-о-осто обожают). Например, мы сократили время избыточной компиляции моделей в нашем внутреннем аналитическом проекте на 3 минуты, убрав из некоторых моделей чрезмерную интроспекцию.</li>
</ol>
<p>Конечно, самое быстрое выполнение — то, которого удалось избежать, и здесь на помощь приходит <a href="https://docs.getdbt.tech/docs/deploy/dbt-state-about/?version=2">dbt State</a>. Он отслеживает, существует ли уже выполняемая модель в целевой схеме (тогда её можно пропустить) или в другой схеме (тогда её можно клонировать вместо повторного выполнения с нуля). dbt v2 полностью интегрирован с dbt State — активируйте бесплатный пробный период командой <code>dbt build --manage-state</code>.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="основа-готовая-к-масштабированию-в-эпоху-агентов">Основа, готовая к масштабированию в эпоху агентов<a href="https://docs.getdbt.tech/blog/dbt-v2-is-ga/#%D0%BE%D1%81%D0%BD%D0%BE%D0%B2%D0%B0-%D0%B3%D0%BE%D1%82%D0%BE%D0%B2%D0%B0%D1%8F-%D0%BA-%D0%BC%D0%B0%D1%81%D1%88%D1%82%D0%B0%D0%B1%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8E-%D0%B2-%D1%8D%D0%BF%D0%BE%D1%85%D1%83-%D0%B0%D0%B3%D0%B5%D0%BD%D1%82%D0%BE%D0%B2" class="hash-link" aria-label="Прямая ссылка на Основа, готовая к масштабированию в эпоху агентов" title="Прямая ссылка на Основа, готовая к масштабированию в эпоху агентов">​</a></h3>
<p>Любой инструмент отражает контекст, в котором он развивался. Изначально dbt был небольшим проектом, созданным подручными средствами, а его основа (Python, Jinja, JSON и интуиция) отлично подходила для внутреннего инструмента консалтинговой компании, которая стремилась упростить свою работу. Создавая новую версию dbt, мы знали, что её будут использовать для Серьёзной Работы с Данными в Значительных Масштабах. Поэтому мы сделали другой, более ориентированный на будущее выбор:</p>
<ul>
<li>ADBC и экосистема Arrow — современный способ подключения к базам данных и передачи данных.</li>
<li>Файлы Parquet позволяют представить ту же информацию, что и manifest.json, занимая лишь малую долю его размера, <em>и</em> дают возможность читать часть файла вместо разбора его целиком.</li>
<li>Rust менее снисходителен, чем Python с его вольным подходом к типам, но взамен вы получаете феноменальную производительность и ошибки компилятора, которые помогают не допускать ошибок в самом dbt.</li>
<li>И главное — принципиально важно встроить SQL-компилятор в самое ядро dbt. Он даёт новые фундаментальные возможности, которые мы уже используем интересными способами (отслеживание происхождения данных на уровне столбцов, строгий статический анализ и проверка функций с учётом типов), и которые сможем применять для других функций <a href="https://roundup.getdbt.com/i/156064124/beyond-cll-information-flow-theory-and-metadata-propagation" target="_blank" rel="noopener noreferrer">в будущем</a>.</li>
</ul>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="выполняйте-запросы-к-самому-проекту">Выполняйте запросы к самому проекту<a href="https://docs.getdbt.tech/blog/dbt-v2-is-ga/#%D0%B2%D1%8B%D0%BF%D0%BE%D0%BB%D0%BD%D1%8F%D0%B9%D1%82%D0%B5-%D0%B7%D0%B0%D0%BF%D1%80%D0%BE%D1%81%D1%8B-%D0%BA-%D1%81%D0%B0%D0%BC%D0%BE%D0%BC%D1%83-%D0%BF%D1%80%D0%BE%D0%B5%D0%BA%D1%82%D1%83" class="hash-link" aria-label="Прямая ссылка на Выполняйте запросы к самому проекту" title="Прямая ссылка на Выполняйте запросы к самому проекту">​</a></h3>
<p>Выше я упомянул, что мы делаем ставку на формат файлов Parquet. Он используется внутри системы для обеспечения строгого статического анализа, но гораздо более важная новость в том, что мы также представляем новый интерфейс с формально определённым контрактом для доступа к метаданным вашего проекта dbt — dbt Information Schema, которая сама представляет собой набор файлов Parquet.</p>
<p>Когда у вас есть информация о проекте dbt и возможность выполнять к ней запросы, вы оказываетесь в родной стихии аналитической инженерии. Подключайтесь через DuckDB, используйте <code>dbt show --info</code> или совершенно новую <a href="https://github.com/dbt-labs/dbt-core/discussions/15584" target="_blank" rel="noopener noreferrer">встроенную функцию checks</a> — и вы сможете реализовать всё, что только придёт в голову:</p>
<ul>
<li>Выявлять модели с неиспользуемыми столбцами или модели слоёв staging/intermediate, которые нигде не используются на последующих слоях</li>
<li>Находить модели с наименьшим покрытием тестами</li>
<li>Контролировать соблюдение соглашений об именовании, владельцах и материализациях с помощью кода</li>
<li>Позволять агенту мгновенно получать сведения о происхождении данных модели, истории выполнения или области влияния предлагаемого изменения</li>
</ul>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="современный-интерфейс-dbt-docs">Современный интерфейс dbt docs<a href="https://docs.getdbt.tech/blog/dbt-v2-is-ga/#%D1%81%D0%BE%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9-%D0%B8%D0%BD%D1%82%D0%B5%D1%80%D1%84%D0%B5%D0%B9%D1%81-dbt-docs" class="hash-link" aria-label="Прямая ссылка на Современный интерфейс dbt docs" title="Прямая ссылка на Современный интерфейс dbt docs">​</a></h3>
<p>Изначально dbt docs был классным, затем устарел, а теперь (почти) прошёл полный круг и стал винтажным. Мне нравится представлять, что где-то есть группа людей, которые собираются субботним утром, чтобы похвастаться своими заботливо поддерживаемыми <code>index.html</code> или доведёнными до совершенства файлами <code>catalog.json</code>.</p>
<p>Но для всех остальных у нас есть новый сайт документации, построенный на dbt Information Schema, который масштабируется до проектов сколь угодно большого размера и запускается так же, как раньше: <code>dbt docs generate &amp;&amp; dbt docs serve</code>.</p>
<p>Мы встроили WASM-версию DuckDB, чтобы по запросу извлекать нужные фрагменты метаданных проекта из артефактов Parquet. Именно это обеспечивает высокую производительность, а заодно позволяет развёртывать документацию как статический сайт (точно так же, как старую версию dbt docs).</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="инструкции-по-установке">Инструкции по установке<a href="https://docs.getdbt.tech/blog/dbt-v2-is-ga/#%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BA%D1%86%D0%B8%D0%B8-%D0%BF%D0%BE-%D1%83%D1%81%D1%82%D0%B0%D0%BD%D0%BE%D0%B2%D0%BA%D0%B5" class="hash-link" aria-label="Прямая ссылка на Инструкции по установке" title="Прямая ссылка на Инструкции по установке">​</a></h2>
<p>Официально, если вы переходите с dbt v1, мне следует рекомендовать вам установку через <code>pip</code>. Её легко встроить в существующий рабочий процесс (вместо <code>pip install dbt-&lt;adapter&gt;</code> просто выполните <code>pip install dbt</code>). Это хороший вариант, если наряду с dbt вы используете несколько других инструментов для работы с данными на Python и хотите держать всё в изолированной среде. Новый исполняемый файл dbt будет надёжно размещён внутри вашего виртуального окружения. <a href="https://docs.getdbt.tech/docs/local/install-dbt/?install-method=pip">Вот документация по этому способу установки</a>.</p>
<p>Но новый dbt на самом деле не является проектом на Python! Нам больше не нужно возиться с виртуальными окружениями! Поэтому лично я рекомендую по возможности использовать менеджер пакетов (<a href="https://docs.getdbt.tech/docs/local/install-dbt/?install-method=homebrew">brew</a>, <a href="https://docs.getdbt.tech/docs/local/install-dbt/?install-method=winget">winget</a>) или <a href="https://docs.getdbt.tech/docs/local/install-dbt/?install-method=curl">установку через curl</a>. На это есть две веские причины:</p>
<ul>
<li>dbt всегда будет доступен из командной строки без предварительной активации виртуального окружения. Это упрощает интеграцию с другими инструментами, которым нужен dbt, например с расширением VS Code или выбранным вами ИИ-агентом.</li>
<li>Обновления становятся независимыми от других инструментов: просто выполните <code>dbt system update</code>, и вы автоматически получите последние улучшения (только при установке через curl).</li>
</ul>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="что-дальше-ждёт-dbt">Что дальше ждёт dbt?<a href="https://docs.getdbt.tech/blog/dbt-v2-is-ga/#%D1%87%D1%82%D0%BE-%D0%B4%D0%B0%D0%BB%D1%8C%D1%88%D0%B5-%D0%B6%D0%B4%D1%91%D1%82-dbt" class="hash-link" aria-label="Прямая ссылка на Что дальше ждёт dbt?" title="Прямая ссылка на Что дальше ждёт dbt?">​</a></h2>
<p>Несколько лет назад мы думали, что dbt приближается к функциональной завершённости. С тех пор две большие «AI» встряхнули экосистему данных:</p>
<ul>
<li>Artificial Intelligence (искусственный интеллект) повысил спрос на надёжные данные, понятные машинам.</li>
<li>Apache Iceberg позволил командам по работе с данными контролировать своё будущее в большей степени, чем когда-либо прежде.</li>
</ul>
<p>Учитывая оба этих направления, мы создаём и продвигаем открытую инфраструктуру данных — Open Data Infrastructure. Обязательно посмотрите <a href="https://www.getdbt.com/dbt-summit/agenda/keynote-level-up" target="_blank" rel="noopener noreferrer">сегодняшний основной доклад dbt Summit</a> и <a href="https://www.getdbt.com/dbt-summit/agenda/keynote-community-keynote" target="_blank" rel="noopener noreferrer">завтрашний основной доклад сообщества</a>, чтобы узнать, что это значит для вас. Появляются новые интересные задачи, и специалисты по dbt исключительно хорошо подготовлены к их решению (вы когда-нибудь замечали, что у контекстной инженерии и аналитической инженерии <em>очень много</em> общего?)</p>
<p>dbt продолжит расти и развиваться, а вы можете влиять на это развитие теми же способами, что и прежде: создавая issues, обсуждения или pull requests на GitHub и делясь полученными знаниями с остальным сообществом.</p>]]></content>
        <author>
            <name>Joel Labes</name>
        </author>
        <category label="data ecosystem" term="data ecosystem"/>
    </entry>
    <entry>
        <title type="html"><![CDATA[MCP-сервер dbt теперь в Claude: управляемый контекст — достаточно войти в аккаунт]]></title>
        <id>https://docs.getdbt.tech/blog/dbt-mcp-server-claude/</id>
        <link href="https://docs.getdbt.tech/blog/dbt-mcp-server-claude/"/>
        <updated>2026-07-23T00:00:00.000Z</updated>
        <summary type="html"><![CDATA[Управляемые определения, которые вы создаёте в dbt, теперь поступают напрямую в рабочие процессы, где и выполняется реальная работа.]]></summary>
        <content type="html"><![CDATA[<p>Когда мы открыли исходный код MCP-сервера dbt в <a href="https://docs.getdbt.tech/blog/introducing-dbt-mcp-server/">апреле 2025 года</a>, это был экспериментальный проект для локального запуска с чёткой идеей: структурированные данные будут глубоко интегрированы в рабочие процессы с ИИ, а dbt станет слоем, предоставляющим управляемый контекст, на котором эти процессы основаны. <a href="https://claude.com/blog/how-anthropic-enables-self-service-data-analytics-with-claude" target="_blank" rel="noopener noreferrer">Anthropic</a> помогла подтвердить нашу гипотезу. Естественным следующим шагом стала облачная версия с удалённой аутентификацией через OAuth, чтобы вы могли использовать её с любым удобным для вас ИИ-инструментом.</p>
<p>Теперь удалённый MCP-сервер dbt работает внутри <span>dbt platform</span>, и вы можете подключить его к Claude за одну-две минуты: достаточно войти в аккаунт и пройти аутентификацию. Вы добавляете dbt как коннектор, подтверждаете нужные права доступа, и Claude получает доступ к вашим управляемым данным и обширным метаданным dbt.</p>
<p>В этой статье мы рассмотрим, какие возможности удалённый сервер открывает в Claude, для каких рабочих процессов людей и агентов он подходит и как инструменты взаимодействуют, оказавшись в одном диалоге.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="обзор-всех-возможностей">Обзор всех возможностей<a href="https://docs.getdbt.tech/blog/dbt-mcp-server-claude/#%D0%BE%D0%B1%D0%B7%D0%BE%D1%80-%D0%B2%D1%81%D0%B5%D1%85-%D0%B2%D0%BE%D0%B7%D0%BC%D0%BE%D0%B6%D0%BD%D0%BE%D1%81%D1%82%D0%B5%D0%B9" class="hash-link" aria-label="Прямая ссылка на Обзор всех возможностей" title="Прямая ссылка на Обзор всех возможностей">​</a></h2>
<p>Сервер предоставляет набор инструментов для работы с вашим проектом dbt. Вы задаёте вопросы на естественном языке, а Claude выбирает подходящий инструмент для каждого запроса. Ниже перечислены инструменты, доступные на сегодняшний день. Полный список приведён в <a href="https://docs.getdbt.tech/docs/dbt-ai/mcp-available-tools/?version=2.0">документации по доступным инструментам</a>.</p>
<div class="filterableTableContainer_mhtg"><table><thead><tr><th>Возможность</th><th>О чём можно спросить</th><th>Примеры инструментов</th></tr></thead><tbody><tr><td>Поиск и происхождение данных</td><td>Какие модели существуют, как они связаны, что содержит модель и в каком она состоянии</td><td><code>get_all_models</code>, <code>get_model_details</code>, <code>get_lineage</code>, <code>get_model_health</code></td></tr><tr><td>Управляемые метрики</td><td>Ответы на бизнес-вопросы на основе ваших сертифицированных определений в Semantic Layer</td><td><code>list_metrics</code>, <code>get_dimensions</code>, <code>query_metrics</code></td></tr><tr><td>Гибкая работа с SQL</td><td>Создание и выполнение исследовательских запросов с полным учётом ваших моделей</td><td><code>text_to_sql</code>, <code>execute_sql</code></td></tr><tr><td>Операционная работа</td><td>История запусков заданий, сведения об ошибках и повторные запуски через Administrative API</td><td><code>list_jobs_runs</code>, <code>get_job_run_error</code>, <code>retry_job_run</code></td></tr><tr><td>Происхождение данных на уровне столбцов</td><td>Отслеживание зависимостей вплоть до отдельного столбца с помощью <span>dbt v2</span></td><td><code>fusion.get_column_lineage</code></td></tr><tr><td>Документация продукта</td><td>Ответы на вопросы о dbt из официальной документации</td><td><code>search_product_docs</code>, <code>get_product_doc_pages</code></td></tr></tbody></table></div>
<p><a href="https://docs.getdbt.tech/docs/use-dbt-semantic-layer/dbt-sl/">dbt Semantic Layer</a> — основа этого списка и самая перспективная возможность с точки зрения пользы для нетехнических специалистов. Ваши метрики определены явно, поэтому, когда Claude отвечает на вопрос о выручке или активных пользователях, он возвращает достоверное значение. Все остальные инструменты формируют надёжный контекст вокруг этого управляемого ядра, и каждый из них одинаково полезен как человеку, задающему вопрос, так и агенту, выполняющему действие.</p>
<p>В этой короткой демонстрации я показываю, как использую MCP-сервер dbt, чтобы разобраться в возможностях и текущем состоянии своих данных, а затем отвечать на вопросы с учётом этого контекста.</p>
<div style="position:relative;max-width:960px;margin:1.5rem auto;padding-bottom:56.25%;height:0;overflow:hidden"><iframe src="https://www.youtube.com/embed/WjlnzTDui2g" title="Демонстрация MCP-сервера dbt в Claude" loading="lazy" style="position:absolute;top:0;left:0;width:100%;height:100%;border:0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" referrerpolicy="strict-origin-when-cross-origin" allowfullscreen=""></iframe></div>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="совместная-работа-инструментов">Совместная работа инструментов<a href="https://docs.getdbt.tech/blog/dbt-mcp-server-claude/#%D1%81%D0%BE%D0%B2%D0%BC%D0%B5%D1%81%D1%82%D0%BD%D0%B0%D1%8F-%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%B0-%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D0%BE%D0%B2" class="hash-link" aria-label="Прямая ссылка на Совместная работа инструментов" title="Прямая ссылка на Совместная работа инструментов">​</a></h2>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/dbt-mcp-server-claude/#" data-featherlight="/img/blog/2026-07-23-dbt-mcp-server-claude/tool-time-workflows.jpg"><img data-toggle="lightbox" alt="Ведущие Tool Time Тим Тейлор и Эл Борланд указывают на логотип шоу" title="MCP-сервер dbt позволяет Claude объединять управляемые данные с другими инструментами вашего рабочего процесса." src="https://docs.getdbt.tech/img/blog/2026-07-23-dbt-mcp-server-claude/tool-time-workflows.jpg?v=2"></a></span><span class="title_aGrV">MCP-сервер dbt позволяет Claude объединять управляемые данные с другими инструментами вашего рабочего процесса.</span></div>
<p>Практически любому процессу полезен достоверный ответ на вопрос: «Что на самом деле происходит в бизнесе?» Для планирования кампании нужны показатели привлечения клиентов. Для постановки цели — исходный уровень. Для еженедельного отчёта — фактические показатели за прошлую неделю. Можно вернуться к дашборду, но такое переключение контекста даёт ещё один повод отвлечься и прерывает процесс принятия решений.</p>
<p>Как только управляемый контекст вашего проекта dbt становится доступен внутри Claude, он превращается в основу, на которую опираются другие коннекторы. Внутренние знания, так называемый «контекст», системы управления проектами и инструменты наблюдаемости становятся полезнее, когда рядом с ними есть достоверные данные. dbt предоставляет ключевой элемент, вокруг которого выстраивается остальная работа.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="контекст-dbt-в-повседневных-рабочих-процессах">Контекст dbt в повседневных рабочих процессах<a href="https://docs.getdbt.tech/blog/dbt-mcp-server-claude/#%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BA%D1%81%D1%82-dbt-%D0%B2-%D0%BF%D0%BE%D0%B2%D1%81%D0%B5%D0%B4%D0%BD%D0%B5%D0%B2%D0%BD%D1%8B%D1%85-%D1%80%D0%B0%D0%B1%D0%BE%D1%87%D0%B8%D1%85-%D0%BF%D1%80%D0%BE%D1%86%D0%B5%D1%81%D1%81%D0%B0%D1%85" class="hash-link" aria-label="Прямая ссылка на Контекст dbt в повседневных рабочих процессах" title="Прямая ссылка на Контекст dbt в повседневных рабочих процессах">​</a></h2>
<p>Настоящая польза проявляется, когда вы включаете структурированные данные dbt и их контекст в уже привычные рабочие процессы. Вот три примера использования контекста проекта dbt вместе с другими инструментами.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="1-разработка-маркетинговой-кампании">1. Разработка маркетинговой кампании<a href="https://docs.getdbt.tech/blog/dbt-mcp-server-claude/#1-%D1%80%D0%B0%D0%B7%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0-%D0%BC%D0%B0%D1%80%D0%BA%D0%B5%D1%82%D0%B8%D0%BD%D0%B3%D0%BE%D0%B2%D0%BE%D0%B9-%D0%BA%D0%B0%D0%BC%D0%BF%D0%B0%D0%BD%D0%B8%D0%B8" class="hash-link" aria-label="Прямая ссылка на 1. Разработка маркетинговой кампании" title="Прямая ссылка на 1. Разработка маркетинговой кампании">​</a></h3>
<p>Когда-то я работал в маркетинге. Как начинающий аналитик данных, я хотел принимать как можно больше решений на основе данных. Однако ограничения тогдашних инструментов делали полноценный анализ и планирование слишком трудоёмкими, поэтому приходилось полагаться на чутьё и опыт. Теперь вы можете собрать нужные данные из CRM, платной рекламы, органического продвижения в соцсетях и вебинаров в хранилище с управляемыми метриками. Вы можете дополнить свой контекст, чутьё и опыт помощью аналитика, который отлично ориентируется в данных. Пытаться собрать целостную картину по нескольким дашбордам, где доступно лишь несколько уровней детализации, — не лучшее применение времени. Вместо этого можно получать нужные данные с необходимой глубиной детализации и при этом сосредоточиться на формулировке сообщений, охвате аудитории и экспериментах для достижения результатов.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="2-постановка-целей-и-регулярный-анализ-результатов">2. Постановка целей и регулярный анализ результатов<a href="https://docs.getdbt.tech/blog/dbt-mcp-server-claude/#2-%D0%BF%D0%BE%D1%81%D1%82%D0%B0%D0%BD%D0%BE%D0%B2%D0%BA%D0%B0-%D1%86%D0%B5%D0%BB%D0%B5%D0%B9-%D0%B8-%D1%80%D0%B5%D0%B3%D1%83%D0%BB%D1%8F%D1%80%D0%BD%D1%8B%D0%B9-%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7-%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%82%D0%BE%D0%B2" class="hash-link" aria-label="Прямая ссылка на 2. Постановка целей и регулярный анализ результатов" title="Прямая ссылка на 2. Постановка целей и регулярный анализ результатов">​</a></h3>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/dbt-mcp-server-claude/#" data-featherlight="/img/blog/2026-07-23-dbt-mcp-server-claude/projections-and-goals.jpeg"><img data-toggle="lightbox" alt="Персонаж объясняет, что прогнозы — это надежды и мечты, основанные на реальности" title="Опирайтесь на управляемые метрики при прогнозировании, постановке целей и регулярном анализе результатов." src="https://docs.getdbt.tech/img/blog/2026-07-23-dbt-mcp-server-claude/projections-and-goals.jpeg?v=2"></a></span><span class="title_aGrV">Опирайтесь на управляемые метрики при прогнозировании, постановке целей и регулярном анализе результатов.</span></div>
<p>Целевые показатели и регулярные отчёты опираются на одни и те же управляемые метрики, поэтому сервер естественным образом подходит для таких задач. Ставьте квартальные цели на основе исходных показателей из Semantic Layer и фиксируйте их в Google Sheets или Notion. Затем с удобной вам периодичностью поручайте Claude готовить бизнес-обзор, сравнивающий фактические показатели с целевыми, и публиковать его в канале Slack. Главное преимущество — возможность подробно разбирать цифры и вместе с Claude обсуждать возможные интерпретации и стратегии. Вы приходите на встречу, владея информацией, подготовившись к уточняющим вопросам и имея наготове решения.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="3-управление-платформой-данных">3. Управление платформой данных<a href="https://docs.getdbt.tech/blog/dbt-mcp-server-claude/#3-%D1%83%D0%BF%D1%80%D0%B0%D0%B2%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5-%D0%BF%D0%BB%D0%B0%D1%82%D1%84%D0%BE%D1%80%D0%BC%D0%BE%D0%B9-%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85" class="hash-link" aria-label="Прямая ссылка на 3. Управление платформой данных" title="Прямая ссылка на 3. Управление платформой данных">​</a></h3>
<p>Этот сценарий ближе всего инженерам-аналитикам. Большую часть времени мы поддерживаем платформу, а не обязательно создаём совершенно новые модели, и ИИ наиболее полезен в сочетании с другими инструментами для работы с данными. Используйте инструменты dbt для поиска моделей, проверки их состояния и отслеживания происхождения данных, а также инструменты Administrative API вместе с коннектором наблюдаемости, например Datadog, и инструментом управления инцидентами, например incident.io. Если задание завершается с ошибкой или дашборд выглядит подозрительно, Claude сопоставляет ошибку запуска dbt и неуспешный тест с сигналами инфраструктуры, определяет масштаб влияния по зависимостям данных и составляет сводку инцидента — всё в одном месте.</p>
<p><em>Ещё один сценарий, который стоит попробовать: безопасное управление изменениями.</em> Прежде чем переименовывать или удалять столбец, объедините <code>fusion.get_column_lineage</code> и <code>get_model_details</code> с вашей системой отслеживания задач в Linear, Jira или GitHub. Claude проследит все нижестоящие модели, объекты exposure и дашборды, зависящие от этого поля, а затем заведёт задачи или создаст контрольный список для проверки, чтобы при внесении изменения весь масштаб его влияния был известен. Было бы упущением не отметить, что это идеальный сценарий для <a href="https://docs.getdbt.tech/docs/platform/wizard-overview/">Wizard</a>.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="начало-работы">Начало работы<a href="https://docs.getdbt.tech/blog/dbt-mcp-server-claude/#%D0%BD%D0%B0%D1%87%D0%B0%D0%BB%D0%BE-%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D1%8B" class="hash-link" aria-label="Прямая ссылка на Начало работы" title="Прямая ссылка на Начало работы">​</a></h2>
<p>Подробные инструкции по настройке приведены в разделе <a href="https://docs.getdbt.tech/docs/dbt-ai/integrate-mcp-claude/?version=2.0&amp;name=Fusion">Интеграция с Claude</a>.</p>
<ol>
<li>
<p>В <span>dbt platform</span> скопируйте URL вашей конечной точки MCP из раздела <strong>Account settings</strong> → <strong>Access URLs</strong> → <strong>MCP Endpoint URL</strong>.</p>
</li>
<li>
<p>В Claude Desktop или веб-приложении Claude откройте настройки коннекторов, добавьте пользовательский коннектор, вставьте URL и нажмите <strong>Connect</strong>. Claude перенаправит вас в dbt для входа и покажет экран согласия, где вы подтвердите, какие разрешения хотите предоставить.</p>
</li>
<li>
<p>В Claude Code добавьте сервер в <code>.mcp.json</code> в корне проекта, чтобы вся команда использовала эту настройку:</p>
<div class="language-json codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-json codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token punctuation" style="color:rgb(199, 146, 234)">{</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token property" style="color:rgb(128, 203, 196)">"mcpServers"</span><span class="token operator" style="color:rgb(127, 219, 202)">:</span><span class="token plain"> </span><span class="token punctuation" style="color:rgb(199, 146, 234)">{</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token property" style="color:rgb(128, 203, 196)">"dbt"</span><span class="token operator" style="color:rgb(127, 219, 202)">:</span><span class="token plain"> </span><span class="token punctuation" style="color:rgb(199, 146, 234)">{</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token property" style="color:rgb(128, 203, 196)">"type"</span><span class="token operator" style="color:rgb(127, 219, 202)">:</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"http"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token property" style="color:rgb(128, 203, 196)">"url"</span><span class="token operator" style="color:rgb(127, 219, 202)">:</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"https://YOUR_DBT_HOST_URL/api/ai/v1/mcp/"</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token punctuation" style="color:rgb(199, 146, 234)">}</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token punctuation" style="color:rgb(199, 146, 234)">}</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain"></span><span class="token punctuation" style="color:rgb(199, 146, 234)">}</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
</li>
<li>
<p>Задайте вопрос к Semantic Layer, например: «Какова общая выручка за последние 30 дней в разбивке по регионам?», чтобы проверить подключение.</p>
</li>
</ol>
<p>Для использования OAuth нужен аккаунт со статическим поддоменом — это часть <code>abc123</code> в адресе <code>abc123.us1.dbt.com</code>. Доступность зависит от вашего тарифного плана, поскольку удалённая аутентификация через OAuth внедряется на разных тарифах постепенно. Для клиентов, которые пока не поддерживают OAuth, доступна аутентификация по токену. Внимательно прочитайте экран согласия: разрешения позволяют предоставить Claude ровно тот доступ, который нужен конкретному рабочему процессу.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="куда-мы-движемся">Куда мы движемся<a href="https://docs.getdbt.tech/blog/dbt-mcp-server-claude/#%D0%BA%D1%83%D0%B4%D0%B0-%D0%BC%D1%8B-%D0%B4%D0%B2%D0%B8%D0%B6%D0%B5%D0%BC%D1%81%D1%8F" class="hash-link" aria-label="Прямая ссылка на Куда мы движемся" title="Прямая ссылка на Куда мы движемся">​</a></h2>
<p>В апреле 2025 года мы говорили, что команды по работе с данными будут всё больше сосредотачиваться на создании обширного управляемого контекста для ИИ-систем, а dbt станет уровнем управления этим контекстом. Удалённый сервер с аутентификацией и нативной интеграцией в Claude — шаг к воплощению этой идеи в реальность. Управляемые определения, которые вы создаёте в dbt, теперь поступают напрямую в повседневные рабочие процессы — от маркетингового брифа до разбора инцидента, — а люди и агенты работают на одной и той же надёжной основе.</p>
<p>Это только начало, и лучшие практики предложит сообщество. Скопируйте URL вашей конечной точки MCP, добавьте dbt как пользовательский коннектор в Claude и начните с вопроса к Semantic Layer. Посмотрите, как много инструменты могут сделать вместе.</p>
<p>Присоединяйтесь к обсуждению в канале <code>#tools-dbt-mcp</code> в Slack сообщества dbt.</p>]]></content>
        <author>
            <name>Alex Noonan</name>
        </author>
        <category label="ai" term="ai"/>
        <category label="data ecosystem" term="data ecosystem"/>
    </entry>
    <entry>
        <title type="html"><![CDATA[Без постоянного присмотра — по крайней мере, сегодня]]></title>
        <id>https://docs.getdbt.tech/blog/wizard-use-cases/</id>
        <link href="https://docs.getdbt.tech/blog/wizard-use-cases/"/>
        <updated>2026-06-30T00:00:00.000Z</updated>
        <summary type="html"><![CDATA[dbt Wizard — среда для работы с ИИ-агентами, созданная специально для аналитической инженерии. Алекс Нунан, специалист по улучшению опыта разработчиков, использует Wizard для решения нескольких непростых аналитических задач]]></summary>
        <content type="html"><![CDATA[<p>Недавно мы выпустили <a href="https://docs.getdbt.tech/docs/platform/wizard-overview/">dbt Wizard</a> — CLI для работы с данными в dbt с помощью ИИ-агентов. Эта среда создана специально для работы с данными, поэтому мне не терпелось выделить день и опробовать dbt Wizard на личном проекте примерно со 100 моделями, который я уже давно поддерживаю. На примере этого проекта можно наглядно увидеть некоторые отличительные особенности Wizard, в частности то, как работает цикл валидации.</p>
<p>Работа над проектами данных никогда не заканчивается, и у меня накопилось несколько задач, которые я всё откладывал:</p>
<ul>
<li>Миграция с MotherDuck на Iceberg + BigQuery</li>
<li>Обновление с dbt Core до dbt Fusion</li>
<li>Миграция с dbt Core на dbt platform</li>
<li>Создание семантического слоя</li>
</ul>
<p>Здесь удачно сочетаются вполне типичные задачи по работе с данными (вы уже провели свою ежегодную миграцию?) и задачи, специфичные для dbt. Хорошая неформальная проверка, которая позволяет ответить на главный вопрос о любом инструменте разработки: работает ли он?</p>
<p>Опыт меня приятно удивил: мне не пришлось постоянно присматривать за Wizard или выстраивать поверх него дополнительные рабочие процессы. Он изначально понимает, что такое проект dbt, и умеет настраивать субагентов валидации под конкретную задачу. Поэтому я мог подключаться только по мере необходимости, не следить за всем процессом непрерывно и в итоге достиг всех поставленных целей.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/wizard-use-cases/#" data-featherlight="/img/blog/2026-06-25-wizard-use-case/wizard-loop.jpg"><img data-toggle="lightbox" alt="цикл, показывающий, как Wizard проверяет изменения " title="" src="https://docs.getdbt.tech/img/blog/2026-06-25-wizard-use-case/wizard-loop.jpg?v=2"></a></span></div>
<p>Репозиторий открыт, так что вы можете посмотреть PR, которые подготовил Wizard:</p>
<ul>
<li><a href="https://github.com/C00ldudeNoonan/economic-data-project/pull/83" target="_blank" rel="noopener noreferrer">Миграция с MotherDuck на BigQuery + Apache Iceberg</a></li>
<li><a href="https://github.com/C00ldudeNoonan/economic-data-project/pull/98" target="_blank" rel="noopener noreferrer">Подготовка оркестрации в dbt Platform и Fusion</a></li>
<li><a href="https://github.com/C00ldudeNoonan/economic-data-project/pull/102" target="_blank" rel="noopener noreferrer">Исправление Semantic Layer для обнаружения метрик в Fusion</a></li>
</ul>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="о-проекте">О проекте<a href="https://docs.getdbt.tech/blog/wizard-use-cases/#%D0%BE-%D0%BF%D1%80%D0%BE%D0%B5%D0%BA%D1%82%D0%B5" class="hash-link" aria-label="Прямая ссылка на О проекте" title="Прямая ссылка на О проекте">​</a></h2>
<p>Этот проект — платформа экономических данных. Данные Федеральной резервной системы, Бюро статистики труда, исторические цены акций, ETF и сырьевых товаров, а также данные Казначейства поступают через ресурсы Dagster, преобразуются с помощью dbt и передаются набору аналитических агентов. DuckDB и MotherDuck отлично справлялись, но я хотел оценить удобство разработки и стоимость использования Iceberg, а также <a href="https://docs.getdbt.tech/docs/introduction/">движок dbt Fusion</a>.</p>
<p>Основной интерфейс, через который я работаю с этими данными, — плагин Claude: я задаю вопросы о состоянии рынка, о том, на каком этапе экономического цикла мы находимся, запускаю бэктесты и делаю другие подобные вещи. Это помогает мне проверять новые инвестиционные и торговые идеи, и диалог с ИИ для таких задач довольно удобен. В <a href="https://noonanlabs.substack.com/p/so-i-looked-at-the-data" target="_blank" rel="noopener noreferrer">прошлом</a> у меня возникали проблемы с качеством данных, поэтому повышение точности и воспроизводимости для меня важно. Я также поручил Wizard создать первоначальный <a href="https://docs.getdbt.tech/docs/use-dbt-semantic-layer/dbt-sl/">Semantic Layer</a> и метрики.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="цикл-валидации-на-практике">Цикл валидации на практике<a href="https://docs.getdbt.tech/blog/wizard-use-cases/#%D1%86%D0%B8%D0%BA%D0%BB-%D0%B2%D0%B0%D0%BB%D0%B8%D0%B4%D0%B0%D1%86%D0%B8%D0%B8-%D0%BD%D0%B0-%D0%BF%D1%80%D0%B0%D0%BA%D1%82%D0%B8%D0%BA%D0%B5" class="hash-link" aria-label="Прямая ссылка на Цикл валидации на практике" title="Прямая ссылка на Цикл валидации на практике">​</a></h2>
<p>В Wizard встроен <a href="https://docs.getdbt.tech/docs/dbt-ai/wizard-how-it-works/#validation-loop-mechanics">цикл валидации</a>: он начинает с намеченного изменения, реализует наиболее разумный вариант и проверяет, работает ли он в проекте. Если проверка завершается неудачей или выявляет несоответствие, Wizard корректирует реализацию.</p>
<p>Одна из метрик, на которые я часто смотрю при анализе финансового рынка, — волатильность, или вариативность цены. Чтобы корректно сравнивать активы между собой, необходимо нормализовать показатели с учётом номинальных цен. Расчёт выглядит так:</p>
<div class="language-text codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-text codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token plain">V = σ_1yr / P_current</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">where:</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  σ_1yr     = trailing one-year standard deviation of the price</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  P_current = the latest close</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<p>Возьмите стандартное отклонение цены за последний год, разделите его на текущую цену — и получите безразмерный показатель волатильности, который можно сравнивать между активами с совершенно разными уровнями цен.</p>
<div class="language-yaml codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-yaml codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain"> </span><span class="token key atrule" style="color:rgb(255, 203, 139)">name</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> annualized_volatility_ratio</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token key atrule" style="color:rgb(255, 203, 139)">type</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> ratio</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token key atrule" style="color:rgb(255, 203, 139)">type_params</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">numerator</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token key atrule" style="color:rgb(255, 203, 139)">name</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> price_volatility_proxy</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">denominator</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token key atrule" style="color:rgb(255, 203, 139)">name</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> max_close_price</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<p>Это была первая попытка Wizard — довольно простая. Она не прошла цикл валидации из-за двух проблем моделирования:</p>
<ol>
<li><code>Max_close_price</code> не совсем соответствовало нужному мне выражению: требовалась текущая\последняя цена, а не максимальная цена закрытия в текущем окне.</li>
<li>Решение зависело от ссылок между метриками в metrics.yml, которые стали ненадёжными после того, как Wizard перенёс метрики непосредственно в определения моделей для поддержки Fusion.</li>
</ol>
<p>При валидации Wizard должен был учитывать следующие ограничения:</p>
<p>- Fusion должен был обнаруживать метрики, размещённые вместе с YAML моделей.<br>
<!-- -->- dbt Core/Dagster должны были разбирать проект без ошибок из-за нового семантического синтаксиса. (В итоге я исправил это <a href="https://github.com/C00ldudeNoonan/economic-data-project/pull/100" target="_blank" rel="noopener noreferrer">позже</a>, полностью переведя проект на Fusion, но было интересно посмотреть, как Wizard справится с такой задачей.)<br>
<!-- -->- Для CI требовался стабильный способ разбора и сборки проекта.<br>
<!-- -->- Для dbt Platform требовались развёрнутые артефакты, которые размещённый в облаке Semantic Layer действительно мог предоставить для использования.</p>
<p>Wizard попробовал ещё раз, используя более старую структуру в стиле MetricFlow. Это оказалось не лучшим вариантом: один парсер с ней работал, а другой — нет.</p>
<p>Для одного парсера стало лучше, для другого — хуже. Теперь сбой возникал на другой стороне — именно такие результаты при ручной работе могут отнять весь день.</p>
<p>Итоговый вариант оказался самым незамысловатым из трёх, но он работал.</p>
<div class="language-yaml codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-yaml codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain"> </span><span class="token key atrule" style="color:rgb(255, 203, 139)">name</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> annualized_volatility_ratio</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token key atrule" style="color:rgb(255, 203, 139)">label</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> Annualized Volatility Ratio</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token key atrule" style="color:rgb(255, 203, 139)">description</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> Average ratio of 1</span><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain">year price StdDev to close price</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> a dimensionless proxy for annualized volatility. Higher means more volatile relative to price level.</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token key atrule" style="color:rgb(255, 203, 139)">type</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> simple</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token key atrule" style="color:rgb(255, 203, 139)">agg</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> average</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token key atrule" style="color:rgb(255, 203, 139)">expr</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> std_diff_1yr / nullif(current_price</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> 0)</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<p>Логика расчёта отношения переместилась в expr, nullif устраняет деление на ноль, а само определение успешно разбирается и в Fusion, и в dbt Core и проходит CI проекта. То, что Wizard сам выполнил цикл валидации и разобрался в тонких различиях между dbt Core и Fusion, сэкономило мне массу времени.</p>
<p>В процессе мне не пришлось обращаться к документации, а уточнить что-либо у Wizard понадобилось лишь несколько раз — в основном для собственного понимания. Для меня это успех: теперь у меня есть простая метрика, которая соответствует ожидаемой формуле, совместима с обоими парсерами и может быть развёрнута в облачном семантическом слое. К тому же мне пришлось посмотреть только один diff — итоговый. Тупиковые попытки и итерации остались за кадром, так что подключаться нужно было лишь по необходимости.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/wizard-use-cases/#" data-featherlight="/img/blog/2026-06-25-wizard-use-case/mcp-validation.png"><img data-toggle="lightbox" alt="результат запроса Claude через MCP к метрике отношения годовой волатильности из семантического слоя " title="" src="https://docs.getdbt.tech/img/blog/2026-06-25-wizard-use-case/mcp-validation.png?v=2"></a></span></div>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="почему-он-мог-работать-без-присмотра">Почему он мог работать без присмотра<a href="https://docs.getdbt.tech/blog/wizard-use-cases/#%D0%BF%D0%BE%D1%87%D0%B5%D0%BC%D1%83-%D0%BE%D0%BD-%D0%BC%D0%BE%D0%B3-%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%B0%D1%82%D1%8C-%D0%B1%D0%B5%D0%B7-%D0%BF%D1%80%D0%B8%D1%81%D0%BC%D0%BE%D1%82%D1%80%D0%B0" class="hash-link" aria-label="Прямая ссылка на Почему он мог работать без присмотра" title="Прямая ссылка на Почему он мог работать без присмотра">​</a></h2>
<p>Это стало возможным благодаря трём вещам. Некоторые из них можно воспроизвести в других средах для агентов с помощью навыков, MCP, хуков и других средств автоматизации, но здесь всё это было доступно из коробки.</p>
<p><strong>Он знал граф ещё до начала работы.</strong> Wizard использует <a href="https://docs.getdbt.tech/docs/build/dbt-information-schema/">dbt Information Schema</a> — структурированное представление связей происхождения данных, моделей, тестов и определений метрик, которое формируется ещё до первого запроса. Когда он добавлял <code>std_diff_1yr</code> и <code>current_price</code> в это выражение <code>expr</code>, ему не пришлось искать нужные имена по SQL-файлам с помощью grep: он быстро определил подходящие поля.</p>
<p><strong>Валидация выполнялась по умолчанию.</strong> Я ни разу не говорил: «Проверь, что это компилируется». Цикл запускается при операциях записи независимо от того, просите вы об этом или нет. Если эта возможность вам не нужна, её можно отключить.</p>
<p><strong>Он не выходил за заданные границы.</strong> Задача состояла в создании первоначального набора метрик для предметной области рынков. Он не отвлекался на рефакторинг посторонних моделей и не переписывал мои ресурсы Dagster. Он определил границы изменений, выполнял итерации в этих пределах и представил diff на проверку. Без моего одобрения ничего не сохранялось. Именно такие строгие рамки позволяют спокойно «отойти и вернуться», не рискуя получить взрывной рост технического долга.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="какое-подтверждение-мне-было-нужно">Какое подтверждение мне было нужно<a href="https://docs.getdbt.tech/blog/wizard-use-cases/#%D0%BA%D0%B0%D0%BA%D0%BE%D0%B5-%D0%BF%D0%BE%D0%B4%D1%82%D0%B2%D0%B5%D1%80%D0%B6%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5-%D0%BC%D0%BD%D0%B5-%D0%B1%D1%8B%D0%BB%D0%BE-%D0%BD%D1%83%D0%B6%D0%BD%D0%BE" class="hash-link" aria-label="Прямая ссылка на Какое подтверждение мне было нужно" title="Прямая ссылка на Какое подтверждение мне было нужно">​</a></h2>
<p>Успешная компиляция не доказывает, что изменение в Semantic Layer работает. Она говорит лишь о том, что YAML имеет правильную структуру, но не о том, что метрику можно обнаружить и запросить в вашем реальном хранилище. Поэтому после слияния PR и выполнения заданий dbt platform я проверил облачный слой напрямую: диалект BIGQUERY, обнаружено 43 метрики, статус запроса SUCCESSFUL. Затем я выполнил настоящий запрос к метрике через dbt MCP и получил реальные числа из BigQuery.</p>
<p>Но главным подтверждением для меня стало то, что перед чередой встреч я смог дать Wizard определённый набор аналитических задач, а он последовательно выполнил их без существенного вмешательства с моей стороны. Самое приятное — в итоге всё работало, а во время встреч я мог полноценно участвовать в обсуждениях, не испытывая желания проверить, не сбился ли мой агент с пути. Возможно, настоящей проверкой были друзья, которых мы обрели по дороге.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="с-чем-ещё-он-хорошо-справился">С чем ещё он хорошо справился<a href="https://docs.getdbt.tech/blog/wizard-use-cases/#%D1%81-%D1%87%D0%B5%D0%BC-%D0%B5%D1%89%D1%91-%D0%BE%D0%BD-%D1%85%D0%BE%D1%80%D0%BE%D1%88%D0%BE-%D1%81%D0%BF%D1%80%D0%B0%D0%B2%D0%B8%D0%BB%D1%81%D1%8F" class="hash-link" aria-label="Прямая ссылка на С чем ещё он хорошо справился" title="Прямая ссылка на С чем ещё он хорошо справился">​</a></h2>
<p>Ещё несколько небольших успехов за тот же период работы:</p>
<ul>
<li><strong>Он не стал разбираться с ошибкой, которая уводила не туда.</strong> Локальная команда выдала ошибку аутентификации Snowflake в проекте BigQuery. Wizard отделил облачную среду, где правильно использовался BigQuery, от устаревшего пути к учётным данным Snowflake на моём ноутбуке. В результате задача превратилась из «сломалась production-среда» в «устарели локальные учётные данные», а это разница между часом и целым днём работы.</li>
<li><strong>Он понимал, что «слито» и «доступно» — разные состояния.</strong> Слияние PR не означает, что Semantic Layer обновился. Wizard выяснил, что недостающий шаг — выполнение заданий dbt platform, запустил задания развёртывания, а затем подтвердил доступность метрик.</li>
<li><strong>Он разместил определения рядом.</strong> Изначально метрики были разбросаны по отдельным файлам. Wizard перенёс их в <code>schema.yml</code> соответствующих моделей, так что теперь каждая метрика находится рядом со столбцами, которые она измеряет. Semantic Layer перестал быть изолированным островком метаданных.</li>
<li><strong>Он прагматично сократил объём изменений.</strong> Некоторые сохранённые запросы оказались нестабильными после миграции метрик. Вместо того чтобы блокировать изменения, он убрал эти запросы, сначала обеспечил стабильное обнаружение метрик, а работу над запросами отложил на потом. Я бы потратил час на борьбу с ними. Исключить их было правильным решением.</li>
</ul>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="попробуйте-сами">Попробуйте сами<a href="https://docs.getdbt.tech/blog/wizard-use-cases/#%D0%BF%D0%BE%D0%BF%D1%80%D0%BE%D0%B1%D1%83%D0%B9%D1%82%D0%B5-%D1%81%D0%B0%D0%BC%D0%B8" class="hash-link" aria-label="Прямая ссылка на Попробуйте сами" title="Прямая ссылка на Попробуйте сами">​</a></h2>
<p><a href="https://github.com/C00ldudeNoonan/economic-data-project" target="_blank" rel="noopener noreferrer">Репозиторий</a> открыт, если вам интересно посмотреть на сами метрики и слитые PR. Установите Wizard CLI и запустите его для проекта, который использует Fusion или dbt Core:</p>
<div class="language-shell codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-shell codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token function" style="color:rgb(130, 170, 255)">curl</span><span class="token plain"> </span><span class="token parameter variable" style="color:rgb(214, 222, 235)">-fsSL</span><span class="token plain"> https://public.cdn.getdbt.com/dbt-wizard/install/install-wizard.sh </span><span class="token operator" style="color:rgb(127, 219, 202)">|</span><span class="token plain"> </span><span class="token function" style="color:rgb(130, 170, 255)">sh</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<p>В <a href="https://docs.getdbt.tech/docs/platform/wizard-overview/">документации Wizard</a> описана настройка, а в разделе <a href="https://docs.getdbt.tech/docs/dbt-ai/wizard-how-it-works/">о принципах работы</a> подробнее разобран цикл валидации. Если попробуете его для собственной миграции, расскажите мне об этом в канале <code>#dbt-wizard</code> в <a href="https://www.getdbt.com/community/join-the-community" target="_blank" rel="noopener noreferrer">Slack-сообществе dbt</a>.</p>]]></content>
        <author>
            <name>Alex Noonan</name>
        </author>
        <category label="analytics craft" term="analytics craft"/>
        <category label="ai" term="ai"/>
    </entry>
    <entry>
        <title type="html"><![CDATA[Как на самом деле работает dbt State и помогает снизить затраты на вычисления]]></title>
        <id>https://docs.getdbt.tech/blog/how-dbt-state-works/</id>
        <link href="https://docs.getdbt.tech/blog/how-dbt-state-works/"/>
        <updated>2026-06-25T00:00:00.000Z</updated>
        <summary type="html"><![CDATA[dbt State повторно использует любую модель, для которой может доказать отсутствие существенных изменений, — и, в отличие от своего предшественника, работает в dbt Core, в среде разработки и в CI.]]></summary>
        <content type="html"><![CDATA[<p>При создании проекта dbt вы начинаете с самой простой стратегии и добавляете сложность, только когда требуется повысить скорость или снизить затраты. На уровне отдельных моделей это переход от материализации view к table, а затем к incremental. На уровне всего проекта оптимизации раньше требовали куда большей сложности: чтобы перестраивать только нужные части проекта, приходилось тратить немало умственных усилий на комбинирование селекторов вроде <code>state:modified</code>, <code>source_status:fresher</code> или <code>config.materialized:view</code> и следить за тем, чтобы актуальные JSON-артефакты были доступны всем в организации.</p>
<p>dbt State одновременно повышает скорость, снижает затраты и упрощает работу. Он работает везде, где работаете вы: в dbt Core или Fusion, локально или в любом выбранном вами оркестраторе. Поскольку в его основе лежит новый платный сервис с бесплатным пробным периодом на 30 дней, вам не нужно переходить на всю платформу dbt, чтобы получить эту экономию. dbt State приходит на смену оркестрации с учетом состояния, для которой требовались подписка на платформу dbt и переход на Fusion.</p>
<p>Самая интересная с технической точки зрения часть — процесс нормализации запросов<sup><a href="https://docs.getdbt.tech/blog/how-dbt-state-works/#user-content-fn-1-651320" id="user-content-fnref-1-651320" data-footnote-ref="true" aria-describedby="footnote-label">1</a></sup>, благодаря которому запуск новой <a href="https://docs.getdbt.tech/reference/commands/lint/?version=2.0">команды <code>dbt lint</code></a> не приводит сразу к полной пересборке. Но прежде чем углубляться в синтаксические деревья, давайте вспомним, что именно dbt State делает для конечного пользователя.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="базовый-рабочий-процесс-dbt-state">Базовый рабочий процесс dbt State<a href="https://docs.getdbt.tech/blog/how-dbt-state-works/#%D0%B1%D0%B0%D0%B7%D0%BE%D0%B2%D1%8B%D0%B9-%D1%80%D0%B0%D0%B1%D0%BE%D1%87%D0%B8%D0%B9-%D0%BF%D1%80%D0%BE%D1%86%D0%B5%D1%81%D1%81-dbt-state" class="hash-link" aria-label="Прямая ссылка на Базовый рабочий процесс dbt State" title="Прямая ссылка на Базовый рабочий процесс dbt State">​</a></h2>
<p>При запуске dbt проверяет на сервере dbt State, выполняется ли для модели одно из условий:</p>
<ul>
<li>она уже существует в целевой схеме и может быть использована повторно;</li>
<li>она уже существует в другой схеме и может быть использована повторно;</li>
<li>ее необходимо построить с нуля.</li>
</ul>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="повторное-использование-эквивалентных-объектов">Повторное использование эквивалентных объектов<a href="https://docs.getdbt.tech/blog/how-dbt-state-works/#%D0%BF%D0%BE%D0%B2%D1%82%D0%BE%D1%80%D0%BD%D0%BE%D0%B5-%D0%B8%D1%81%D0%BF%D0%BE%D0%BB%D1%8C%D0%B7%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5-%D1%8D%D0%BA%D0%B2%D0%B8%D0%B2%D0%B0%D0%BB%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D1%85-%D0%BE%D0%B1%D1%8A%D0%B5%D0%BA%D1%82%D0%BE%D0%B2" class="hash-link" aria-label="Прямая ссылка на Повторное использование эквивалентных объектов" title="Прямая ссылка на Повторное использование эквивалентных объектов">​</a></h3>
<p>В этом примере команда <code>dbt build</code> в пустой среде dev_joel <strong>клонирует все объекты, для которых доказано отсутствие изменений</strong>, из другой среды с эквивалентными данными, а также повторно использует результаты тестов для этих узлов.</p>
<figure><video width="100%" controls="" autoplay="" muted="" loop=""><source src="/img/blog/2026-06-17-how-dbt-state-works/reuse-clone-unchanged-objects.mp4" type="video/mp4"></video><figcaption style="text-align:center;font-size:small">В пустой схеме dbt State клонирует объекты из производственной среды и повторно использует результаты тестов.</figcaption></figure>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="пропуск-несущественных-изменений">Пропуск несущественных изменений<a href="https://docs.getdbt.tech/blog/how-dbt-state-works/#%D0%BF%D1%80%D0%BE%D0%BF%D1%83%D1%81%D0%BA-%D0%BD%D0%B5%D1%81%D1%83%D1%89%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D1%85-%D0%B8%D0%B7%D0%BC%D0%B5%D0%BD%D0%B5%D0%BD%D0%B8%D0%B9" class="hash-link" aria-label="Прямая ссылка на Пропуск несущественных изменений" title="Прямая ссылка на Пропуск несущественных изменений">​</a></h3>
<p>«Доказанное отсутствие изменений» не обязательно означает, что файл полностью совпадает с предыдущей версией. Благодаря пониманию SQL dbt State игнорирует несущественные изменения, например добавление комментария или изменение пробельных символов (скажем, при запуске <code>dbt lint --fix</code>).</p>
<figure><video width="100%" controls="" autoplay="" muted="" loop=""><source src="/img/blog/2026-06-17-how-dbt-state-works/skip-cosmetic-sql-changes.mp4" type="video/mp4"></video><figcaption style="text-align:center;font-size:small">Линтинг не меняет логику запроса, поэтому существующие объекты можно использовать повторно.</figcaption></figure>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="выборочная-пересборка">Выборочная пересборка<a href="https://docs.getdbt.tech/blog/how-dbt-state-works/#%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%BE%D1%87%D0%BD%D0%B0%D1%8F-%D0%BF%D0%B5%D1%80%D0%B5%D1%81%D0%B1%D0%BE%D1%80%D0%BA%D0%B0" class="hash-link" aria-label="Прямая ссылка на Выборочная пересборка" title="Прямая ссылка на Выборочная пересборка">​</a></h3>
<p>Когда файл действительно меняется (или изменяется родительский узел выше по графу либо в нем появляются новые данные), модель перестраивается, как и ожидается. Но, в отличие от <code>state:modified+</code>, зависимые модели ниже по графу можно пропустить, если dbt State определит, что изменение на них не влияет. В этом примере представление <code>customers</code> явно перечисляет используемые столбцы, поэтому добавление нового столбца в <code>orders</code> не вызывает ненужной пересборки.</p>
<figure><video width="100%" controls="" autoplay="" muted="" loop=""><source src="/img/blog/2026-06-17-how-dbt-state-works/targeted-rebuild-orders.mp4" type="video/mp4"></video><figcaption style="text-align:center;font-size:small">После добавления нового столбца и теста в модель orders она перестраивается и тестируется заново. Представление customers остается без изменений.</figcaption></figure>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="повторное-использование-из-любой-подходящей-схемы">Повторное использование из любой подходящей схемы<a href="https://docs.getdbt.tech/blog/how-dbt-state-works/#%D0%BF%D0%BE%D0%B2%D1%82%D0%BE%D1%80%D0%BD%D0%BE%D0%B5-%D0%B8%D1%81%D0%BF%D0%BE%D0%BB%D1%8C%D0%B7%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5-%D0%B8%D0%B7-%D0%BB%D1%8E%D0%B1%D0%BE%D0%B9-%D0%BF%D0%BE%D0%B4%D1%85%D0%BE%D0%B4%D1%8F%D1%89%D0%B5%D0%B9-%D1%81%D1%85%D0%B5%D0%BC%D1%8B" class="hash-link" aria-label="Прямая ссылка на Повторное использование из любой подходящей схемы" title="Прямая ссылка на Повторное использование из любой подходящей схемы">​</a></h3>
<p>При поиске объектов для повторного использования dbt State не ограничивается одной средой. Если Тоби переключится на ветку, работа над которой еще идет, и запустит построение той же модели, он клонирует таблицу из среды разработки, а не построит ее с нуля, хотя в производственной среде она еще не создавалась. Стоит отметить еще один момент: определение нового теста неверно, поэтому тест завершается неудачно. Хотя тест не выполняется повторно, предупреждение о нем все равно отображается.</p>
<figure><video width="100%" controls="" autoplay="" muted="" loop=""><source src="/img/blog/2026-06-17-how-dbt-state-works/reuse-clone-from-any-schema.mp4" type="video/mp4"></video><figcaption style="text-align:center;font-size:small">dbt State находит нужную версию объекта, где бы она ни находилась. Неуспешные тесты отображаются без повторного выполнения.</figcaption></figure>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="подробнее-о-внутренней-работе">Подробнее о внутренней работе<a href="https://docs.getdbt.tech/blog/how-dbt-state-works/#%D0%BF%D0%BE%D0%B4%D1%80%D0%BE%D0%B1%D0%BD%D0%B5%D0%B5-%D0%BE-%D0%B2%D0%BD%D1%83%D1%82%D1%80%D0%B5%D0%BD%D0%BD%D0%B5%D0%B9-%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%B5" class="hash-link" aria-label="Прямая ссылка на Подробнее о внутренней работе" title="Прямая ссылка на Подробнее о внутренней работе">​</a></h2>
<p>Давайте чуть подробнее рассмотрим, как dbt State решает, что делать с каждым узлом в DAG. Вот три главных вопроса:</p>
<ul>
<li>Изменилась ли логика узла или любого из его родительских узлов?</li>
<li>Появились ли свежие данные, из-за которых превышен настроенный предел <a href="https://docs.getdbt.tech/reference/resource-configs/lag-tolerance/"><code>lag_tolerance</code></a>?</li>
<li>Изменилась ли конфигурация узла?</li>
</ul>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="нормализация-запросов">Нормализация запросов<a href="https://docs.getdbt.tech/blog/how-dbt-state-works/#%D0%BD%D0%BE%D1%80%D0%BC%D0%B0%D0%BB%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F-%D0%B7%D0%B0%D0%BF%D1%80%D0%BE%D1%81%D0%BE%D0%B2" class="hash-link" aria-label="Прямая ссылка на Нормализация запросов" title="Прямая ссылка на Нормализация запросов">​</a></h3>
<p>Обычный селектор dbt <code>state:modified</code> вычисляет хеш содержимого файла. dbt State действует точнее: он <a href="https://docs.getdbt.tech/blog/sql-comprehension-technologies/#level-1-parsing">преобразует запрос в синтаксическое дерево</a>, а затем вычисляет хеш запроса. Поэтому изменения, сохраняющие эквивалентность запроса, например удаление пробельных символов, добавление комментария или изменение псевдонима таблицы, не приводят к пересборке.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:100%"><span><a href="https://docs.getdbt.tech/blog/how-dbt-state-works/#" data-featherlight="/img/blog/2026-06-17-how-dbt-state-works/query-normalisation-hash-comparison.png"><img data-toggle="lightbox" alt="Без dbt State два семантически эквивалентных SQL-файла имеют разные хеши файлов, но после нормализации каждого из них в синтаксическое дерево dbt State получает одинаковый хеш для сравнения" title="dbt State считает запросы эквивалентными, несмотря на косметические различия" src="https://docs.getdbt.tech/img/blog/2026-06-17-how-dbt-state-works/query-normalisation-hash-comparison.png?v=2"></a></span><span class="title_aGrV">dbt State считает запросы эквивалентными, несмотря на косметические различия</span></div>
<p>Цель этой нормализации — обеспечить пересборку модели только при изменении ее логики или данных. Здесь есть один нюанс: SQL-функции с изменчивым результатом, такие как <code>current_timestamp()</code> или <code>random()</code>. Считать ли их логикой, как и любой другой код? Или они сами являются данными, и при изменении их результата модель теряет актуальность и должна быть перестроена?</p>
<p>По умолчанию такие SQL-функции считаются логикой. Хеш вычисляется на основе имени функции, а не возвращаемого ею значения. Обычно это правильный выбор: иначе ни одну модель, использующую <code>getdate()</code> (и ни одну из ее зависимых моделей), вообще нельзя было бы использовать повторно! Но если в вашей модели хеш должен меняться при изменении результата функции, есть два варианта:</p>
<ol>
<li>Используйте функцию Jinja: разбор и нормализация выполняются после рендеринга Jinja, поэтому <code>{{ modules.datetime.datetime.now() }}</code> каждый раз будет давать другой результат.</li>
<li>Установите для параметра <code>evaluate_volatile_sql</code> в модели значение true.</li>
</ol>
<p>Из этих вариантов обычно лучше выбрать настройку параметра: она применяется сразу ко всем функциям в модели и может наследоваться, как и любая другая настройка. Когда этот параметр включен, dbt State эмулирует значение функции и включает его в хеш SQL.</p>
<video width="100%" controls="" autoplay="" muted="" loop=""><source src="/img/blog/2026-06-17-how-dbt-state-works/volatile-sql-hash.mp4" type="video/mp4"></video>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="проверки-свежести-данных">Проверки свежести данных<a href="https://docs.getdbt.tech/blog/how-dbt-state-works/#%D0%BF%D1%80%D0%BE%D0%B2%D0%B5%D1%80%D0%BA%D0%B8-%D1%81%D0%B2%D0%B5%D0%B6%D0%B5%D1%81%D1%82%D0%B8-%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85" class="hash-link" aria-label="Прямая ссылка на Проверки свежести данных" title="Прямая ссылка на Проверки свежести данных">​</a></h3>
<p>dbt State получает время последнего изменения для каждого объекта <a href="https://docs.getdbt.tech/reference/dbt-classes/#relation">Relation</a> в запросе. Для эффективности по умолчанию используются метаданные хранилища, но вы также можете указать <code>loaded_at_field</code>/<code>loaded_at_query</code>.</p>
<p>Если какой-либо из входных объектов Relation является представлением без заданного <code>loaded_at_field</code>/<code>loaded_at_query</code>, State продолжает обход вверх по графу зависимостей, пока не найдет физическую таблицу, и использует ее временную метку.</p>
<p>Он отправляет сведения о свежести данных и текст запроса на сервер dbt State, чтобы определить, возможно ли повторное использование и каким способом (после завершения работы сервера текст запроса удаляется).</p>
<h4 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="lag_tolerance">lag_tolerance<a href="https://docs.getdbt.tech/blog/how-dbt-state-works/#lag_tolerance" class="hash-link" aria-label="Прямая ссылка на lag_tolerance" title="Прямая ссылка на lag_tolerance">​</a></h4>
<p>В среде разработки вам, скорее всего, не нужно повторно клонировать объекты из другой среды при каждом поступлении свежих данных. Хотя клонировать модель быстрее и дешевле, чем строить ее с нуля, еще быстрее и дешевле — вообще ничего не делать.</p>
<p>Иными словами, вы готовы <em>допускать</em> определенное <em>отставание</em> данных, причем для разных сред оно различается. Этот предел <a href="https://docs.getdbt.tech/reference/resource-configs/lag-tolerance/"><code>lag_tolerance</code></a> можно задать в конфигурации модели в зависимости от среды:</p>
<div class="language-yaml codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-yaml codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token comment" style="color:rgb(99, 119, 119);font-style:italic"># dbt_project.yml</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain"></span><span class="token key atrule" style="color:rgb(255, 203, 139)">models</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token key atrule" style="color:rgb(255, 203, 139)">+state</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">lag_tolerance</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"{{ '4h' if target.name == 'prod' else '7d' }}"</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<p>При такой настройке dbt State не будет рассматривать клонирование моделей, пока где-то еще не появятся свежие данные <em>и</em> возраст текущих данных не достигнет 7 дней. Модель в пределах допустимого отставания по-прежнему будет учитываться как DATT, если вы выберете ее для выполнения и ее можно будет использовать повторно, поэтому мы рекомендуем продолжать использовать селекторы при разработке.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="изменения-конфигурации">Изменения конфигурации<a href="https://docs.getdbt.tech/blog/how-dbt-state-works/#%D0%B8%D0%B7%D0%BC%D0%B5%D0%BD%D0%B5%D0%BD%D0%B8%D1%8F-%D0%BA%D0%BE%D0%BD%D1%84%D0%B8%D0%B3%D1%83%D1%80%D0%B0%D1%86%D0%B8%D0%B8" class="hash-link" aria-label="Прямая ссылка на Изменения конфигурации" title="Прямая ссылка на Изменения конфигурации">​</a></h3>
<p>Некоторые настройки модели, например <code>meta</code> или <code>tags</code>, ничего не меняют в ее представлении в базе данных. Другие, такие как <code>on_schema_change</code>, <code>severity</code> или <code>materialization</code>, при изменении напрямую влияют на процесс построения модели. dbt State учитывает только значимые настройки. Если у вас есть пользовательский post-hook, который обновляет таблицы на основе игнорируемых полей (<a href="https://github.com/Montreal-Analytics/dbt-snowflake-utils#snowflake_utilsapply_meta_as_tags-source" target="_blank" rel="noopener noreferrer">как здесь</a>), установите для <a href="https://docs.getdbt.tech/reference/resource-configs/execute-hooks-on-any-reuse/"><code>execute_hooks_on_any_reuse</code></a> значение true.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="советы-по-настройке-dbt-state">Советы по настройке dbt State<a href="https://docs.getdbt.tech/blog/how-dbt-state-works/#%D1%81%D0%BE%D0%B2%D0%B5%D1%82%D1%8B-%D0%BF%D0%BE-%D0%BD%D0%B0%D1%81%D1%82%D1%80%D0%BE%D0%B9%D0%BA%D0%B5-dbt-state" class="hash-link" aria-label="Прямая ссылка на Советы по настройке dbt State" title="Прямая ссылка на Советы по настройке dbt State">​</a></h2>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="внедрите-использование-во-всей-команде">Внедрите использование во всей команде<a href="https://docs.getdbt.tech/blog/how-dbt-state-works/#%D0%B2%D0%BD%D0%B5%D0%B4%D1%80%D0%B8%D1%82%D0%B5-%D0%B8%D1%81%D0%BF%D0%BE%D0%BB%D1%8C%D0%B7%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5-%D0%B2%D0%BE-%D0%B2%D1%81%D0%B5%D0%B9-%D0%BA%D0%BE%D0%BC%D0%B0%D0%BD%D0%B4%D0%B5" class="hash-link" aria-label="Прямая ссылка на Внедрите использование во всей команде" title="Прямая ссылка на Внедрите использование во всей команде">​</a></h3>
<p>Чем больше людей в вашей команде повторно используют модели благодаря dbt State, тем больше будет выгода по сравнению с построением этих моделей с нуля при каждом запуске.</p>
<p>Обычно сначала один-два опытных пользователя в команде пробуют dbt State в работе. На этом этапе экспериментов используйте флаг <code>--manage-state</code>, переменную окружения <code>DBT_ENGINE_MANAGE_STATE</code> или файл <code>~/.dbt/user_settings.yml</code>, чтобы включить State только для себя (это произойдет автоматически при запуске <code>dbt login</code>).</p>
<p>Когда вы будете готовы к более широкому внедрению, обновите файл <code>dbt_project.yml</code> и сохраните его в системе контроля версий. При следующем запуске dbt вашим коллегам, использующим современную версию dbt, будет предложено войти в систему. Помните, что для версий 1.11 и ниже сначала нужно явно выполнить <code>pip install dbt-state</code>.</p>
<div class="language-yaml codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-yaml codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token comment" style="color:rgb(99, 119, 119);font-style:italic"># dbt_project.yml</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain"></span><span class="token key atrule" style="color:rgb(255, 203, 139)">flags</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token key atrule" style="color:rgb(255, 203, 139)">manage_state</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token boolean important" style="color:rgb(255, 88, 116)">true</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="помогите-определить-дальнейшее-развитие-dbt-state">Помогите определить дальнейшее развитие dbt State<a href="https://docs.getdbt.tech/blog/how-dbt-state-works/#%D0%BF%D0%BE%D0%BC%D0%BE%D0%B3%D0%B8%D1%82%D0%B5-%D0%BE%D0%BF%D1%80%D0%B5%D0%B4%D0%B5%D0%BB%D0%B8%D1%82%D1%8C-%D0%B4%D0%B0%D0%BB%D1%8C%D0%BD%D0%B5%D0%B9%D1%88%D0%B5%D0%B5-%D1%80%D0%B0%D0%B7%D0%B2%D0%B8%D1%82%D0%B8%D0%B5-dbt-state" class="hash-link" aria-label="Прямая ссылка на Помогите определить дальнейшее развитие dbt State" title="Прямая ссылка на Помогите определить дальнейшее развитие dbt State">​</a></h2>
<p>Использование dbt State очень похоже на привычную разработку с dbt, но при этом требует нового взгляда на работу. Лучше всего начать с <a href="https://docs.getdbt.tech/docs/deploy/dbt-state-setup/">руководства по настройке dbt State</a>. А затем, если захотите обсудить свой опыт, поделиться отзывами или задать вопросы, присоединяйтесь к нам в <a href="https://www.getdbt.com/community/join-the-community" target="_blank" rel="noopener noreferrer">канале <code>#dbt-state</code> в Slack</a>.</p>
<!-- -->
<section data-footnotes="true" class="footnotes"><h2 class="anchor anchorWithHideOnScrollNavbar_WYt5 sr-only" id="footnote-label">Footnotes<a href="https://docs.getdbt.tech/blog/how-dbt-state-works/#footnote-label" class="hash-link" aria-label="Прямая ссылка на Footnotes" title="Прямая ссылка на Footnotes">​</a></h2>
<ol>
<li id="user-content-fn-1-651320">
<p>На втором месте по интересности — два имени в списке авторов этой статьи. Добро пожаловать в блог для разработчиков, Тоби! <a href="https://docs.getdbt.tech/blog/how-dbt-state-works/#user-content-fnref-1-651320" data-footnote-backref="" aria-label="Back to reference 1" class="data-footnote-backref">↩</a></p>
</li>
</ol>
</section>]]></content>
        <author>
            <name>Joel Labes</name>
        </author>
        <author>
            <name>Toby Mao</name>
        </author>
        <category label="analytics craft" term="analytics craft"/>
    </entry>
    <entry>
        <title type="html"><![CDATA[Встречайте dbt Core v2: по-прежнему с открытым исходным кодом, теперь на новой основе для будущего]]></title>
        <id>https://docs.getdbt.tech/blog/dbt-core-v2-is-here/</id>
        <link href="https://docs.getdbt.tech/blog/dbt-core-v2-is-here/"/>
        <updated>2026-06-01T00:00:00.000Z</updated>
        <summary type="html"><![CDATA[Эпоха двух движков подходит к концу: отныне dbt Core и Fusion будут разрабатываться на общей основе.]]></summary>
        <content type="html"><![CDATA[<p>Сегодня мы опубликовали <strong>первую альфа-версию dbt Core 2.0</strong>, подняв планку того, чего пользователи dbt могут ожидать от своего инструмента трансформации данных. Как и прежде, исходный код dbt Core полностью открыт под лицензией Apache 2.0. Этот выпуск особенно важен потому, что dbt Core 2.0 теперь построен на той же основе, что и <a href="https://www.getdbt.com/product/fusion" target="_blank" rel="noopener noreferrer">движок dbt Fusion</a>: мы впервые открыли исходный код значительной части Fusion.</p>
<p>Выпуск dbt Core 2.0 включает ряд важных функциональных улучшений:</p>
<ul>
<li><strong>Значительное сокращение времени разбора</strong>, особенно для самых крупных проектов dbt</li>
<li><strong>Строго определённая спецификация языка</strong>, которая не позволит случайно задать <code>desciptin</code> вместо <code>description</code> и предоставляет всем, кто создаёт интеграции с экосистемой dbt (включая собственную команду разработки dbt!), стабильный интерфейс для разработки.</li>
<li><strong>Новые артефакты в формате Parquet</strong> как высокопроизводительная альтернатива большим JSON-файлам, к которым можно напрямую обращаться с запросами через DuckDB или <a href="https://www.getdbt.com/product/dbt-wizard" target="_blank" rel="noopener noreferrer">агента на ваш выбор</a></li>
<li><strong>Полностью переработанная локальная документация</strong>, которая использует новые артефакты и масштабируется для проектов любого размера.</li>
<li><strong>Более простой способ создания новых адаптеров</strong> на базе ADBC и экосистемы Arrow</li>
<li><strong>Упрощённый процесс установки</strong>, избавляющий от необходимости бороться с виртуальными окружениями Python</li>
</ul>
<p>Если вы начали пользоваться движком dbt Fusion на раннем этапе, эти возможности могут показаться вам знакомыми. Дело в том, что эпоха двух движков подходит к концу: отныне dbt Core и Fusion будут разрабатываться на общей основе. Часть кода (мы называем её средой выполнения), которую мы <a href="https://docs.getdbt.tech/blog/dbt-fusion-engine-components/#source-available-dbt-fusion-engine">ранее обещали опубликовать под лицензией ELv2</a>, теперь доступна под лицензией Apache 2.0 как dbt Core. Fusion продолжит расширять эту основу дополнительными возможностями: некоторые из них совершенно бесплатны, а другие премиальные функции становятся доступны после входа в бесплатную учётную запись или указания способа оплаты.</p>
<p>Мы считаем, что это лучший способ и дальше выполнять наши обязательства по развитию и поддержке фреймворка dbt, воплотить <a href="https://roundup.getdbt.com/p/one-dbt" target="_blank" rel="noopener noreferrer">наше видение <em>One dbt</em></a> и сохранить за dbt статус стандарта трансформации данных в эпоху ИИ-агентов.</p>
<p>Если вы хотите узнать больше о новых возможностях dbt Core и наших дальнейших планах, мы с Джереми и Элиасом (я — Грейс) <a href="https://github.com/dbt-labs/dbt/blob/main/docs/roadmap/2026-06-announcing-v2.md" target="_blank" rel="noopener noreferrer">только что опубликовали ещё одну статью о планах развития</a> — загляните в неё. А подробнее о том, что меняется (и что остаётся прежним) и почему мы это делаем, читайте далее.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="putting-all-our-efforts-behind-a-single-engine">Сосредоточим все усилия на одном движке<a href="https://docs.getdbt.tech/blog/dbt-core-v2-is-here/#putting-all-our-efforts-behind-a-single-engine" class="hash-link" aria-label="Прямая ссылка на Сосредоточим все усилия на одном движке" title="Прямая ссылка на Сосредоточим все усилия на одном движке">​</a></h2>
<p>В прошлом году, решая, как выпустить движок dbt Fusion, мы столкнулись с рядом строгих требований. Тогда Тристан <a href="https://www.getdbt.com/blog/new-code-new-license-understanding-the-new-license-for-the-dbt-fusion-engine" target="_blank" rel="noopener noreferrer">подробно описал их</a>; они также приведены в таблице ниже. В итоге мы решили разрабатывать новый движок Fusion отдельно от Core и под другой лицензией — ELv2.</p>
<p>На этапе разработки Fusion этот подход работал достаточно хорошо: новые возможности языка, такие как поддержка каталогов Iceberg, <code>--sample</code> и определения UDF, получили аналогичные реализации с открытым исходным кодом в dbt Core v1.10 и v1.11.</p>
<p>Но по мере приближения общедоступного выпуска (GA) Fusion становится ясно, что лежащие в его основе технологии — Rust, ADBC и Parquet — гораздо лучше подходят для дальнейших инноваций. Мы хотим, чтобы именно эти технологии стали основой дальнейшего развития для <strong>всех</strong>.</p>
<p>Если вернуться к тому же списку целей и добавить ещё одно требование — не разделять движок на две ветви, — получится следующее:</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:100%"><span><a href="https://docs.getdbt.tech/blog/dbt-core-v2-is-here/#" data-featherlight="/img/blog/2026-06-01-dbt-core-v2-is-here/licensing-decisions-2025-vs-2026.png"><img data-toggle="lightbox" alt="Таблица, сопоставляющая исходные решения по лицензированию 2025 года с новыми решениями для каждой цели: более широкое распространение (в том числе через другие платформы, предоставляющие dbt как сервис), защита коммерческих интересов без запрета на подключение премиальных функций и превращение dbt Core в общую среду выполнения на основе кода движка dbt Fusion." title="" src="https://docs.getdbt.tech/img/blog/2026-06-01-dbt-core-v2-is-here/licensing-decisions-2025-vs-2026.png?v=2"></a></span></div>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="better-defining-dbt-cores-role-in-the-ecosystem">Более чёткое определение роли dbt Core в экосистеме<a href="https://docs.getdbt.tech/blog/dbt-core-v2-is-here/#better-defining-dbt-cores-role-in-the-ecosystem" class="hash-link" aria-label="Прямая ссылка на Более чёткое определение роли dbt Core в экосистеме" title="Прямая ссылка на Более чёткое определение роли dbt Core в экосистеме">​</a></h2>
<p>Представляя в прошлом году разные варианты движка dbt Fusion, мы <a href="https://docs.getdbt.tech/blog/dbt-fusion-engine-components/#ways-to-access">объясняли</a>, что для распространения программы на Python необходимо распространять и её исходный код.</p>
<p>Исторически из-за этого dbt Core также стали отождествлять с «<em>тем, что можно использовать бесплатно</em>» или «<em>тем, что можно использовать на ноутбуке</em>»: единственным способом предоставить бесплатную, локально устанавливаемую версию dbt было полностью открыть её код на Python. В результате большинство пользователей dbt не получали полезных возможностей, детали реализации которых мы не могли раскрыть.</p>
<p>В отличие от Python, проекты на Rust можно распространять в виде бинарных файлов, не раскрывая проприетарный исходный код. Именно поэтому мы можем выпускать несколько бесплатных дистрибутивов движка v2: один под названием Fusion, обеспечивающий наилучший пользовательский опыт в виде бинарного файла с некоторым количеством проприетарного кода, и другой, целиком состоящий из открытого кода репозитория <code>dbt-core</code> под лицензией Apache 2.</p>
<p>Какой дистрибутив v2 выбрать для ваших задач? Почти наверняка Fusion. Иными словами: <strong>чтобы получить лучший бесплатный CLI dbt для локальной работы и производственных сред, установите Fusion</strong>. Он изначально умеет больше, чем dbt Core, а при желании вы сможете со временем без труда включить дополнительные премиальные функции. Изменения, внесённые в репозиторий dbt-core, будут применяться и в Fusion. Мы также знаем, что есть небольшое число команд, которым сегодня необходимо использовать dbt Core из-за его лицензии или которые создают собственные решения на основе открытого кода. Если вы относитесь к одной из этих групп (вы сами об этом знаете), мы помним о вас, и dbt Core v2.0 создан в том числе для вас.</p>
<p>Какой бы дистрибутив вы ни выбрали, это по-прежнему единый фреймворк с единой спецификацией языка. Ваша критически важная бизнес-логика переносима в обоих направлениях.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="кому-полезны-эти-изменения">Кому полезны эти изменения?<a href="https://docs.getdbt.tech/blog/dbt-core-v2-is-here/#%D0%BA%D0%BE%D0%BC%D1%83-%D0%BF%D0%BE%D0%BB%D0%B5%D0%B7%D0%BD%D1%8B-%D1%8D%D1%82%D0%B8-%D0%B8%D0%B7%D0%BC%D0%B5%D0%BD%D0%B5%D0%BD%D0%B8%D1%8F" class="hash-link" aria-label="Прямая ссылка на Кому полезны эти изменения?" title="Прямая ссылка на Кому полезны эти изменения?">​</a></h2>
<p>Мы считаем, что это отличная новость для всех участников экосистемы dbt и значительное улучшение по сравнению с текущим положением дел.</p>
<ul>
<li>Мы открываем исходный код огромного объёма наших интеллектуальных разработок, чтобы каждый мог использовать их по своему усмотрению.</li>
<li>Расширенный бинарный файл Fusion теперь можно использовать где угодно (в том числе как основу продуктов, конкурирующих с Fivetran + dbt Labs) благодаря <a href="https://www.getdbt.com/licenses-faq" target="_blank" rel="noopener noreferrer">лицензии с меньшими ограничениями</a>.</li>
<li>Чёткий план развития способствует широкому внедрению v2 фреймворка dbt, что, в свою очередь, упрощает создание интеграций на основе общего набора возможностей.</li>
<li>Общая среда выполнения для открытого и проприетарного дистрибутивов dbt гарантирует, что пользователи версии с открытым исходным кодом напрямую получают пользу от наших постоянных инвестиций в dbt, а не вынуждены полагаться на регулярный перенос возможностей с Rust на Python.</li>
</ul>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="подведём-итоги-что-меняется-а-что-остаётся-прежним">Подведём итоги: что меняется, а что остаётся прежним<a href="https://docs.getdbt.tech/blog/dbt-core-v2-is-here/#%D0%BF%D0%BE%D0%B4%D0%B2%D0%B5%D0%B4%D1%91%D0%BC-%D0%B8%D1%82%D0%BE%D0%B3%D0%B8-%D1%87%D1%82%D0%BE-%D0%BC%D0%B5%D0%BD%D1%8F%D0%B5%D1%82%D1%81%D1%8F-%D0%B0-%D1%87%D1%82%D0%BE-%D0%BE%D1%81%D1%82%D0%B0%D1%91%D1%82%D1%81%D1%8F-%D0%BF%D1%80%D0%B5%D0%B6%D0%BD%D0%B8%D0%BC" class="hash-link" aria-label="Прямая ссылка на Подведём итоги: что меняется, а что остаётся прежним" title="Прямая ссылка на Подведём итоги: что меняется, а что остаётся прежним">​</a></h2>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/dbt-core-v2-is-here/#" data-featherlight="/img/blog/2026-06-01-dbt-core-v2-is-here/dbt-repo-structure.gif"><img data-toggle="lightbox" alt="Анимированное сравнение трёх репозиториев GitHub: dbt-core (Apache 2.0, Python), dbt-fusion (ELv2, Rust) и dbt-fusion-private (проприетарный, Rust). Крупные части кода перемещаются из закрытого репозитория в репозиторий dbt-fusion, где их лицензия меняется на Apache 2.0, а затем — в репозиторий dbt-core. Репозиторий dbt-fusion исчезает, что обозначает его архивацию." title="Обзорная визуализация прежней и нынешней структуры репозиториев GitHub." src="https://docs.getdbt.tech/img/blog/2026-06-01-dbt-core-v2-is-here/dbt-repo-structure.gif?v=2"></a></span><span class="title_aGrV">Обзорная визуализация прежней и нынешней структуры репозиториев GitHub.</span></div>
<p><strong>Что нового:</strong></p>
<ul>
<li><strong>Мы открыли весь исходный код, необходимый для реализации v2.0 фреймворка dbt на Rust.</strong> Часть кода уже находилась в репозитории dbt-fusion под лицензией ELv2. Другие части мы ещё не успели перенести, поскольку продолжали активно их дорабатывать. Теперь весь этот код находится в репозитории dbt-core под лицензией Apache 2.0.</li>
<li><strong>Этот код и есть новый dbt Core v2.0.</strong> Использование высокопроизводительной реализации dbt на Rust в качестве основы для всех пользователей снижает сложность и упрощает дальнейшее развитие фреймворка dbt. Сегодня он доступен в альфа-версии, и на пути к общедоступному выпуску нам нужна ваша помощь, чтобы убедиться, что он работает для всех. Попробуйте!</li>
<li><strong>Теперь сторонние компании могут предоставлять расширенный, предварительно скомпилированный бинарный файл Fusion как управляемый сервис.</strong> Мы изменили лицензию бинарного файла Fusion на менее ограничительную, чем ELv2. Как и прежде, некоторые функции работают только после аутентификации — с бесплатной учётной записью или платной учётной записью платформы dbt. Компании, предоставляющие Fusion как управляемый сервис, должны разрешать конечным пользователям включать эти премиальные функции.</li>
</ul>
<p><strong>Что остаётся прежним:</strong></p>
<ul>
<li><strong>Существующий код на Python по-прежнему доступен.</strong> Мы только что выпустили новую бета-версию dbt Core v1.12.0, а все старые версии по-прежнему доступны на PyPI и GitHub. Вам не обязательно переходить на v2.x сегодня, завтра или вообще когда-либо. Но, как и при переходе с v0 на v1.x в 2021 году, со временем появятся возможности, для доступа к которым потребуется обновление.</li>
<li><strong>Вы по-прежнему можете пользоваться расширенным, предварительно скомпилированным бинарным файлом Fusion совершенно бесплатно</strong>. Мы считаем, что это лучший способ использовать dbt. Он содержит больше возможностей, включая встроенный высокопроизводительный SQL-линтер, чем вы получите при самостоятельной сборке кодовой базы под лицензией Apache, даже если вы никогда не создадите учётную запись dbt.</li>
<li><strong>Разработка dbt остаётся командной работой</strong>. Вы можете и дальше создавать issues и отправлять PR в репозиторий dbt-core, как это делали около 300 участников сообщества в репозитории dbt-fusion (теперь архивированном) на этапах предварительного доступа и бета-тестирования и ещё примерно 1200 участников в репозитории dbt-core за время существования версий 1.x.</li>
</ul>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="что-дальше">Что дальше?<a href="https://docs.getdbt.tech/blog/dbt-core-v2-is-here/#%D1%87%D1%82%D0%BE-%D0%B4%D0%B0%D0%BB%D1%8C%D1%88%D0%B5" class="hash-link" aria-label="Прямая ссылка на Что дальше?" title="Прямая ссылка на Что дальше?">​</a></h2>
<p>На какой бы дистрибутив v2.0 вы ни переходили, это смена основной версии, а такие переходы сопряжены с некоторыми трудностями: мы отказываемся от части прежних подходов, чтобы подготовиться к будущему. Судя по росту числа пользователей dbt за последние пять лет, большинство читателей этой статьи не участвовали в переходе с dbt v0 на v1.0, поэтому для вас это может быть первый подобный опыт.</p>
<p>На этот раз всё проще: пакет <a href="https://github.com/dbt-labs/dbt-autofix" target="_blank" rel="noopener noreferrer">dbt-autofix</a> и наш <a href="https://github.com/dbt-labs/dbt-agent-skills/tree/main/skills/dbt-migration/skills/migrating-dbt-core-to-v2" target="_blank" rel="noopener noreferrer">навык для агента</a> для обновления версий помогут быстро проделать значительную часть работы. Лучший способ подготовиться к миграции — сначала <a href="https://docs.getdbt.tech/docs/dbt-versions/dbt-upgrade/upgrading-to-v1.12/">обновиться до dbt v1.12</a> (или перейти на <a href="https://docs.getdbt.tech/docs/dbt-versions/dbt-release-tracks/">канал выпусков «Latest»</a> на платформе dbt).</p>
<p>В этой версии уже обязательно применение многих изменений поведения, для которых в v2.0 фреймворка полностью удалена поддержка прежнего поведения. Кроме того, она поставляется с парсером проектов на базе Fusion, чтобы вы могли проверить, корректно ли разбирается ваш проект. Выполните <code>dbt parse --use-v2-parser</code>, чтобы попробовать его. Если разбор проекта завершится успешно, вы готовы к переходу — обратитесь к <a href="https://docs.getdbt.tech/docs/local/install-dbt/?version=2.0">руководству по установке</a>.</p>
<p>Если у вас остались вопросы, 25 июня 2026 года руководители недавно объединённой команды Fivetran + dbt Labs проведут неформальную беседу. <a href="https://www.getdbt.com/resources/webinars/fivetran-dbt-labs-the-merger-what-s-shipping-in-dbt-and-live-q-and-a" target="_blank" rel="noopener noreferrer">Зарегистрируйтесь на встречу здесь</a>. Её проведут <a href="https://www.linkedin.com/in/tristanhandy/" target="_blank" rel="noopener noreferrer">Тристан Хэнди</a> (сооснователь и президент) и <a href="https://www.linkedin.com/in/taylorwcbrown/" target="_blank" rel="noopener noreferrer">Тейлор Браун</a> (сооснователь и операционный директор).</p>]]></content>
        <author>
            <name>Joel Labes</name>
        </author>
        <author>
            <name>Grace Goheen</name>
        </author>
        <category label="dbt platform" term="dbt platform"/>
        <category label="data ecosystem" term="data ecosystem"/>
    </entry>
    <entry>
        <title type="html"><![CDATA[Дьявол кроется в документации]]></title>
        <id>https://docs.getdbt.tech/blog/the-devil-in-the-docs/</id>
        <link href="https://docs.getdbt.tech/blog/the-devil-in-the-docs/"/>
        <updated>2026-05-15T00:00:00.000Z</updated>
        <summary type="html"><![CDATA[Дьявол кроется в деталях, а детали — в документации, которую мы пишем. Как мы приближаем эти решения к пользователям в эпоху ИИ.]]></summary>
        <content type="html"><![CDATA[<blockquote>
<p><em>«Да-да, продолжайте двигаться с черепашьей скоростью».</em>
— Миранда Пристли, <em><a href="https://en.wikipedia.org/wiki/The_Devil_Wears_Prada_(film)" target="_blank" rel="noopener noreferrer">«Дьявол носит Prada»</a></em></p>
</blockquote>
<p>В фильме <em>«Дьявол носит Prada»</em> есть ещё одна сцена, о которой я думаю чаще, чем об этой. Если вы его ещё не видели, постараюсь обойтись без спойлеров. Миранда поворачивается к Энди (своей ассистентке) и с нескрываемым нетерпением объясняет, что <a href="https://en.wikipedia.org/wiki/Cerulean" target="_blank" rel="noopener noreferrer">небесно-голубой цвет</a> её «мешковатого свитера» взялся не из ниоткуда — за ним стоит цепочка осознанных решений в мире моды, принятых за несколько лет до этого людьми, которые тщательно обдумывали каждый выбор. Свитер, который Энди купила в магазине, стал конечным результатом долгой цепочки осознанного <em>отбора</em>, тщательно скрытой ради иллюзии, будто он появился сам собой.</p>
<p>Именно так я бы описала документацию, особенно в эпоху ИИ. Пользователь — разработчик, аналитик, инженер данных или технический писатель 😜 — задаёт вопрос ИИ-инструменту и получает ответ. Ему <em>необязательно</em> видеть каждое решение в стоящей за ним цепочке: что включить, как выстроить структуру, где есть пробелы, что нужно обновить. Но эти решения формируют каждый получаемый им ответ. Где-то в начале этой цепочки команда документации делает тщательно продуманный, осознанный выбор, последствия которого доходят до самого момента, когда ответ появляется в редакторе пользователя.</p>
<p>В этой статье мы расскажем, как команды документации стараются приблизить эти решения к пользователям — и почему в эпоху ИИ такая архитектура важна как никогда.</p>
<div class="theme-admonition theme-admonition-tip admonition_xJq3 alert alert--success"><div class="admonitionHeading_Gvgb"><span class="admonitionIcon_Rf37"><svg viewBox="0 0 12 16"><path fill-rule="evenodd" d="M6.5 0C3.48 0 1 2.19 1 5c0 .92.55 2.25 1 3 1.34 2.25 1.78 2.78 2 4v1h5v-1c.22-1.22.66-1.75 2-4 .45-.75 1-2.08 1-3 0-2.81-2.48-5-5.5-5zm3.64 7.48c-.25.44-.47.8-.67 1.11-.86 1.41-1.25 2.06-1.45 3.23-.02.05-.02.11-.02.17H5c0-.06 0-.13-.02-.17-.2-1.17-.59-1.83-1.45-3.23-.2-.31-.42-.67-.67-1.11C2.44 6.78 2 5.65 2 5c0-2.2 2.02-4 4.5-4 1.22 0 2.36.42 3.22 1.19C10.55 2.94 11 3.94 11 5c0 .66-.44 1.78-.86 2.48zM4 14h5c-.23 1.14-1.3 2-2.5 2s-2.27-.86-2.5-2z"></path></svg></span>Готовы попробовать?</div><div class="admonitionContent_BuS1"><p>Начните с <a href="https://docs.getdbt.tech/docs/dbt-ai/mcp-quickstart-oauth/">руководства по быстрому старту с dbt MCP</a> или загляните в <a href="https://docs.getdbt.tech/docs/dbt-ai/mcp-available-tools/#product-docs">справочник инструментов для документации продукта</a>, если вы уже подключились.</p></div></div>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="пробел-документация-была-но-встроенного-доступа-к-ней-не-было">Пробел: документация была, но встроенного доступа к ней не было<a href="https://docs.getdbt.tech/blog/the-devil-in-the-docs/#%D0%BF%D1%80%D0%BE%D0%B1%D0%B5%D0%BB-%D0%B4%D0%BE%D0%BA%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D0%B0%D1%86%D0%B8%D1%8F-%D0%B1%D1%8B%D0%BB%D0%B0-%D0%BD%D0%BE-%D0%B2%D1%81%D1%82%D1%80%D0%BE%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE-%D0%B4%D0%BE%D1%81%D1%82%D1%83%D0%BF%D0%B0-%D0%BA-%D0%BD%D0%B5%D0%B9-%D0%BD%D0%B5-%D0%B1%D1%8B%D0%BB%D0%BE" class="hash-link" aria-label="Прямая ссылка на Пробел: документация была, но встроенного доступа к ней не было" title="Прямая ссылка на Пробел: документация была, но встроенного доступа к ней не было">​</a></h2>
<p>Вспомните Энди из <em>«Дьявол носит Prada»</em> — она постоянно получает запросы на информацию, которую теоретически могла бы найти, но каждый раз вынуждена лихорадочно искать, потому что под рукой её нет. Дело не в том, что она ничего не знает. Просто в нужный момент у неё нет доступа к нужному источнику.</p>
<p>Примерно так же обстояли дела с <a href="https://docs.getdbt.tech/docs/dbt-ai/about-mcp/">MCP-сервером dbt</a> и документацией:</p>
<ul>
<li>Документация с открытым исходным кодом на <a href="https://docs.getdbt.com/" target="_blank" rel="noopener noreferrer">docs.getdbt.com</a> тщательно поддерживается (командой документации <em>и</em> нашим замечательным сообществом dbt), остаётся актуальной и отформатирована для людей, а теперь и для ИИ.<!-- -->
<ul>
<li>Есть индекс <code>llms.txt</code>, единый текстовый файл с полным содержимым и версия каждой страницы в Markdown.</li>
<li>Есть файл <code>AGENTS.md</code>, в котором описано, как получать доступ к документации через веб-запросы.</li>
<li>Источник был надёжным и доступным.</li>
</ul>
</li>
<li>MCP-сервер dbt — мощный инструмент, с помощью которого пользователи dbt взаимодействуют с dbt через ИИ-инструменты. У него также был доступ к документации через веб-поиск и обучающие данные.<!-- -->
<ul>
<li>В нём восемь категорий инструментов: CLI, Semantic Layer, Discovery, Admin API, SQL, Codegen, Fusion, Server Metadata.</li>
<li>Но ни одна из них не подключалась напрямую к актуальной документации <em>по умолчанию</em>. Наша документация не была его основным источником.</li>
</ul>
</li>
</ul>
<p>Поэтому, когда агенту задавали вопрос <em>«Как настроить инкрементальные модели?»</em>, теоретически он вполне мог добраться до документации с помощью собственных инструментов просмотра веб-страниц, но результат был непредсказуемым. Иногда он получал страницу через веб-поиск, иногда опирался на обучающие данные или собирал ответ по частям; а когда всё-таки <em>загружал</em> страницу, то обычно получал отрендеренный HTML, а не исходный Markdown — более тяжёлый, зашумлённый и менее экономный с точки зрения токенов. Внутри сервера не было прямого встроенного пути, который по умолчанию направлял бы агентов к эталонной документации в её самом чистом виде.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:45%"><span><a href="https://docs.getdbt.tech/blog/the-devil-in-the-docs/#" data-featherlight="/img/blog/2026-04-30-the-devil-is-in-the-docs/dwp-meme.png"><img data-toggle="lightbox" alt="Миранда злится на ИИ за галлюцинации об инкрементальных моделях (а вообще это реальный ответ ИИ, который я получила, когда добавляла инструменты документации на MCP-сервер)" title="Миранда злится на ИИ за галлюцинации об инкрементальных моделях (а вообще это реальный ответ ИИ, который я получила, когда добавляла инструменты документации на MCP-сервер)" src="https://docs.getdbt.tech/img/blog/2026-04-30-the-devil-is-in-the-docs/dwp-meme.png?v=2"></a></span><span class="title_aGrV">Миранда злится на ИИ за галлюцинации об инкрементальных моделях (а вообще это реальный ответ ИИ, который я получила, когда добавляла инструменты документации на MCP-сервер)</span></div>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="исследование-принимаем-более-взвешенные-решения-на-основе-данных">Исследование: принимаем более взвешенные решения на основе данных<a href="https://docs.getdbt.tech/blog/the-devil-in-the-docs/#%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5-%D0%BF%D1%80%D0%B8%D0%BD%D0%B8%D0%BC%D0%B0%D0%B5%D0%BC-%D0%B1%D0%BE%D0%BB%D0%B5%D0%B5-%D0%B2%D0%B7%D0%B2%D0%B5%D1%88%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5-%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D1%8F-%D0%BD%D0%B0-%D0%BE%D1%81%D0%BD%D0%BE%D0%B2%D0%B5-%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85" class="hash-link" aria-label="Прямая ссылка на Исследование: принимаем более взвешенные решения на основе данных" title="Прямая ссылка на Исследование: принимаем более взвешенные решения на основе данных">​</a></h2>
<p>Помните, как Энди наконец начинает готовиться к работе в Runway — изучать дизайнеров, историю, разбираться, кто есть кто, — чтобы предугадывать потребности Миранды ещё до того, как та о чём-то попросит? Именно такой подход требовался на этом этапе: собрать данные, взвесить варианты и принять осознанное решение, прежде чем браться за реализацию.</p>
<p>В начале этого года мы обсуждали данные документации и то, как ИИ-инструменты теперь получают их для ответов на вопросы. Прозвучал термин «эталонная документация», и мне было непросто понять, что он означает и чем отличается от той документации, которую мы уже создавали. Но потом <a href="https://developers.googleblog.com/introducing-the-developer-knowledge-api-and-mcp-server/" target="_blank" rel="noopener noreferrer">Google анонсировала новый API документации и MCP-сервер</a> — и всё встало на свои места! Теперь документация — источник истины (эталонный источник), и в эпоху ИИ она очень важна 💃💃💃!</p>
<p>Мы обсудили это и рассмотрели несколько вариантов:</p>
<ul>
<li>Создать новый MCP-сервер документации, то есть начать с нуля и построить всю инфраструктуру с самого начала</li>
<li>Добавить инструменты документации в существующий MCP-сервер dbt, то есть добавить категорию инструментов документации в уже работающий MCP-сервер dbt (который уже настроен и у которого есть пользователи)</li>
<li>Оставить всё как есть, поскольку документация уже доступна через <a href="https://github.com/dbt-labs/dbt-agent-skills" target="_blank" rel="noopener noreferrer">dbt agent skills</a> (спасибо команде DX за потрясающую работу!), и именно этот путь подходит пользователям, устанавливающим dbt agent skills</li>
</ul>
<p>Но всё ещё оставался вопрос: как приблизить документацию к пользователям так, чтобы решением было удобно пользоваться и его было легко поддерживать.</p>
<p>Мы выполнили несколько SQL-запросов в нашем внутреннем аналитическом проекте на платформе dbt, используя Fusion в <a href="https://docs.getdbt.tech/docs/install-dbt-extension/">расширении dbt для VS Code</a>, а также воспользовались <a href="https://docs.getdbt.tech/docs/explore/dbt-insights/">Insights</a> для исследовательского анализа.</p>
<p>Мы увидели следующие преимущества MCP-сервера dbt:</p>
<ul>
<li>Им уже активно пользовались, и значительная часть инфраструктуры была готова. Добавление инструментов документации стало бы естественным продолжением, предоставив пользователям доступ к документации прямо там, где они уже работают.</li>
<li>Уже было восемь категорий инструментов, но ни одна из них не обеспечивала прямого доступа к docs.getdbt.com.</li>
<li>Открытый исходный код и бесплатность также означали, что каждый пользователь автоматически получит доступ к документации.</li>
</ul>
<p>Но проблема заключалась в том, что, когда агенту нужно было ответить на вопрос <em>«Как настроить инкрементальные модели?»</em>, гарантированного пути к главному источнику истины — актуальной документации — не было.</p>
<p>Как уже упоминалось, у нас была прочная основа для документации, доступной для чтения ИИ:</p>
<ul>
<li><code>docs.getdbt.com/llms.txt</code> — индекс страниц для ИИ-систем</li>
<li><code>docs.getdbt.com/llms-full.txt</code> — полное содержимое документации в одном файле</li>
<li>Поддержка суффикса <code>.md</code> на любой странице документации для получения чистого Markdown</li>
<li>Файл <code>AGENTS.md</code>, в котором описано, как получать доступ к документации через веб-запросы</li>
<li>Опубликованный <a href="https://skills.sh/dbt-labs/dbt-agent-skills/fetching-dbt-docs" target="_blank" rel="noopener noreferrer">навык <code>fetching-dbt-docs</code></a>, который объясняет ИИ-агентам, как получать доступ к нашей документации через веб-запросы, и используется в Claude Code, Copilot, Gemini CLI и других инструментах</li>
</ul>
<p>Подход с навыками отлично работает, но требует, чтобы кто-то установил навык, а агент знал о его существовании. Нам же было интересно понять, что поможет ещё больше приблизить документацию к пользователям.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="решение-доставить-книгу">Решение: доставить Книгу<a href="https://docs.getdbt.tech/blog/the-devil-in-the-docs/#%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5-%D0%B4%D0%BE%D1%81%D1%82%D0%B0%D0%B2%D0%B8%D1%82%D1%8C-%D0%BA%D0%BD%D0%B8%D0%B3%D1%83" class="hash-link" aria-label="Прямая ссылка на Решение: доставить Книгу" title="Прямая ссылка на Решение: доставить Книгу">​</a></h2>
<p>В <em>«Дьявол носит Prada»</em> есть ритуал. Каждый вечер «Книгу» — секретную папку с макетом будущего номера Runway — доставляют в квартиру Миранды. Пробные отпечатки фотографий, макеты статей, размещение рекламы — все решения, которые редакторы, стилисты и фотографы приняли за день, собраны в одном месте. Ей не нужно ехать за этим в офис. Книгу приносят к ней, в её пространство, именно тогда, когда она нужна. Миранда просматривает её, делает пометки, и то, что она одобрит, отправляется в печать и выходит в свет.</p>
<p>Книга наглядно показывает, как выглядит передача цепочки тщательно продуманных решений — собранных в одном месте и доставленных туда, где будет принято следующее решение.</p>
<p>Именно к такому стандарту мы стремились. Разработчикам не должно быть нужно прерывать рабочий процесс ради поиска документации. Документация — вместе со всеми тщательно продуманными решениями, которые в неё заложены, — должна появляться в уже используемом инструменте в тот момент, когда нужно что-то оценить и двигаться дальше.</p>
<p>MCP-сервер dbt уже умел искать связи происхождения данных, запускать тесты, выполнять запросы к Semantic Layer и помогать с отладкой заданий. Но спросите его: <em>«Какой синтаксис у стратегии snapshot?»</em> — и он мог ответить правильно, ошибиться или начать импровизировать. Веб-поиск. Обучающие данные или наиболее вероятная догадка. Стабильной «доставки» Книги не было.</p>
<p>✨ <strong>Решение:</strong> мы добавили в MCP-сервер dbt два инструмента в новой категории <strong>«Product Docs»</strong> — девятой категории инструментов✨:</p>
<ul>
<li><strong><a href="https://docs.getdbt.tech/docs/dbt-ai/mcp-available-tools/?version=2.0#product-docs"><code>search_product_docs</code></a></strong> — выполняет поиск по docs.getdbt.com и возвращает заголовки, URL и описания страниц, соответствующих запросу, с ранжированием по релевантности.</li>
<li><strong><a href="https://docs.getdbt.tech/docs/dbt-ai/mcp-available-tools/?version=2.0#product-docs"><code>get_product_doc_pages</code></a></strong> — получает полное содержимое одной или нескольких страниц документации в Markdown по пути или URL.</li>
</ul>
<p>Процесс повторяет то, как человек пользуется документацией: сначала поиск подходящих материалов, затем получение полного содержимого. Разница в том, что всё происходит внутри уже используемого ИИ-инструмента, без мучительного переключения контекста.</p>
<p>При этом <a href="https://skills.sh/dbt-labs/dbt-agent-skills" target="_blank" rel="noopener noreferrer">dbt agent skills</a> остаются лучшим вариантом для агентов, не подключённых через MCP. Эти два подхода дополняют друг друга: навык подтвердил востребованность, а инструменты MCP стали встроенным решением.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="как-это-меняет-повседневную-работу">Как это меняет повседневную работу<a href="https://docs.getdbt.tech/blog/the-devil-in-the-docs/#%D0%BA%D0%B0%D0%BA-%D1%8D%D1%82%D0%BE-%D0%BC%D0%B5%D0%BD%D1%8F%D0%B5%D1%82-%D0%BF%D0%BE%D0%B2%D1%81%D0%B5%D0%B4%D0%BD%D0%B5%D0%B2%D0%BD%D1%83%D1%8E-%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D1%83" class="hash-link" aria-label="Прямая ссылка на Как это меняет повседневную работу" title="Прямая ссылка на Как это меняет повседневную работу">​</a></h2>
<ul>
<li>Раньше: пишете макрос, встречаете незнакомую функцию, переключаетесь в браузер через Alt+Tab, ищете документацию, читаете страницу, возвращаетесь в редактор и пытаетесь вспомнить, на чём остановились. Или спрашиваете ИИ и получаете ответ, который может не опираться на эталонную актуальную документацию.</li>
<li>Теперь: спрашиваете Claude или свой ИИ-инструмент напрямую, получаете ответ на основе эталонной актуальной документации и продолжаете писать код! Документация 🤝 эталонный источник.</li>
</ul>
<p>Мы также добавили набор инструментов документации продукта в <a href="https://docs.getdbt.tech/docs/dbt-ai/wizard-ide/">Developer agent</a> в dbt — приблизив документацию к пользователям платформы dbt и Studio IDE. 🎉</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:70%"><span><a href="https://docs.getdbt.tech/blog/the-devil-in-the-docs/#" data-featherlight="/img/blog/2026-04-30-the-devil-is-in-the-docs/dwp-dev-agent.png"><img data-toggle="lightbox" alt="Developer agent использует инструменты документации продукта" title="Developer agent использует инструменты документации продукта" src="https://docs.getdbt.tech/img/blog/2026-04-30-the-devil-is-in-the-docs/dwp-dev-agent.png?v=2"></a></span><span class="title_aGrV">Developer agent использует инструменты документации продукта</span></div>
<p>Книга доставлена. Переключать контекст не пришлось.</p>
<p>С момента добавления инструментов документации в марте пользователи из более чем <strong>1000 уникальных аккаунтов dbt</strong> обращались к документации через MCP-сервер dbt — и каждый такой вызов означает, что пользователю не пришлось прерывать рабочий процесс, чтобы найти нужную документацию. Это победа и для пользователей, и для команды документации.</p>
<p>И использование быстро растёт: <strong>338</strong> вызовов инструментов документации в марте (месяце запуска), <strong>1 113</strong> в апреле и уже более <strong>6 000</strong> в мае.</p>
<iframe src="/charts/mcp-docs-usage.html" width="100%" height="500" style="border:none;border-radius:8px;overflow:hidden" title="Количество вызовов инструментов документации dbt MCP по месяцам"></iframe>
<p>И большинство этих вызовов поступает от <em>агентов</em> — автономных инструментов, которые выполняют многошаговые задачи и получают документацию от имени пользователя по ходу работы. Это иной сценарий использования, чем разовый ответ чат-ассистента: документацию не просто просматривают, её включают в сам рабочий процесс.</p>
<p>Для аналитиков, изучающих общий проект, это возможность понять, что делает модель, не переходя на отдельную вкладку. Для команд, работающих с разными конфигурациями dbt, — согласованные и достоверные ответы независимо от того, где они работают и кто задаёт вопрос. Для команды документации это значит, что наш труд по написанию и поддержке docs.getdbt.com приносит больше пользы, чем раньше, — достигая пользователей именно там, где они работают.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:55%"><span><a href="https://docs.getdbt.tech/blog/the-devil-in-the-docs/#" data-featherlight="/img/blog/2026-04-30-the-devil-is-in-the-docs/dwp-wear-chanel.png"><img data-toggle="lightbox" alt="Эмили радуется, что документация теперь доступна через MCP-сервер" title="Эмили радуется, что документация теперь доступна через MCP-сервер" src="https://docs.getdbt.tech/img/blog/2026-04-30-the-devil-is-in-the-docs/dwp-wear-chanel.png?v=2"></a></span><span class="title_aGrV">Эмили радуется, что документация теперь доступна через MCP-сервер</span></div>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="что-дальше">Что дальше<a href="https://docs.getdbt.tech/blog/the-devil-in-the-docs/#%D1%87%D1%82%D0%BE-%D0%B4%D0%B0%D0%BB%D1%8C%D1%88%D0%B5" class="hash-link" aria-label="Прямая ссылка на Что дальше" title="Прямая ссылка на Что дальше">​</a></h2>
<p>Это лишь первая страница новой главы. Но, продолжая улучшать работу с документацией, мы уже планируем несколько следующих шагов:</p>
<ul>
<li><strong>Получение документации с учётом версии</strong>: сейчас эти инструменты возвращают актуальную документацию. Разработчик на dbt Core v1.10, спрашивающий об инкрементальных стратегиях, получает документацию 2026 года. Маршрутизация с учётом версии — возврат нужной страницы для нужной версии dbt — станет следующим существенным улучшением, и мы уже <a href="https://github.com/dbt-labs/dbt-mcp/pull/638" target="_blank" rel="noopener noreferrer">работаем</a> над этим!</li>
<li><strong>Более умное ранжирование поиска</strong>: релевантность — это хорошо. Релевантность, настроенная с учётом специфических понятий dbt и типичных запросов, была бы ещё лучше.</li>
<li><strong>Пробелы в документации как сигнал</strong>: данные об использовании показывают, какие страницы хорошо отвечают на вопросы, а какие заставляют пользователей продолжать поиски. Если находить отсутствующие, недостаточно подробные или устаревшие материалы и исправлять их, следующий пользователь получит более точный ответ.</li>
<li><strong>Отдельный API или MCP-сервер документации dbt</strong>: возможно? Сейчас это не лучшее решение — правильнее начать с единого продукта и существующего активно используемого сервера, — но в будущем отдельный сервер документации, возможно, сможет охватить все MCP-клиенты независимо от того, используют ли они MCP-сервер dbt вообще?</li>
</ul>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="попробуйте">Попробуйте!<a href="https://docs.getdbt.tech/blog/the-devil-in-the-docs/#%D0%BF%D0%BE%D0%BF%D1%80%D0%BE%D0%B1%D1%83%D0%B9%D1%82%D0%B5" class="hash-link" aria-label="Прямая ссылка на Попробуйте!" title="Прямая ссылка на Попробуйте!">​</a></h2>
<ul>
<li>
<p>Если вы впервые работаете с MCP-сервером, <a href="https://docs.getdbt.tech/docs/dbt-ai/mcp-quickstart-oauth/?version=2.0">руководство по быстрому старту</a> поможет настроить как локальное, так и удалённое подключение.</p>
</li>
<li>
<p>Если вы уже подключены к MCP-серверу dbt, инструменты документации продукта доступны прямо сейчас. Подробности — в <a href="https://docs.getdbt.tech/docs/dbt-ai/mcp-available-tools/?version=2.0#product-docs">справочнике доступных инструментов MCP</a>.</p>
</li>
</ul>
<p>Будем рады вашим отзывам! Создайте issue в <a href="https://github.com/dbt-labs/docs.getdbt.com/issues" target="_blank" rel="noopener noreferrer">github.com/dbt-labs/docs.getdbt.com</a>, чтобы сообщить об ошибках, опечатках, неверной информации и т. п., — или найдите меня в <a href="https://www.getdbt.com/community/join-the-community" target="_blank" rel="noopener noreferrer">Slack-сообществе dbt</a>.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="заключение">Заключение<a href="https://docs.getdbt.tech/blog/the-devil-in-the-docs/#%D0%B7%D0%B0%D0%BA%D0%BB%D1%8E%D1%87%D0%B5%D0%BD%D0%B8%D0%B5" class="hash-link" aria-label="Прямая ссылка на Заключение" title="Прямая ссылка на Заключение">​</a></h2>
<p>На самом деле слова Миранды о небесно-голубом свитере были не о моде. Они были о невидимых цепочках — последствия каждого осознанного решения простираются дальше, чем может увидеть принявший его человек, а качество источника определяет всё, что происходит дальше.</p>
<p>Именно в такой точке сейчас находится документация. Раньше решения команды документации — что включить, как выстроить структуру, где есть пробелы — распространялись медленно. Разработчик мог столкнуться с ними через поиск Google, ссылку на Stack Overflow или вообще никогда! Теперь эти решения приходят в ИИ-инструмент разработчика, собранные в материал, на основе которого можно действовать, — так же, как Книга прибывает в квартиру Миранды. Разработчики просматривают его, принимают решение и выпускают код. Им не нужно видеть <em>каждое</em> решение в цепочке. Нужно лишь, чтобы цепочка до них дошла.</p>
<p>Мы больше не движемся с черепашьей скоростью. Поток несётся <em>быстро</em>. А дьявол? Он кроется в документации.</p>
<p><em>Мирна Вонг — технический писатель в dbt Labs, которая любит длинные тире, отсылки к поп-культуре и писать о dbt и ИИ. Документация продуктов dbt имеет открытый исходный код — ваши изменения и сообщения о проблемах <strong>всегда</strong> приветствуются в <a href="https://github.com/dbt-labs/docs.getdbt.com/issues" target="_blank" rel="noopener noreferrer">github.com/dbt-labs/docs.getdbt.com</a>.</em></p>]]></content>
        <author>
            <name>Mirna Wong</name>
        </author>
        <category label="ai" term="ai"/>
        <category label="docs" term="docs"/>
        <category label="mcp" term="mcp"/>
    </entry>
    <entry>
        <title type="html"><![CDATA[Создаём более качественный бенчмарк для агентов по работе с данными]]></title>
        <id>https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/</id>
        <link href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/"/>
        <updated>2026-04-15T00:00:00.000Z</updated>
        <summary type="html"><![CDATA[Новости ADE-bench: почему контекст критически важен для агентных рабочих процессов и как улучшить цикл оценки агентов в вашей команде.]]></summary>
        <content type="html"><![CDATA[<p>Это вопрос на триллионы долларов, который не даёт покоя всем: от старших разработчиков ПО и начинающих юристов до голливудских сценаристов и, конечно же, аналитиков и инженеров данных. Могут ли роботы выполнять нашу работу?</p>
<p>Для нас, специалистов по данным самых разных направлений, сигналы неоднозначны. Согласно <a href="https://www.anthropic.com/research/labor-market-impacts" target="_blank" rel="noopener noreferrer">недавнему исследованию Anthropic</a>, специалисты по анализу данных уже используют ИИ, чтобы помогать себе выполнять или автоматизировать <a href="https://huggingface.co/datasets/Anthropic/EconomicIndex/blob/main/labor_market_impacts/job_exposure.csv#L85" target="_blank" rel="noopener noreferrer">46 процентов</a> своей работы. За два года большие языковые модели (LLM) научились хорошо <a href="https://llm-stats.com/benchmarks/swe-bench-verified" target="_blank" rel="noopener noreferrer">писать код</a>; теперь они ещё и <em>очень</em> хорошо <a href="https://spider2-sql.github.io/" target="_blank" rel="noopener noreferrer">пишут SQL</a>.<sup><a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#user-content-fn-1-73ad1d" id="user-content-fnref-1-73ad1d" data-footnote-ref="true" aria-describedby="footnote-label">1</a></sup></p>
<p>Но, как знает любой специалист по данным, наша работа — не в написании запросов; по крайней мере, не совсем в этом. К лучшему или к худшему (и, возможно, к лучшему, если <a href="https://www.nytimes.com/2026/02/18/opinion/ai-software.html" target="_blank" rel="noopener noreferrer">великий переворот в написании кода</a> уже наступил), наша работа, как выразилась Кейтлин Мурман более шести лет назад, — это <a href="https://locallyoptimistic.com/post/glue-work/" target="_blank" rel="noopener noreferrer">связующая работа</a>. Мы сопоставляем данные одной команды с целями другой; связываем вопросы, возникающие здесь, с тенденциями, наблюдаемыми там. Мы разбираемся с неоднозначностью; говорим: «<a href="https://www.linkedin.com/posts/johnalexandercook_secret-analyst-habits-will-rewrite-an-activity-7333104969694294018-tcbY" target="_blank" rel="noopener noreferrer">Всё зависит от обстоятельств</a>». Мы <a href="https://locallyoptimistic.com/post/run-your-data-team-like-a-product-team/#:~:text=Service%2Doriented%20data%20teams%20aren%E2%80%99t%20effective" target="_blank" rel="noopener noreferrer">говорим людям «нет»</a>.</p>
<p>А может ли ИИ делать <em>это</em>? Конечно, Claude Code может посчитать количество аккаунтов в таблице <code>dim_accounts</code>, но способен ли он разобраться, чем отличаются <a href="https://developer.salesforce.com/docs/atlas.en-us.object_reference.meta/object_reference/sforce_api_objects_list.htm" target="_blank" rel="noopener noreferrer">24 разных объекта аккаунтов</a> в стандартной схеме Salesforce? Сможет ли он понять, что означает «аккаунт», если у маркетинговой команды одно определение, у отдела продаж — другое, а у команды разработки — третье? Сможет ли он решить <a href="https://www.getdbt.com/blog/modeling-marketing-attribution" target="_blank" rel="noopener noreferrer">безнадёжную задачу маркетинговой атрибуции</a>? Сможет ли он <a href="https://openai.com/index/sycophancy-in-gpt-4o/" target="_blank" rel="noopener noreferrer">сказать «нет»</a>?</p>
<p>В прошлом году при поддержке dbt Labs и <a href="https://getmacro.com/" target="_blank" rel="noopener noreferrer">Macro</a>, инструмента автоматической оптимизации контекста для аналитических агентов, мы взялись создать бенчмарк, который помог бы ответить на эти вопросы. Хотя сообщества специалистов по данным и инженеров уже создали ряд бенчмарков для аналитики и науки о данных (из некоторых мы многое позаимствовали и очень за это благодарны), большинство из них проверяли, насколько хорошо агенты выполняют конкретные технические задачи, например пишут SQL-запросы или разрабатывают прогнозные модели. Нашей целью было создать новый бенчмарк с открытым исходным кодом, который проверяет, как ИИ-агенты работают <em>в реалистичных средах данных</em>: с большими базами данных, в <a href="https://docs.getdbt.com/best-practices/how-we-structure/1-guide-overview?version=2.0#guide-structure-overview" target="_blank" rel="noopener noreferrer">многослойных проектах dbt</a>, решая сложные задачи аналитики и инженерии данных.</p>
<p>Так появился проект <a href="https://github.com/dbt-labs/ade-bench" target="_blank" rel="noopener noreferrer"><strong>ADE-bench</strong></a>.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="как-работает-ade-bench">Как работает ADE-bench<a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#%D0%BA%D0%B0%D0%BA-%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%B0%D0%B5%D1%82-ade-bench" class="hash-link" aria-label="Прямая ссылка на Как работает ADE-bench" title="Прямая ссылка на Как работает ADE-bench">​</a></h2>
<p>ADE-bench, во многом вдохновлённый <a href="https://www.tbench.ai/" target="_blank" rel="noopener noreferrer">terminal-bench</a> и <a href="https://spider2-sql.github.io/" target="_blank" rel="noopener noreferrer">Spider 2.0</a>, состоит из двух основных компонентов:</p>
<ul>
<li>Среды данных</li>
<li>Задачи</li>
</ul>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="среды-данных">Среды данных<a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#%D1%81%D1%80%D0%B5%D0%B4%D1%8B-%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85" class="hash-link" aria-label="Прямая ссылка на Среды данных" title="Прямая ссылка на Среды данных">​</a></h3>
<p>Среды данных — это сочетания проектов dbt и баз данных. Проекты dbt могут быть сколь угодно простыми или сложными, но большинство проектов в ADE-bench содержит полный набор моделей данных для соответствующей базы: слои staging, промежуточные слои и витрины данных; макросы; сторонние источники и связанные с ними <a href="https://docs.getdbt.com/docs/build/packages?version=2.0" target="_blank" rel="noopener noreferrer">пакеты dbt</a>. Такая сложность совершенно намеренна: именно в подобных средах мы и хотели тестировать агентов.</p>
<p>Затем эти проекты запускаются на базах данных DuckDB и Snowflake.<sup><a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#user-content-fn-2-73ad1d" id="user-content-fnref-2-73ad1d" data-footnote-ref="true" aria-describedby="footnote-label">2</a></sup> DuckDB мы выбрали из соображений удобства: базы данных DuckDB можно передавать в виде отдельных файлов и запускать локально без сложных требований к хостингу или сторонних сервисов. Поскольку многие компании используют свои инструменты для работы с данными в промышленной эксплуатации поверх крупных облачных баз данных, таких как Snowflake, ADE-bench также включает скрипты, которые автоматически создают изолированные схемы в Snowflake, загружают в них базы данных DuckDB и адаптируют проекты dbt к диалекту SQL Snowflake вместо DuckDB.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="задачи">Задачи<a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B8" class="hash-link" aria-label="Прямая ссылка на Задачи" title="Прямая ссылка на Задачи">​</a></h3>
<p>Задачи — это тестовые задания. Задача может предлагать агенту исправить ошибку, обновить модель, провести рефакторинг всего проекта или решить какую-либо аналитическую проблему. Каждая задача также включает эталонный ответ, с которым ADE-bench сверяет работу агента. Задачи могут содержать столько критериев оценки, сколько необходимо, в том числе проверку наличия моделей и сравнение содержимого таблиц с эталонными ответами.</p>
<p>Когда ADE-bench получает команду решить задачу, тестовая инфраструктура подготавливает среду данных для агента, передаёт ему инструкции, а затем проверяет его работу. Вот упрощённая последовательность шагов, которые ADE-bench выполняет при запуске задачи:</p>
<ol>
<li><strong>Создать изолированную среду данных.</strong> ADE-bench запускает отдельный контейнер Docker для задачи. Он загружает в контейнер соответствующий проект и, если задача выполняется в Snowflake, создаёт там изолированную базу данных.</li>
<li><strong>Запустить скрипт подготовки для конкретной задачи.</strong> Поскольку значительная часть реальной работы команд по данным состоит в исправлении того, что сломалось (данные поступают в базу в некорректном виде; модели dbt рассинхронизируются; все мы знакомы с этими ужасами), задачи также могут включать скрипты, которые перед тестированием изменяют среду данных только для этой задачи. Чаще всего эти скрипты вносили ошибки, которые агент должен был исправить, или удаляли модели, которые мы хотели попросить агента создать.</li>
<li><strong>Передать изолированную среду агенту.</strong> ИИ-агент получает проект, базу данных и задание. Затем ADE-bench ждёт, пока агент сообщит, что закончил.</li>
<li><strong>Зафиксировать изменения агента.</strong> Когда агент завершает работу, ADE-bench делает снимок всех внесённых им изменений. В итоговых результатах они представлены в виде diff.</li>
<li><strong>Оценить результат.</strong> Внесённые изменения проходят оценку. ADE-bench включает ряд стандартных типов тестов, например сравнение таблицы с эталонным решением или проверку наличия модели dbt.</li>
<li><strong>Всё очистить.</strong> ADE-bench сохраняет результаты всех тестов и журналы работы агента, а затем удаляет контейнер.</li>
</ol>
<p>Более подробную информацию о работе ADE-bench и его настройке можно найти в документации на <a href="https://github.com/dbt-labs/ade-bench" target="_blank" rel="noopener noreferrer">GitHub</a>.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="как-и-почему-изменилась-цель-ade-bench">Как и почему изменилась цель ADE-bench<a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#%D0%BA%D0%B0%D0%BA-%D0%B8-%D0%BF%D0%BE%D1%87%D0%B5%D0%BC%D1%83-%D0%B8%D0%B7%D0%BC%D0%B5%D0%BD%D0%B8%D0%BB%D0%B0%D1%81%D1%8C-%D1%86%D0%B5%D0%BB%D1%8C-ade-bench" class="hash-link" aria-label="Прямая ссылка на Как и почему изменилась цель ADE-bench" title="Прямая ссылка на Как и почему изменилась цель ADE-bench">​</a></h2>
<p>Когда мы только начали разрабатывать ADE-bench, нашей первоначальной целью было сравнить, как разные модели справляются с различными аналитическими задачами. Мы хотели получить рейтинг: какую LLM стоит использовать? Насколько лаборатории приблизились к созданию модели, способной выполнять настоящую аналитическую работу?</p>
<p>Но с тех пор, как мы его создали, стало ясно, что наибольшего прогресса, скорее всего, стоит ждать не от более совершенных моделей, <a href="https://a16z.com/your-data-agents-need-context/" target="_blank" rel="noopener noreferrer">а от более богатого <em>контекста</em></a>:</p>
<blockquote>
<p>За последний год рынок осознал, что агенты для работы с данными и аналитики по сути бесполезны без правильного контекста: они не способны эффективно разбираться в расплывчатых вопросах, расшифровывать бизнес-определения и рассуждать на основе разрозненных данных.</p>
</blockquote>
<p><a href="https://openai.com/index/inside-our-in-house-data-agent/" target="_blank" rel="noopener noreferrer">Внутренний агент OpenAI для работы с данными</a> построен на внутренней базе знаний и «контексте компании» из таких источников, как Slack, Google Docs и Notion. Описывая своего внутреннего агентного аналитика данных, компания Ramp отметила, что <a href="https://engineering.ramp.com/post/meet-ramp-research" target="_blank" rel="noopener noreferrer">без бизнес-контекста он бы не работал</a>:</p>
<blockquote>
<p>Даже имея необходимый контекст данных, агент с трудом связывал своё понимание наших данных с различными направлениями бизнеса Ramp. Значительная часть этих знаний не формализована и находится у экспертов по предметным областям в аналитической команде. Чтобы дать агенту экспертное понимание каждой области, мы попросили этих специалистов написать техническую документацию по своим направлениям. Затем эти документы организовали в файловую систему, к которой Ramp Research может обращаться по мере необходимости.</p>
</blockquote>
<p>И, что особенно важно, чтобы улучшить своего агента, <strong>они проверяют, как он работает с более качественным контекстом:</strong></p>
<blockquote>
<p>Этот набор тестов позволил нам замкнуть цикл обратной связи: обновлять контекст, запускать тесты и подтверждать улучшения.</p>
</blockquote>
<p>Это создаёт фундаментальную проблему для разработки аналитических бенчмарков. Если самый эффективный способ улучшить аналитического агента — дать ему больше бизнес-контекста, <strong>синтетический тест в изолированной среде всегда будет неполным.</strong> Можно представить такой разговор: «Ваш ИИ-аналитик занял восьмое место в этом бенчмарке, и это не выглядит хорошим результатом», — говорит руководитель команды по данным. «Ну да, — отвечает поставщик, — потому что в этом бенчмарке при ответах на вопросы не используется наш проприетарный Enterprise Decision Context Hub™». И поставщик был бы по-своему прав. Если бенчмарк предназначен для сравнения разных продуктов, он не может исключать важнейший способ, которым эти продукты отличаются друг от друга.</p>
<p>Более того, для большинства внутренних команд по данным управление контекстом (улучшение документации; добавление переписки из Slack или записей встреч во внутреннюю базу знаний; создание репозитория с примерами запросов) — самый действенный способ получить больше пользы от современных ИИ-продуктов. Когда мы впервые <a href="https://www.youtube.com/watch?v=cX2yvpqRTsA" target="_blank" rel="noopener noreferrer">представили ADE-bench на Coalesce 2025</a> (теперь <a href="https://www.getdbt.com/dbt-summit" target="_blank" rel="noopener noreferrer">dbt Summit</a>), именно это люди сразу же и захотели узнать: не какую модель использовать, а какие архитектурные конфигурации работают лучше всего.</p>
<p>Так как же создать бенчмарк, который ответит <em>на этот вопрос</em>?</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="три-способа-создать-более-качественный-бенчмарк">Три способа создать более качественный бенчмарк<a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#%D1%82%D1%80%D0%B8-%D1%81%D0%BF%D0%BE%D1%81%D0%BE%D0%B1%D0%B0-%D1%81%D0%BE%D0%B7%D0%B4%D0%B0%D1%82%D1%8C-%D0%B1%D0%BE%D0%BB%D0%B5%D0%B5-%D0%BA%D0%B0%D1%87%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9-%D0%B1%D0%B5%D0%BD%D1%87%D0%BC%D0%B0%D1%80%D0%BA" class="hash-link" aria-label="Прямая ссылка на Три способа создать более качественный бенчмарк" title="Прямая ссылка на Три способа создать более качественный бенчмарк">​</a></h2>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="создать-полноценный-бизнес-кейс">Создать полноценный бизнес-кейс<a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#%D1%81%D0%BE%D0%B7%D0%B4%D0%B0%D1%82%D1%8C-%D0%BF%D0%BE%D0%BB%D0%BD%D0%BE%D1%86%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9-%D0%B1%D0%B8%D0%B7%D0%BD%D0%B5%D1%81-%D0%BA%D0%B5%D0%B9%D1%81" class="hash-link" aria-label="Прямая ссылка на Создать полноценный бизнес-кейс" title="Прямая ссылка на Создать полноценный бизнес-кейс">​</a></h3>
<p>Большинство бенчмарков, включая наш, стремятся охватить разные предметные области. Есть наборы данных о SaaS-бизнесе, электронной коммерции, а иногда — о спорте, науке и других темах, не связанных с бизнесом. Хотя такое разнообразие полезно, более качественный бенчмарк мог бы сосредоточиться на одной компании и попытаться смоделировать как можно больше окружающего её контекста. Вероятно, это неосуществимо (как подделать записи звонков?), но в мире агентов, <a href="https://moltbook.com/" target="_blank" rel="noopener noreferrer">общающихся</a> друг с другом, <a href="https://www.nytimes.com/2026/02/08/briefing/the-church-of-molt.html" target="_blank" rel="noopener noreferrer">случались вещи и постраннее</a>.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="найти-нескольких-спонсоров-бенчмарка">Найти нескольких «спонсоров» бенчмарка<a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#%D0%BD%D0%B0%D0%B9%D1%82%D0%B8-%D0%BD%D0%B5%D1%81%D0%BA%D0%BE%D0%BB%D1%8C%D0%BA%D0%B8%D1%85-%D1%81%D0%BF%D0%BE%D0%BD%D1%81%D0%BE%D1%80%D0%BE%D0%B2-%D0%B1%D0%B5%D0%BD%D1%87%D0%BC%D0%B0%D1%80%D0%BA%D0%B0" class="hash-link" aria-label="Прямая ссылка на Найти нескольких «спонсоров» бенчмарка" title="Прямая ссылка на Найти нескольких «спонсоров» бенчмарка">​</a></h3>
<p>Более реалистичный вариант — существующая компания могла бы стать «спонсором» бенчмарка, предоставив для тестирования свои данные <em>и свой контекст</em>. Для этого необязательно публиковать данные компании; вместо этого несколько компаний могли бы взять на себя поддержку внутреннего бенчмарка и регулярно проверять на нём новых агентов. (Для бенчмарков программирования уже есть <a href="https://cursor.com/blog/cursorbench" target="_blank" rel="noopener noreferrer">подобный прецедент</a>.)</p>
<p>Однако здесь есть две сложности. Во-первых, внутренним бенчмаркам по определению труднее доверять, особенно если ими управляют компании, которые также продают собственных агентов. Во-вторых, в отличие от агентов для программирования, которые часто представляют собой терминальные приложения, работающие с кодовой базой, многие аналитические агенты — это SaaS-продукты, подключающиеся к другим SaaS-сервисам и требующие настройки для полноценной работы (например, они работают внутри базы данных вроде Snowflake или Databricks, управляют собственной документацией и т. д.). Поэтому одной компании сложно, хотя и не невозможно, тестировать сразу множество агентов.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="упростить-компаниям-проведение-собственных-тестов-и-обмен-результатами">Упростить компаниям проведение собственных тестов и обмен результатами<a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#%D1%83%D0%BF%D1%80%D0%BE%D1%81%D1%82%D0%B8%D1%82%D1%8C-%D0%BA%D0%BE%D0%BC%D0%BF%D0%B0%D0%BD%D0%B8%D1%8F%D0%BC-%D0%BF%D1%80%D0%BE%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5-%D1%81%D0%BE%D0%B1%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D1%85-%D1%82%D0%B5%D1%81%D1%82%D0%BE%D0%B2-%D0%B8-%D0%BE%D0%B1%D0%BC%D0%B5%D0%BD-%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%82%D0%B0%D0%BC%D0%B8" class="hash-link" aria-label="Прямая ссылка на Упростить компаниям проведение собственных тестов и обмен результатами" title="Прямая ссылка на Упростить компаниям проведение собственных тестов и обмен результатами">​</a></h3>
<p>Прямо сейчас сотни команд по данным пытаются понять, что работает, а что нет. В этих экспериментах наверняка много вариантов (разные агенты, настройки, промпты, предметные области), но у большинства команд по данным есть гораздо более важные повседневные задачи. Поэтому мы надеемся, что ADE-bench станет полезной отправной точкой. Команды могут заменить наши задачи своими и использовать копии собственной базы данных и репозитория dbt для разработки своих тестов.</p>
<p>Если вы хотите попробовать, хорошая отправная точка — канал <a href="https://getdbt.slack.com/archives/C0A2FTCKTME" target="_blank" rel="noopener noreferrer">#tools-ade-bench</a> в <a href="https://getdbt.com/community" target="_blank" rel="noopener noreferrer">Slack-сообществе dbt</a>.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="как-создавать-собственные-задачи">Как создавать собственные задачи<a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#%D0%BA%D0%B0%D0%BA-%D1%81%D0%BE%D0%B7%D0%B4%D0%B0%D0%B2%D0%B0%D1%82%D1%8C-%D1%81%D0%BE%D0%B1%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5-%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B8" class="hash-link" aria-label="Прямая ссылка на Как создавать собственные задачи" title="Прямая ссылка на Как создавать собственные задачи">​</a></h2>
<p>Вот несколько самых важных уроков, которые мы извлекли при разработке тестов:</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="промпт-так-же-важен-как-и-сама-задача">Промпт так же важен, как и сама задача<a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#%D0%BF%D1%80%D0%BE%D0%BC%D0%BF%D1%82-%D1%82%D0%B0%D0%BA-%D0%B6%D0%B5-%D0%B2%D0%B0%D0%B6%D0%B5%D0%BD-%D0%BA%D0%B0%D0%BA-%D0%B8-%D1%81%D0%B0%D0%BC%D0%B0-%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B0" class="hash-link" aria-label="Прямая ссылка на Промпт так же важен, как и сама задача" title="Прямая ссылка на Промпт так же важен, как и сама задача">​</a></h3>
<p>Поначалу мы хотели проверять разные типы аналитических задач: могут ли агенты исправлять синтаксические ошибки? Могут ли работать с макросами dbt? Могут ли создавать новые модели? Первые задачи должны были стать простыми тестами, а последние — более сложными.</p>
<p>Однако <em>тип</em> задачи часто имел меньшее значение, чем то, как она была описана.</p>
<p>В одних случаях мы вносили изменения, нарушающие работу моделей, и сообщали агенту, что не работает и какую ошибку возвращает база данных. В других — просто говорили: «Что-то сломалось». Неудивительно, что эти промпты давали разные результаты.</p>
<p>Это может показаться очевидным, но из этого следует важный вывод: зачастую вы проверяете свои промпты в той же мере, что и агента. При подробных указаниях агенты могут решать очень сложные задачи; при этом мы иногда замечали, что они не справляются с простыми задачами, если инструкции расплывчаты.<sup><a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#user-content-fn-3-73ad1d" id="user-content-fnref-3-73ad1d" data-footnote-ref="true" aria-describedby="footnote-label">3</a></sup> Поэтому при разработке тестов мы рекомендуем варьировать промпты<sup><a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#user-content-fn-4-73ad1d" id="user-content-fnref-4-73ad1d" data-footnote-ref="true" aria-describedby="footnote-label">4</a></sup>: ведь когда агент окажется в реальной эксплуатации, никогда не знаешь, как люди будут с ним взаимодействовать.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="задавайте-вопросы-о-самих-данных">Задавайте вопросы о самих данных<a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#%D0%B7%D0%B0%D0%B4%D0%B0%D0%B2%D0%B0%D0%B9%D1%82%D0%B5-%D0%B2%D0%BE%D0%BF%D1%80%D0%BE%D1%81%D1%8B-%D0%BE-%D1%81%D0%B0%D0%BC%D0%B8%D1%85-%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85" class="hash-link" aria-label="Прямая ссылка на Задавайте вопросы о самих данных" title="Прямая ссылка на Задавайте вопросы о самих данных">​</a></h3>
<p>Больше всего затруднений у агентов, по-видимому, вызывали вопросы, на которые нельзя ответить, опираясь только на кодовую базу. Некорректное значение в таблице нарушает соединение; в нескольких строках числовые значения неправдоподобно велики; в условии WHERE для фильтрации используется неверная строка; одна таблица указывает, что клиент находится в одном штате, а другая — в другом. Эти проблемы невозможно решить, не изучив сами данные.</p>
<p>Поскольку большинство ведущих LLM сейчас интенсивно обучаются на задачах программирования, аналитические агенты зачастую довольно хорошо находят проблемы, целиком заключённые в коде, например синтаксические или логические ошибки. С проблемами, для решения которых агенту сначала нужно запросить данные, они, похоже, справляются хуже.</p>
<p>При разработке задач полезно проверять именно этот класс проблем: добавьте несколько «плохих иголок» в стог данных, расскажите агенту, что из-за этого сломалось, и посмотрите, сможет ли он найти причину.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="проверяйте-их-работу">Проверяйте их работу<a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#%D0%BF%D1%80%D0%BE%D0%B2%D0%B5%D1%80%D1%8F%D0%B9%D1%82%D0%B5-%D0%B8%D1%85-%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D1%83" class="hash-link" aria-label="Прямая ссылка на Проверяйте их работу" title="Прямая ссылка на Проверяйте их работу">​</a></h3>
<p>Иногда ИИ-агенты решали задачи, которые, как мне казалось, им не по силам. Иногда они спотыкались на самых простых проблемах: часто сначала цеплялись не за ту зацепку, а затем всё дальше уходили в неверном направлении.</p>
<p>Ничего из этого не видно в итоговой отметке о том, пройден тест или нет. Но это видно в diff-файлах и журналах цепочек рассуждений — и то и другое ADE-bench сохраняет.</p>
<p>При разработке тестов эти журналы были не менее полезны, чем сами результаты. Они дают представление о том, как агент «думает» и какие предположения делает о разных типах задач. Да и просто чтение этих журналов позволяло увлекательно, а иногда и жутковато заглянуть в «мозг» LLM и увидеть, как модели рассуждают, решая задачи с данными. В нескольких случаях, особенно в задачах, где агенту требовалось отвечать на аналитические вопросы, модели рассматривали такие аспекты, о которых мы не подумали.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="помните-тест--не-сама-реальность">Помните: тест — не сама реальность<a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#%D0%BF%D0%BE%D0%BC%D0%BD%D0%B8%D1%82%D0%B5-%D1%82%D0%B5%D1%81%D1%82--%D0%BD%D0%B5-%D1%81%D0%B0%D0%BC%D0%B0-%D1%80%D0%B5%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D1%8C" class="hash-link" aria-label="Прямая ссылка на Помните: тест — не сама реальность" title="Прямая ссылка на Помните: тест — не сама реальность">​</a></h3>
<p>Кстати об аналитических вопросах: одна из главных трудностей при проверке того, насколько хорошо агент решает аналитические задачи, состоит в том, что многие такие вопросы не имеют точных ответов. «Какая маркетинговая кампания показала лучшие результаты?» — это вопрос, который, во-первых, часто встречается, во-вторых, важен для хорошего агента и, в-третьих, <em>очень расплывчат</em>. Но хороший бенчмарк не может игнорировать подобные вопросы лишь потому, что ответы на них трудно оценивать; в конце концов, именно на такие вопросы люди и хотят получать ответы.</p>
<p>К счастью, бенчмаркам не нужно изобретать велосипед для подобных вопросов. <em>Людей</em> проверяют такими вопросами уже десятилетиями, и для этого есть популярное решение: вопрос с выбором ответа. Предложите агенту несколько возможных ответов и попросите выбрать один или несколько подходящих.</p>
<p>Например, вот вопрос из ADE-bench:</p>
<blockquote>
<p>Я попросил аналитика выяснить, стали ли гонщики со временем ездить быстрее или медленнее. Чтобы помочь мне разобраться, аналитик создал новую модель <code>analysis__lap_times</code> с тремя столбцами:</p>
<ul>
<li><code>circuit_name</code>: Название трассы.</li>
<li><code>race_year</code>: Год проведения гонки.</li>
<li><code>avg_adjusted_lap_time_in_ms</code>: Среднее время круга в миллисекундах с поправкой на время пит-стопов.</li>
</ul>
<p>Какие из перечисленных ниже проблем есть в этом анализе? Выберите все подходящие варианты.</p>
<ul>
<li>A. Он не учитывает изменения трассы.</li>
<li>B. Он некорректно обрабатывает неполные или незавершённые круги.</li>
<li>C. Он дважды учитывает время кругов с несколькими пит-стопами.</li>
<li>D. На время круга могут влиять предупреждающие флаги.</li>
<li>E. Поправка на пит-стопы рассчитана неверно.</li>
<li>F. Он оценивает время круга по гонкам, а не по гоночным трассам.</li>
</ul>
<p>Создайте модель dbt с именем <code>analysis__answer</code>, содержащую одну строку и один столбец с именем <code>answer</code>. Укажите буквы правильных ответов. Например, если правильные ответы — A и B, значение должно быть "AB".</p>
</blockquote>
<p>Конечно, в промышленной эксплуатации агентам не будут предлагать такие варианты. Но помните: чтобы быть информативными, тестам необязательно воспроизводить реальный мир — точно так же, как экзамену LSAT необязательно воспроизводить жизнь юриста, чтобы давать юридическому факультету полезную информацию. Смысл в том, чтобы находить сильные корреляции. Если более сильные аналитические агенты лучше отвечают на вопросы с выбором ответа, чем слабые (а судя по тому, как агенты рассуждали над этими задачами, мы считаем, что так и есть), значит, такие вопросы полезны.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="делитесь-тем-что-узнаёте">Делитесь тем, что узнаёте<a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#%D0%B4%D0%B5%D0%BB%D0%B8%D1%82%D0%B5%D1%81%D1%8C-%D1%82%D0%B5%D0%BC-%D1%87%D1%82%D0%BE-%D1%83%D0%B7%D0%BD%D0%B0%D1%91%D1%82%D0%B5" class="hash-link" aria-label="Прямая ссылка на Делитесь тем, что узнаёте" title="Прямая ссылка на Делитесь тем, что узнаёте">​</a></h2>
<p>Нравится нам это или нет, <a href="https://roundup.getdbt.com/p/how-to-actually-move-up-the-stack" target="_blank" rel="noopener noreferrer">ИИ меняет то, как мы все работаем с данными</a>, и никто из нас не может с уверенностью сказать, как будет выглядеть наша работа в ближайшие месяцы и годы. Но мы считаем, что бенчмарки играют в этом важную роль: не только потому, что помогают понять возможности ИИ, но и потому, что позволяют выяснить, какие среды, конфигурации и библиотеки контекста делают ИИ эффективнее, а какие — нет.</p>
<p>Мы с энтузиазмом продолжаем работать над этим проектом и экспериментировать с новыми способами проведения экспериментов. И будем рады, если вы присоединитесь к нам.</p>
<!-- -->
<section data-footnotes="true" class="footnotes"><h2 class="anchor anchorWithHideOnScrollNavbar_WYt5 sr-only" id="footnote-label">Footnotes<a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#footnote-label" class="hash-link" aria-label="Прямая ссылка на Footnotes" title="Прямая ссылка на Footnotes">​</a></h2>
<ol>
<li id="user-content-fn-1-73ad1d">
<p>С одной стороны, можно возразить, что точность запросов в 97 процентов слишком низка, если вы готовите отчётность по критически важным финансовым показателям или принимаете важные стратегические решения. С другой стороны, как человек, у которого с первого раза правильными оказываются лишь <a href="https://www.youtube.com/watch?v=J__6wjBW9Fg&amp;t=266s" target="_blank" rel="noopener noreferrer">76 процентов</a> запросов, я впечатлён результатом в 97 процентов. <a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#user-content-fnref-1-73ad1d" data-footnote-backref="" aria-label="Back to reference 1" class="data-footnote-backref">↩</a></p>
</li>
<li id="user-content-fn-2-73ad1d">
<p>Мы рассматривали поддержку большего числа баз данных, но пришли к выводу, что это, вероятно, не оправдает затраченных усилий. Передовые LLM уже настолько хорошо пишут SQL, что редко спотыкаются на каком-либо из основных диалектов SQL. Кроме того, мы собирались проверять не то, насколько хорошо агенты пишут на разных вариантах SQL, а то, насколько хорошо они ориентируются в сложных средах с большими и запутанными моделями данных. В такой задаче результаты вряд ли различались бы в зависимости от базы данных настолько, чтобы оправдать поддержку множества дополнительных типов баз. <a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#user-content-fnref-2-73ad1d" data-footnote-backref="" aria-label="Back to reference 2" class="data-footnote-backref">↩</a></p>
</li>
<li id="user-content-fn-3-73ad1d">
<p>Когда промпты были расплывчатыми, агенты склонны были проявлять избыточное рвение. Они часто находили проблему, которую мы и хотели, чтобы они обнаружили, но затем иногда вносили и другие изменения. Похоже, это вполне в их природе. <a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#user-content-fnref-3-73ad1d" data-footnote-backref="" aria-label="Back to reference 3" class="data-footnote-backref">↩</a></p>
</li>
<li id="user-content-fn-4-73ad1d">
<p>По этой причине ADE-bench позволяет создавать несколько вариантов промпта для одной и той же задачи. <a href="https://docs.getdbt.tech/blog/building-a-better-data-agent-benchmark/#user-content-fnref-4-73ad1d" data-footnote-backref="" aria-label="Back to reference 4" class="data-footnote-backref">↩</a></p>
</li>
</ol>
</section>]]></content>
        <author>
            <name>Benn Stancil</name>
        </author>
        <category label="ai" term="ai"/>
    </entry>
    <entry>
        <title type="html"><![CDATA[Semantic Layer и Text-to-SQL: обновление бенчмарка за 2026 год]]></title>
        <id>https://docs.getdbt.tech/blog/semantic-layer-vs-text-to-sql-2026/</id>
        <link href="https://docs.getdbt.tech/blog/semantic-layer-vs-text-to-sql-2026/"/>
        <updated>2026-04-07T00:00:00.000Z</updated>
        <summary type="html"><![CDATA[С лучшими моделями 2026 года точность dbt Semantic Layer приближается к 100% для поддерживаемых запросов. Рассказываем, что изменилось, а что осталось прежним в обновлённом бенчмарке.]]></summary>
        <content type="html"><![CDATA[<p>Сегодня есть два основных способа получать ответы на вопросы по данным с помощью LLM: поручить модели писать SQL напрямую или выполнять запросы через структурированную онтологию, такую как dbt Semantic Layer. Оба способа работают. Компании получают реальную пользу от каждого из них. Но ошибки у них совершенно разные, и именно понимание этих ошибок по-настоящему важно при выборе подхода.</p>
<p>В 2023 году <a href="https://roundup.getdbt.com/p/semantic-layer-as-the-data-interface" target="_blank" rel="noopener noreferrer">мы провели бенчмарк</a>, сравнив эти два подхода, и Semantic Layer одержал уверенную победу. Но по меркам развития LLM 2023 год был примерно 10 миллионов лет назад. Модели стали значительно лучше писать SQL. Поэтому мы повторили бенчмарк с моделями последнего поколения, чтобы выяснить, сократился ли разрыв.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="кратко">Кратко<a href="https://docs.getdbt.tech/blog/semantic-layer-vs-text-to-sql-2026/#%D0%BA%D1%80%D0%B0%D1%82%D0%BA%D0%BE" class="hash-link" aria-label="Прямая ссылка на Кратко" title="Прямая ссылка на Кратко">​</a></h2>
<div class="filterableTableContainer_mhtg"><table><thead><tr><th>Модель</th><th>Метод</th><th>Точность, %</th></tr></thead><tbody><tr><td>claude-sonnet-4-6</td><td>Text-to-SQL</td><td>90.0%</td></tr><tr><td>claude-sonnet-4-6</td><td>Semantic Layer</td><td>98.2%</td></tr><tr><td>gpt-5.3-codex</td><td>Text-to-SQL</td><td>84.1%</td></tr><tr><td>gpt-5.3-codex</td><td>Semantic Layer</td><td>100.0%</td></tr></tbody></table></div>
<br>
<ul>
<li><strong>Модели всё лучше справляются с преобразованием текста в SQL.</strong> Прогресс по сравнению с эпохой GPT-4 огромен.</li>
<li><strong>Для запросов, которые поддерживает грамотно спроектированный Semantic Layer, точность приближается к 100% или достигает этого значения.</strong> Детерминированная генерация запросов в Semantic Layer не позволяет LLM выдавать результаты с незаметными ошибками.</li>
<li><strong>Качество моделирования данных чрезвычайно важно для обоих подходов.</strong> Даже минимальное моделирование поверх исходных таблиц улучшило результаты во всех случаях.</li>
<li><strong>Наша рекомендация:</strong> Text-to-SQL — для разовых исследований и небольших наборов данных. Semantic Layer — для корпоративных сценариев, где точность критична, а наборы данных велики, сложны или плохо организованы.</li>
</ul>
<p>Эти показатели будут и дальше улучшаться, но мы ожидаем, что базовые принципы сохранят свою актуальность. <strong>Если вы просто хотите самостоятельно запустить бенчмарк или изучить подробные данные и связанные с ним затраты, переходите в <a href="https://github.com/dbt-labs/dbt-llm-sl-bench" target="_blank" rel="noopener noreferrer">репозиторий</a>.</strong> А если нет — читайте дальше: мы подробно расскажем о методологии и полученных выводах.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="как-на-самом-деле-работают-эти-два-подхода">Как на самом деле работают эти два подхода<a href="https://docs.getdbt.tech/blog/semantic-layer-vs-text-to-sql-2026/#%D0%BA%D0%B0%D0%BA-%D0%BD%D0%B0-%D1%81%D0%B0%D0%BC%D0%BE%D0%BC-%D0%B4%D0%B5%D0%BB%D0%B5-%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%B0%D1%8E%D1%82-%D1%8D%D1%82%D0%B8-%D0%B4%D0%B2%D0%B0-%D0%BF%D0%BE%D0%B4%D1%85%D0%BE%D0%B4%D0%B0" class="hash-link" aria-label="Прямая ссылка на Как на самом деле работают эти два подхода" title="Прямая ссылка на Как на самом деле работают эти два подхода">​</a></h2>
<p>Прежде чем перейти к цифрам, кратко напомним, что происходит под капотом.</p>
<p><strong>Text-to-SQL</strong> — более прямолинейный подход. Вы предоставляете LLM некоторый объём информации о схеме и просите сгенерировать SQL-запрос, отвечающий на вопрос на естественном языке. LLM должна вывести семантику ваших данных из структурных подсказок: имён таблиц, имён столбцов, связей. Затем она каждый раз пишет запрос с нуля. Это обеспечивает гибкость (можно задать любой вопрос, если нужные данные существуют), но одновременно делает подход ненадёжным. LLM может неправильно соединить таблицы, неверно истолковать значение столбца или создать запрос, который успешно выполнится, но вернёт неверные результаты. Между вопросом и сгенерированным SQL нет защитных механизмов.</p>
<p>Подходы на основе онтологии, такие как <strong>dbt Semantic Layer</strong>, работают иначе. Вместо того чтобы просить LLM писать SQL напрямую, вы определяете структурированную онтологию (метрики, измерения, сущности и связи между ними), которая формализует вашу бизнес-логику. Задача LLM сводится к тому, чтобы преобразовать вопрос на естественном языке в правильную комбинацию метрик и измерений. Для самой генерации запросов dbt Semantic Layer использует движок MetricFlow, который выполняет её детерминированно. Это означает, что LLM не может создать неправильное соединение или некорректную агрегацию: если она выберет правильную метрику и измерения, корректность запроса гарантирована. Возможно, ещё важнее то, что она не может выдавать <em>правдоподобные числа, которые незаметно различаются от запуска к запуску</em>: логика формализована и детерминирована. Компромисс здесь — охват: Semantic Layer может отвечать только на вопросы, которые укладываются в рамки построенной модели данных.</p>
<p>У каждого метода есть своё применение. Но в каких именно задачах каждый из них проявляет себя лучше всего, а где даёт сбой? Мы это проверили.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="бенчмарк">Бенчмарк<a href="https://docs.getdbt.tech/blog/semantic-layer-vs-text-to-sql-2026/#%D0%B1%D0%B5%D0%BD%D1%87%D0%BC%D0%B0%D1%80%D0%BA" class="hash-link" aria-label="Прямая ссылка на Бенчмарк" title="Прямая ссылка на Бенчмарк">​</a></h2>
<p>Мы провели эксперимент на <a href="https://github.com/datadotworld/cwd-benchmark-data" target="_blank" rel="noopener noreferrer">бенчмарке ACME Insurance</a>, изначально созданном Хуаном Секедой и его коллегами из data.world. Это набор данных умеренной сложности, предназначенный для имитации реальных аналитических задач. 11 вопросов, каждый из которых задавался по 20 раз нескольким LLM.</p>
<p>Мы протестировали четыре конфигурации:</p>
<ul>
<li><strong>Text-to-SQL:</strong> агент получает информацию о схеме и пишет запросы с нуля.</li>
<li><strong>Минимальный Semantic Layer:</strong> dbt-проект с минимальными изменениями поверх исходных (сильно нормализованных) таблиц.</li>
<li><strong>Semantic Layer с проработанной моделью данных:</strong> переработанный проект с корректным моделированием в соответствии с лучшими практиками dbt.</li>
<li><strong>Text-to-SQL поверх смоделированных данных:</strong> агенту предлагают создавать запросы с нуля, но теперь у него есть доступ к тем же новым моделям, которые были созданы для предыдущего сценария.</li>
</ul>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/semantic-layer-vs-text-to-sql-2026/#" data-featherlight="/img/blog/2026-04-07-semantic-layer-vs-text-to-sql-2026/benchmark-configurations.png"><img data-toggle="lightbox" alt="Схема четырёх конфигураций бенчмарка: Text-to-SQL, минимальный Semantic Layer, Semantic Layer с проработанной моделью данных и Text-to-SQL поверх смоделированных данных" title="" src="https://docs.getdbt.tech/img/blog/2026-04-07-semantic-layer-vs-text-to-sql-2026/benchmark-configurations.png?v=2"></a></span></div>
<p>Для пользователей dbt наиболее приближено к реальности сравнение Text-to-SQL и Semantic Layer на проекте с проработанной моделью данных. Важная оговорка: чтобы Text-to-SQL работал, мы загрузили всю схему в контекст, что непрактично для более крупных наборов данных. Учитывайте это при изучении результатов.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="which-model-should-you-use">Какую модель выбрать? (Это менее важно, чем кажется)<a href="https://docs.getdbt.tech/blog/semantic-layer-vs-text-to-sql-2026/#which-model-should-you-use" class="hash-link" aria-label="Прямая ссылка на Какую модель выбрать? (Это менее важно, чем кажется)" title="Прямая ссылка на Какую модель выбрать? (Это менее важно, чем кажется)">​</a></h2>
<p>Перед запуском полного бенчмарка мы хотели выяснить: существенно ли влияют на результат выбор модели и уровень интенсивности рассуждений?</p>
<p>Мы протестировали Opus 4.6, Sonnet 4.6, GPT-5.3 Codex и GPT-5.2 (GPT-5.4 тогда ещё не была доступна через API) на нескольких уровнях интенсивности рассуждений: от <code>low</code> до <code>max</code> у Anthropic и от <code>none</code> до <code>xhigh</code> у OpenAI. Вот как выглядели 16 комбинаций для вопросов, на которые можно ответить через Semantic Layer:</p>
<div class="filterableTableContainer_mhtg"><table><thead><tr><th>Модель</th><th>Уровень рассуждений</th><th>Точность SL, %</th><th>Точность Text-to-SQL, %</th><th>Преимущество SL (п. п.)</th></tr></thead><tbody><tr><td>gpt-5.3-codex</td><td>none</td><td>100.0</td><td>50.0</td><td>50.0</td></tr><tr><td>gpt-5.2-2025-12-11</td><td>medium</td><td>100.0</td><td>52.5</td><td>47.5</td></tr><tr><td>gpt-5.3-codex</td><td>low</td><td>100.0</td><td>52.5</td><td>47.5</td></tr><tr><td>gpt-5.3-codex</td><td>medium</td><td>100.0</td><td>52.5</td><td>47.5</td></tr><tr><td>gpt-5.2-2025-12-11</td><td>none</td><td>95.0</td><td>50.0</td><td>45.0</td></tr><tr><td>gpt-5.2-2025-12-11</td><td>low</td><td>100.0</td><td>55.0</td><td>45.0</td></tr><tr><td>gpt-5.2-2025-12-11</td><td>high</td><td>100.0</td><td>55.0</td><td>45.0</td></tr><tr><td>claude-sonnet-4-6</td><td>low</td><td>100.0</td><td>62.5</td><td>37.5</td></tr><tr><td>claude-sonnet-4-6</td><td>medium</td><td>100.0</td><td>62.5</td><td>37.5</td></tr><tr><td>claude-sonnet-4-6</td><td>max</td><td>100.0</td><td>62.5</td><td>37.5</td></tr><tr><td>gpt-5.3-codex</td><td>high</td><td>97.5</td><td>60.0</td><td>37.5</td></tr><tr><td>claude-sonnet-4-6</td><td>high</td><td>97.5</td><td>62.5</td><td>35.0</td></tr><tr><td>gpt-5.2-2025-12-11</td><td>xhigh</td><td>100.0</td><td>65.0</td><td>35.0</td></tr><tr><td>gpt-5.3-codex</td><td>xhigh</td><td>100.0</td><td>65.0</td><td>35.0</td></tr><tr><td>claude-opus-4-6</td><td>low</td><td>87.5</td><td>62.5</td><td>25.0</td></tr><tr><td>claude-opus-4-6</td><td>max</td><td>87.5</td><td>62.5</td><td>25.0</td></tr><tr><td>claude-opus-4-6</td><td>medium</td><td>87.2</td><td>62.5</td><td>24.7</td></tr><tr><td>claude-opus-4-6</td><td>high</td><td>87.2</td><td>62.5</td><td>24.7</td></tr></tbody></table></div>
<br>
<p>Короткий ответ: <strong>для запросов к Semantic Layer это почти не имеет значения.</strong> Большинство моделей достигают точности 100% или близкой к ней независимо от интенсивности рассуждений. Задача достаточно конкретна, а контекст достаточно ясен, поэтому выделение дополнительных токенов на рассуждения не помогает.</p>
<p>Что <em>действительно</em> меняется при увеличении интенсивности рассуждений, так это скорость — и не в лучшую сторону. У моделей GPT на уровне <code>xhigh</code> выполнение одного запроса занимало в среднем более 20 секунд против 8 секунд на уровне <code>high</code>, без существенного повышения точности. У моделей Anthropic интенсивность рассуждений не влияла ни на результаты, ни на задержку.</p>
<p>Несколько неожиданных результатов:</p>
<ul>
<li>Sonnet 4.6 превзошла Opus 4.6 в нашем сценарии</li>
<li>GPT-5.3 Codex и GPT-5.2 показали схожие результаты</li>
<li>Самая большая модель не всегда оказывается лучшей для задач со структурированными данными</li>
</ul>
<p>Исходя из этого, мы провели полный бенчмарк на Sonnet 4.6 и GPT-5.3 Codex с уровнями рассуждений по умолчанию.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="главное-сравнение-2023-и-2026-годы">Главное сравнение: 2023 и 2026 годы<a href="https://docs.getdbt.tech/blog/semantic-layer-vs-text-to-sql-2026/#%D0%B3%D0%BB%D0%B0%D0%B2%D0%BD%D0%BE%D0%B5-%D1%81%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B5-2023-%D0%B8-2026-%D0%B3%D0%BE%D0%B4%D1%8B" class="hash-link" aria-label="Прямая ссылка на Главное сравнение: 2023 и 2026 годы" title="Прямая ссылка на Главное сравнение: 2023 и 2026 годы">​</a></h2>
<p>Итак, действительно ли LLM стали лучше отвечать на вопросы по данным, чем два года назад?</p>
<p>Да. Значительно. Мы задали те же 11 вопросов по 20 раз каждый, сравнив GPT-4 (ноябрь 2023 года) с GPT-5.3 Codex и Sonnet 4.6 (февраль/март 2026 года). Теперь оба метода отвечают правильно в 100% случаев на большее число вопросов, в том числе на те, которые всего два года назад давали нестабильные результаты.</p>
<p>Ниже приведена разбивка в зависимости от того, требует ли вопрос слишком большого для MetricFlow числа переходов между сущностями:</p>
<div class="filterableTableContainer_mhtg"><table><thead><tr><th>Слишком много переходов</th><th>Text-to-SQL 2023</th><th>Text-to-SQL Sonnet 4.6</th><th>Text-to-SQL GPT-5.3 Codex</th><th>SL 2023</th><th>SL Sonnet 4.6</th><th>SL GPT-5.3 Codex</th></tr></thead><tbody><tr><td>Нет</td><td>26.9%</td><td>62.5%</td><td>51.2%</td><td>83.1%</td><td>100.0%</td><td>100.0%</td></tr><tr><td>Да</td><td>48.3%</td><td>70.0%</td><td>100.0%</td><td>0.0%</td><td>0.0%</td><td>0.0%</td></tr><tr><td>Все</td><td>32.7%</td><td>64.5%</td><td>64.5%</td><td>60.5%</td><td>72.7%</td><td>72.7%</td></tr></tbody></table></div>
<br>
<p>Что сразу бросается в глаза:</p>
<ul>
<li><strong>Точность Text-to-SQL почти удвоилась</strong>: с 32.7% до 64.5% на полном наборе вопросов. Это огромный прогресс.</li>
<li><strong>Sonnet 4.6 и GPT-5.3 Codex показывают почти одинаковые результаты</strong> в обоих методах: одинаковая точность SL и одинаковая общая точность Text-to-SQL (64.5% у обеих моделей).</li>
<li><strong>На вопросы в пределах возможностей Semantic Layer обе модели теперь отвечают правильно в 100% случаев.</strong> В предыдущих итерациях мы иногда видели 1–2 неверных ответа: данные были правильными, но модель выбирала не те измерения, которые ожидались. Теперь этого больше нет.</li>
<li><strong>На вопросы, на которые Semantic Layer не мог ответить в 2023 году, он по-прежнему не может ответить сегодня</strong> без дополнительного моделирования. Но есть принципиальная разница: Semantic Layer сообщает, что не может ответить. Он никогда не возвращает некорректные данные. А Text-to-SQL охотно выдаст вам неверное число.</li>
</ul>
<p>Именно это различие важнее всего в промышленной эксплуатации. При использовании Text-to-SQL ошибка выглядит как правдоподобный, но неверный ответ. При использовании Semantic Layer ошибка выглядит как сообщение об ошибке. Для любых данных, которые попадут в презентацию для совета директоров, к аудитору или на корпоративный дашборд KPI, эта разница имеет решающее значение.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="что-произойдёт-если-добавить-хотя-бы-минимальное-моделирование">Что произойдёт, если добавить хотя бы минимальное моделирование?<a href="https://docs.getdbt.tech/blog/semantic-layer-vs-text-to-sql-2026/#%D1%87%D1%82%D0%BE-%D0%BF%D1%80%D0%BE%D0%B8%D0%B7%D0%BE%D0%B9%D0%B4%D1%91%D1%82-%D0%B5%D1%81%D0%BB%D0%B8-%D0%B4%D0%BE%D0%B1%D0%B0%D0%B2%D0%B8%D1%82%D1%8C-%D1%85%D0%BE%D1%82%D1%8F-%D0%B1%D1%8B-%D0%BC%D0%B8%D0%BD%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5-%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5" class="hash-link" aria-label="Прямая ссылка на Что произойдёт, если добавить хотя бы минимальное моделирование?" title="Прямая ссылка на Что произойдёт, если добавить хотя бы минимальное моделирование?">​</a></h2>
<p>На некоторые вопросы нельзя было ответить через Semantic Layer, поскольку исходная схема, находившаяся в <a href="https://en.wikipedia.org/wiki/Third_normal_form" target="_blank" rel="noopener noreferrer">третьей нормальной форме</a> и чрезвычайно сильно нормализованная, требовала слишком большого числа переходов между сущностями для <a href="https://docs.getdbt.tech/docs/build/about-metricflow/">MetricFlow</a>. Поэтому мы задались вопросом: какой минимальный объём моделирования нужен, чтобы устранить этот пробел?</p>
<p>Мы попросили LLM создать как можно меньше моделей dbt, чтобы ответить на все 11 вопросов через Semantic Layer. Она создала <a href="https://github.com/dbt-labs/semantic-layer-llm-benchmarking/commit/5dd5561" target="_blank" rel="noopener noreferrer">3 новые модели</a>, объединив несколько таблиц и создав соответствующие семантические модели, — нам не пришлось писать никакого кода.</p>
<p>Мы отправили изменения в git, Semantic Layer обновился автоматически, и мы повторно запустили бенчмарк. Для теста Text-to-SQL мы также обновили DDL-контекст, добавив новые таблицы и связи.</p>
<p>Результаты говорят сами за себя. Всего с 3 дополнительными моделями Semantic Layer теперь может ответить на каждый вопрос бенчмарка. Результаты Text-to-SQL тоже улучшились, что подтверждает: <strong>более качественное моделирование помогает обоим подходам.</strong></p>
<div class="filterableTableContainer_mhtg"><table><thead><tr><th>Модель</th><th>Метод</th><th>Точность, %</th></tr></thead><tbody><tr><td>claude-sonnet-4-6</td><td>Text-to-SQL</td><td>90.0%</td></tr><tr><td>claude-sonnet-4-6</td><td>Semantic Layer</td><td>98.2%</td></tr><tr><td>gpt-5.3-codex</td><td>Text-to-SQL</td><td>84.1%</td></tr><tr><td>gpt-5.3-codex</td><td>Semantic Layer</td><td>100.0%</td></tr></tbody></table></div>
<br>
<p>(Мы также провели этот тест на GPT-5.2, но результаты оказались заметно слабее: точность Text-to-SQL составила 68% против 84.1% у GPT-5.3 Codex.)</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="что-выбрать">Что выбрать?<a href="https://docs.getdbt.tech/blog/semantic-layer-vs-text-to-sql-2026/#%D1%87%D1%82%D0%BE-%D0%B2%D1%8B%D0%B1%D1%80%D0%B0%D1%82%D1%8C" class="hash-link" aria-label="Прямая ссылка на Что выбрать?" title="Прямая ссылка на Что выбрать?">​</a></h2>
<p>Ответ не в выборе между Text-to-SQL <em>и</em> Semantic Layer. Используйте оба подхода, но для разных задач.</p>
<p>Когда задействовано несколько таблиц (в нашем бенчмарке их 15), наличие Semantic Layer обеспечивает детерминированность и значительно повышает точность. Если Semantic Layer может ответить на вопрос, он отвечает правильно. Если не может — сообщает об этом. Он никогда не возвращает неверные данные без предупреждения.</p>
<p>Text-to-SQL более гибок: он может попытаться ответить на любой вопрос, если нужные данные существуют. Но за эту гибкость приходится платить: иногда он будет выдавать правдоподобные, но неверные ответы. А добавление моделирования поверх исходных таблиц улучшило результаты <em>обоих</em> подходов.</p>
<p>Вот как мы предлагаем действовать:</p>
<ul>
<li><strong>Когда важна точность</strong> (данные для совета директоров, аудиторы, OKR, KPI, еженедельные отчёты): настройте Semantic Layer и подключите к нему свою LLM.</li>
<li><strong>Для разовых исследований</strong> (единичные вопросы, изучение данных, прототипирование): сначала проверьте, может ли Semantic Layer ответить на вопрос. Если нет, проверьте, поможет ли небольшое изменение модели данных. В противном случае переходите к Text-to-SQL, предоставив как можно более полный контекст схемы.</li>
</ul>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/semantic-layer-vs-text-to-sql-2026/#" data-featherlight="/img/blog/2026-04-07-semantic-layer-vs-text-to-sql-2026/recommendation-diagram.png"><img data-toggle="lightbox" alt="Схема выбора: используйте Semantic Layer, когда важна точность (KPI, данные для совета директоров, аудиторы), и переходите к Text-to-SQL для разовых исследований, если запросы не поддерживаются" title="" src="https://docs.getdbt.tech/img/blog/2026-04-07-semantic-layer-vs-text-to-sql-2026/recommendation-diagram.png?v=2"></a></span></div>
<p>Именно такой подход мы рекомендуем в <a href="https://github.com/dbt-labs/dbt-agent-skills/blob/main/skills/dbt/skills/answering-natural-language-questions-with-dbt/SKILL.md" target="_blank" rel="noopener noreferrer">нашем навыке агента для ответов на вопросы на естественном языке с помощью dbt</a>.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="попробуйте-сами-и-изучите-данные">Попробуйте сами и изучите данные<a href="https://docs.getdbt.tech/blog/semantic-layer-vs-text-to-sql-2026/#%D0%BF%D0%BE%D0%BF%D1%80%D0%BE%D0%B1%D1%83%D0%B9%D1%82%D0%B5-%D1%81%D0%B0%D0%BC%D0%B8-%D0%B8-%D0%B8%D0%B7%D1%83%D1%87%D0%B8%D1%82%D0%B5-%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D0%B5" class="hash-link" aria-label="Прямая ссылка на Попробуйте сами и изучите данные" title="Прямая ссылка на Попробуйте сами и изучите данные">​</a></h2>
<p>Полный бенчмарк имеет открытый исходный код и воспроизводим. Мы перешли от исходного подхода с блокнотами и CSV-файлами к Python-библиотеке, использующей <a href="https://ai.pydantic.dev/" target="_blank" rel="noopener noreferrer">Pydantic AI</a> для взаимодействия с LLM и DuckDB для хранения результатов.</p>
<ul>
<li><strong>Запустите бенчмарк на собственных данных:</strong> <a href="https://github.com/dbt-labs/dbt-llm-sl-bench" target="_blank" rel="noopener noreferrer">dbt-labs/dbt-llm-sl-bench</a></li>
<li><strong>Изучите затраты и задержки:</strong> <a href="https://dbt-labs.github.io/dbt-llm-sl-bench/" target="_blank" rel="noopener noreferrer">полные данные бенчмарка</a></li>
<li><strong>Настройте собственный Semantic Layer:</strong> используйте <a href="https://github.com/dbt-labs/dbt-agent-skills" target="_blank" rel="noopener noreferrer">навыки агента dbt</a>, чтобы ИИ помог вам создать и настроить его</li>
<li><strong>Есть вопросы или интересные результаты?</strong> Поделитесь ими с нами в канале #tools-dbt-mcp в <a href="https://www.getdbt.com/community/join-the-community" target="_blank" rel="noopener noreferrer">Slack-сообществе dbt</a></li>
</ul>]]></content>
        <author>
            <name>Jason Ganz</name>
        </author>
        <author>
            <name>Benoit Perigaud</name>
        </author>
        <category label="ai" term="ai"/>
        <category label="semantic-layer" term="semantic-layer"/>
        <category label="llm" term="llm"/>
    </entry>
    <entry>
        <title type="html"><![CDATA[Дневники баз данных, связанных с каталогом: об актуальности данных и записи]]></title>
        <id>https://docs.getdbt.tech/blog/catalog-linked-databases/</id>
        <link href="https://docs.getdbt.tech/blog/catalog-linked-databases/"/>
        <updated>2026-03-26T00:00:00.000Z</updated>
        <summary type="html"><![CDATA[Узнайте о базах данных, связанных с каталогом, при работе с Apache Iceberg.]]></summary>
        <content type="html"><![CDATA[<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="дневники-баз-данных-связанных-с-каталогом-об-актуальности-данных-и-записи">Дневники баз данных, связанных с каталогом: об актуальности данных и записи<a href="https://docs.getdbt.tech/blog/catalog-linked-databases/#%D0%B4%D0%BD%D0%B5%D0%B2%D0%BD%D0%B8%D0%BA%D0%B8-%D0%B1%D0%B0%D0%B7-%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85-%D1%81%D0%B2%D1%8F%D0%B7%D0%B0%D0%BD%D0%BD%D1%8B%D1%85-%D1%81-%D0%BA%D0%B0%D1%82%D0%B0%D0%BB%D0%BE%D0%B3%D0%BE%D0%BC-%D0%BE%D0%B1-%D0%B0%D0%BA%D1%82%D1%83%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8-%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85-%D0%B8-%D0%B7%D0%B0%D0%BF%D0%B8%D1%81%D0%B8" class="hash-link" aria-label="Прямая ссылка на Дневники баз данных, связанных с каталогом: об актуальности данных и записи" title="Прямая ссылка на Дневники баз данных, связанных с каталогом: об актуальности данных и записи">​</a></h2>
<p>В ноябре прошлого года на dbt Summit Джереми представил возможности dbt для работы с Iceberg на нескольких платформах.</p>
<div style="display:flex;justify-content:center"><iframe width="560" height="315" src="https://www.youtube.com/embed/bRJJkeJkUsE?si=mQTD3jUNpPqvwrJb" title="Видеоплеер YouTube" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" referrerpolicy="strict-origin-when-cross-origin"></iframe></div>
<p>Больше всего нас заинтересовала обещанная возможность взаимодействия между Databricks Unity Catalog и базами данных Snowflake, связанными с каталогом.</p>
<p>Все увлечены ИИ, но параллельно назревает ещё одна небольшая революция: команды выводят хранение данных за пределы платформ конкретных поставщиков. Уже несколько месяцев мы общаемся с пользователями, которые с энтузиазмом внедряют Iceberg как одну из основ своей архитектуры данных. Формат таблиц Iceberg и REST-каталоги Iceberg становятся стандартами, обеспечивающими такую гибкость.</p>
<p>В контексте dbt это проявляется в двух конкретных сценариях:</p>
<ul>
<li><strong>Масштабные проекты dbt</strong>: команды совместно используют одну логическую базу данных со множеством схем и сотнями или тысячами таблиц</li>
<li><strong>Межплатформенная сетка данных</strong>: один проект в Snowflake, другой — в Databricks, с совместным использованием данных без необходимости вручную обновлять их или управлять указателями на метаданные</li>
</ul>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="что-такое-база-данных-связанная-с-каталогом">Что такое база данных, связанная с каталогом?<a href="https://docs.getdbt.tech/blog/catalog-linked-databases/#%D1%87%D1%82%D0%BE-%D1%82%D0%B0%D0%BA%D0%BE%D0%B5-%D0%B1%D0%B0%D0%B7%D0%B0-%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85-%D1%81%D0%B2%D1%8F%D0%B7%D0%B0%D0%BD%D0%BD%D0%B0%D1%8F-%D1%81-%D0%BA%D0%B0%D1%82%D0%B0%D0%BB%D0%BE%D0%B3%D0%BE%D0%BC" class="hash-link" aria-label="Прямая ссылка на Что такое база данных, связанная с каталогом?" title="Прямая ссылка на Что такое база данных, связанная с каталогом?">​</a></h2>
<p>В модели Iceberg каталог — это авторитетный источник метаданных таблиц: схем, снимков и истории изменений структуры. Он устроен так, чтобы несколько движков могли совместно работать с одним и тем же слоем метаданных. База данных, связанная с каталогом (catalog-linked database, CLD), — это механизм Snowflake, который представляет открытый каталог Apache Iceberg и все содержащиеся в нём таблицы Iceberg внутри Snowflake как обычную базу данных.</p>
<p>В идеале команды должны совместно использовать таблицы Iceberg на разных платформах без поочерёдного воссоздания указателей на их метаданные и без копирования самих данных. Представьте организацию, где финансовый отдел работает с показателями в Databricks, а команда маркетинга использует Snowflake. Команда Snowflake хочет получать актуальные данные из вышестоящей системы и даже время от времени вносить обратно ручные изменения строк. При традиционной синхронизации таблиц Databricks считался бы источником истины. С Iceberg и архитектурой на базе CLD обе платформы данных обращаются к одному источнику истины, определённому каталогом.</p>
<p>Предварительная настройка Snowflake позволяет без лишних усилий выполнять межплатформенные запросы к автоматически синхронизируемым объектам данных — по крайней мере, так обещано на бумаге. (Недавно Snowflake опубликовала <a href="https://docs.snowflake.com/en/user-guide/tutorials/tables-iceberg-set-up-bidirectional-access-to-unity-catalog" target="_blank" rel="noopener noreferrer">пошаговое руководство</a> по использованию CLD для двунаправленного обмена данными с Databricks — ещё несколько лет назад это казалось немыслимым, а сегодня уже возможно.)</p>
<p>Разрабатывая набор тестов, мы задумались, что происходит при масштабировании как чтения, так и записи. Добавим хаоса: что происходит, когда обе операции выполняются одновременно? Например, если бухгалтерия каждое утро в 6 часов записывает данные в кластер Databricks, а синхронизация с кластером Snowflake команды маркетинга занимает 2–3 часа, когда можно безопасно запускать их утренние задания анализа данных?</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="наша-методика-тестирования">Наша методика тестирования<a href="https://docs.getdbt.tech/blog/catalog-linked-databases/#%D0%BD%D0%B0%D1%88%D0%B0-%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D0%B8%D0%BA%D0%B0-%D1%82%D0%B5%D1%81%D1%82%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F" class="hash-link" aria-label="Прямая ссылка на Наша методика тестирования" title="Прямая ссылка на Наша методика тестирования">​</a></h2>
<p>Телеметрия реальных проектов dbt показывает, что крупные проекты насчитывают сотни моделей. В некоторых их тысячи. Для тестирования мы приняли наиболее рискованное допущение: <em>каждая без исключения модель</em> материализуется как таблица Iceberg. Это наша верхняя граница. (Для проектов dbt, внедряющих Iceberg, это редкость, но у команды могут быть веские причины для такого выбора.)</p>
<p>При таких масштабах поведение каталога, операции с метаданными и механизмы обновления действительно начинают играть важную роль. Задержки и сложности мы наблюдали уже на сотнях таблиц, но ради науки довели эксперимент до предела. Мы загрузили 500 тысяч таблиц в одну базу данных и проверили производительность записи, выполнение обещаний по синхронизации и другие аспекты.</p>
<ol>
<li><strong>Чтение в большом масштабе:</strong> Каковы накладные расходы, когда Snowflake читает таблицы, которыми управляет другая платформа?</li>
<li><strong>Запись в большом масштабе:</strong> Как меняется производительность при создании и обновлении множества таблиц и запросах больших объёмов метаданных?</li>
<li><strong>Актуальность при изменениях:</strong> Когда одна платформа обновляет данные, насколько надёжно и быстро другая видит эти изменения?</li>
</ol>
<p>Для тех, кто хочет разобраться глубже, мы опубликовали полную методику тестирования и подробные результаты: <a href="https://github.com/dbt-labs/snow-dbx-iceberg-benchmark" target="_blank" rel="noopener noreferrer">https://github.com/dbt-labs/snow-dbx-iceberg-benchmark</a></p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="reads-at-scale">Чтение в большом масштабе: хорошая производительность, но только после синхронизации платформ<a href="https://docs.getdbt.tech/blog/catalog-linked-databases/#reads-at-scale" class="hash-link" aria-label="Прямая ссылка на Чтение в большом масштабе: хорошая производительность, но только после синхронизации платформ" title="Прямая ссылка на Чтение в большом масштабе: хорошая производительность, но только после синхронизации платформ">​</a></h2>
<p>Используя запросы TPC-H на больших тестовых наборах данных, мы выяснили: как только данные становятся доступны и актуальны, запросы к этим таблицам Iceberg из Snowflake выполняются достаточно быстро для любого разумного аналитического процесса. Databricks, управляющий этими данными, тоже выполняет запросы к ним быстро.</p>
<p>Подвох в том, что «производительность чтения» — лишь половина картины. На практике пользователей волнует не столько «насколько быстр этот запрос», сколько «а запрашиваю ли я вообще актуальные данные?». Когда актуальность подводит, CLD перестаёт напоминать канал передачи данных и начинает напоминать ожидание посылки, застрявшей на таможне.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="writes-and-changes-at-scale">Запись и изменения в большом масштабе: узкое место в вычислениях<a href="https://docs.getdbt.tech/blog/catalog-linked-databases/#writes-and-changes-at-scale" class="hash-link" aria-label="Прямая ссылка на Запись и изменения в большом масштабе: узкое место в вычислениях" title="Прямая ссылка на Запись и изменения в большом масштабе: узкое место в вычислениях">​</a></h2>
<p>Когда множество изменений вносит Snowflake — создаёт таблицы, обновляет метаданные, формирует множество коммитов Iceberg, — задание выполняет запрос к исходным объектам Databricks. Запрос может занять вдвое больше времени, зато данные синхронизируются между обеими платформами. Ограничивающим фактором становится пропускная способность записи. В нагрузке, характерной для dbt, — множество операций с небольшими и средними таблицами вместо одного огромного добавления данных — это может замедлять запуски и порой делать их нестабильными при конкуренции за ресурсы. Иногда это приводит к явным сбоям с сообщениями о том, что ваша таблица больше не существует.</p>
<p>Когда же изменения вносит Databricks, запись работает так же, как в любом обычном рабочем процессе Databricks. Сложность заключается в способности Snowflake отражать эти изменения.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="the-biggest-finding">Главный вывод: с ростом масштаба растёт и задержка обновления<a href="https://docs.getdbt.tech/blog/catalog-linked-databases/#the-biggest-finding" class="hash-link" aria-label="Прямая ссылка на Главный вывод: с ростом масштаба растёт и задержка обновления" title="Прямая ссылка на Главный вывод: с ростом масштаба растёт и задержка обновления">​</a></h2>
<p>CLD обещают быструю синхронизацию. Мы выяснили, что на малых и средних масштабах это в целом соответствует действительности. Однако при больших масштабах изменения, внесённые в Databricks, могли синхронизироваться гораздо дольше заявленного. Обычно ожидание автоматического обновления оказывалось вдвое дольше ожидаемого. Когда мы увеличили число таблиц до 500 тысяч, простейший <code>INSERT</code> в Databricks мог отразиться в Snowflake лишь через два дня. Некоторые таблицы словно «застревали». Со временем мы научились вручную принудительно обновлять отдельные объекты — то есть экспериментировать с настройками обновления, чтобы расшевелить систему. Но предсказать, когда изменения данных попадут из Databricks обратно в Snowflake, оказалось трудно (хорошая новость: мы слышали, что замечательная команда Snowflake уже готовит улучшения удобства работы). В основном мы ориентировались на интуитивное ощущение того, когда данные наконец появятся.</p>
<p>Обдумав свой опыт, мы пришли к выводу: ответ на вопрос, стоит ли внедрять Snowflake CLD и как именно это делать, зависит от масштаба и допустимой задержки:</p>
<ol>
<li>Сколько таблиц Iceberg вы синхронизируете между несколькими движками?</li>
<li>Требуют ли ваши рабочие процессы, чтобы Snowflake отображал состояние таблиц Iceberg под внешним управлением почти в реальном времени? Или вы можете воспринимать его как представление, данные в котором могут устаревать, принять согласованность в конечном счёте и обходиться без чётких гарантий, если не разработаете собственный регламент ручных действий и систему мониторинга?</li>
</ol>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="interoperability-friction">Сложности совместимости: почему дело не только в метаданных<a href="https://docs.getdbt.tech/blog/catalog-linked-databases/#interoperability-friction" class="hash-link" aria-label="Прямая ссылка на Сложности совместимости: почему дело не только в метаданных" title="Прямая ссылка на Сложности совместимости: почему дело не только в метаданных">​</a></h2>
<p>Быстро проявились две проблемы, не связанные с производительностью:</p>
<ul>
<li>Различия в правилах именования, заключения идентификаторов в кавычки и использования регистра создают сложности, когда dbt генерирует объекты, которые два движка должны интерпретировать одинаково. Углублённое исследование подсказало нам, как dbt мог бы скрыть эти неудобства за уровнем абстракции. В будущем пользователям не придётся запоминать правила регистра и кавычек для каждой комбинации каталога и движка. Пока же, к сожалению, это неизбежная цена независимости от платформ.</li>
<li>Метаданные и особенности обновления становятся частью вашей работы. Вы управляете не только таблицами, но и системой, которая решает, когда таблицы «существуют». К тому же запросы <code>show iceberg tables</code> выполняются медленно.</li>
</ul>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="итоги">Итоги<a href="https://docs.getdbt.tech/blog/catalog-linked-databases/#%D0%B8%D1%82%D0%BE%D0%B3%D0%B8" class="hash-link" aria-label="Прямая ссылка на Итоги" title="Прямая ссылка на Итоги">​</a></h2>
<p>CLD работают — до определённого предела. Они решают регулярно возникающие проблемы поддержания связанности данных между платформами. Если число таблиц или объём обновлений очень велики — порядка десятков тысяч, — этот подход перестаёт быть полезной абстракцией. То же верно, если вам нужна синхронизация записей с точностью до секунды. Но пока вы не приблизились к этому пределу, CLD действительно позволяют обращаться с внешними каталогами Iceberg как с любой другой базой данных.</p>
<p>Для нас это открывает весьма интересные возможности в рабочих процессах клиентов на dbt: межплатформенную сетку данных, внешние источники и, возможно, даже запуск одного и того же проекта dbt / DAG в нескольких хранилищах данных. Мы уверены, что интеграции с Iceberg будут и дальше совершенствоваться, становясь производительнее и удобнее. Достаточно взглянуть на возможности, появившиеся за последний год, — включая Snowflake CLD и встроенную поддержку управляемых таблиц Iceberg в Databricks, благодаря которым эта история вообще стала возможной, — чтобы с воодушевлением ждать следующего года.</p>
<p>И наконец, мы не можем завершить рассказ, не поблагодарив команду Unity Catalog за сотрудничество со Snowflake в создании этой замечательной возможности.</p>]]></content>
        <author>
            <name>Anna Lee</name>
        </author>
        <author>
            <name>Mila Page</name>
        </author>
        <category label="iceberg" term="iceberg"/>
        <category label="catalogs" term="catalogs"/>
    </entry>
    <entry>
        <title type="html"><![CDATA[Помогите своему ИИ лучше работать с данными с помощью навыков агентов dbt]]></title>
        <id>https://docs.getdbt.tech/blog/dbt-agent-skills/</id>
        <link href="https://docs.getdbt.tech/blog/dbt-agent-skills/"/>
        <updated>2026-02-05T00:00:00.000Z</updated>
        <summary type="html"><![CDATA[Мы создали набор навыков агентов, чтобы агенты для программирования лучше работали с проектами dbt и решали аналитические задачи.]]></summary>
        <content type="html"><![CDATA[<p>Создание и развитие лучших практик силами сообщества — пожалуй, <em>главная</em> движущая сила роста dbt и аналитической инженерии: рабочие процессы и подходы, которые можно перенимать, позволяют каждому создавать и распространять знания внутри организации. На заре развития dbt файл <a href="https://github.com/dbt-labs/corp/blob/773079cc140e8636403771e0c9f56ab9be528597/dbt_style_guide.md" target="_blank" rel="noopener noreferrer">dbt_style_guide.md</a> от <del>dbt Labs</del> Fishtown Analytics содержал основополагающие рекомендации для всех, кто впервые знакомился с подходом dbt.</p>
<p>Сегодня мы выпустили набор <a href="https://github.com/dbt-labs/dbt-agent-skills" target="_blank" rel="noopener noreferrer">навыков агентов dbt</a>, чтобы <span>ИИ-агенты</span> (такие как Claude Code, Codex от OpenAI, Cursor, Factory или Kilo Code) могли следовать тем же лучшим практикам dbt, которых вы ожидаете от любого участника, работающего с вашей кодовой базой. Это важно, потому что, расширяя базовые возможности агентов, <strong>навыки позволяют превратить универсальных агентов для программирования в высококвалифицированных агентов для работы с данными</strong>.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#" data-featherlight="/img/blog/2026-02-03-dbt-agent-skills/skills-blog-infographic.png"><img data-toggle="lightbox" alt="Схема, показывающая, как навыки агентов dbt превращают универсальных агентов для программирования в специализированных агентов для работы с данными, способных заниматься аналитической инженерией, определением семантического слоя, тестированием, отладкой, запросами на естественном языке и миграцией" title="Навыки агентов dbt позволяют превратить универсальных агентов для программирования в высококвалифицированных агентов для работы с данными" src="https://docs.getdbt.tech/img/blog/2026-02-03-dbt-agent-skills/skills-blog-infographic.png?v=2"></a></span><span class="title_aGrV">Навыки агентов dbt позволяют превратить универсальных агентов для программирования в высококвалифицированных агентов для работы с данными</span></div>
<p>Эти навыки объединяют обширные знания, накопленные сообществом dbt и командой Developer Experience в dbt Labs на основе практического опыта. За ними стоят десятки часов целенаправленной работы экспертов dbt, подкреплённые годами использования dbt.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#" data-featherlight="/img/blog/2026-02-03-dbt-agent-skills/with_skill.gif"><img data-toggle="lightbox" alt="Анимация, показывающая, как Claude использует навык аналитической инженерии для проверки своей работы" title="Имея доступ к навыкам, такие агенты, как Claude, подходят к задачам системно" src="https://docs.getdbt.tech/img/blog/2026-02-03-dbt-agent-skills/with_skill.gif?v=2"></a></span><span class="title_aGrV">Имея доступ к навыкам, такие агенты, как Claude, подходят к задачам системно</span></div>
<p>Экосистема быстро развивается — как для авторов навыков, так и для агентов, которые ими пользуются. Мы считаем, что эти навыки очень полезны уже сегодня, <em>и</em> что в ближайшие недели и месяцы они станут ещё полезнее по мере того, как:</p>
<ul>
<li>навыки будут глубже интегрироваться в рабочие процессы агентов, в частности агенты будут чаще выбирать подходящие навыки в нужный момент</li>
<li>более широкое использование сообществом и обратная связь будут расширять охват и повышать глубину доступных навыков</li>
</ul>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="что-входит-в-набор">Что входит в набор<a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#%D1%87%D1%82%D0%BE-%D0%B2%D1%85%D0%BE%D0%B4%D0%B8%D1%82-%D0%B2-%D0%BD%D0%B0%D0%B1%D0%BE%D1%80" class="hash-link" aria-label="Прямая ссылка на Что входит в набор" title="Прямая ссылка на Что входит в набор">​</a></h2>
<p>Наш <a href="https://github.com/dbt-labs/dbt-agent-skills" target="_blank" rel="noopener noreferrer">репозиторий навыков агентов</a> содержит навыки для следующих задач:</p>
<ul>
<li><strong>Аналитическая инженерия</strong>: создание и изменение моделей dbt, написание тестов, изучение источников данных</li>
<li><strong>Семантический слой</strong>: создание метрик, измерений и семантических моделей с помощью MetricFlow</li>
<li><strong>Эксплуатация платформы</strong>: устранение сбоев заданий, настройка сервера dbt MCP</li>
<li><strong>Миграция</strong>: перенос проектов с dbt Core на движок dbt Fusion</li>
</ul>
<p>Вы заметите, что эти навыки различаются по масштабу и сложности задач. Основной <a href="https://github.com/dbt-labs/dbt-agent-skills/tree/main/skills/dbt/skills/using-dbt-for-analytics-engineering" target="_blank" rel="noopener noreferrer">навык <em>использования dbt для аналитической инженерии</em></a> содержит информацию обо всём рабочем цикле аналитической инженерии. Другие навыки более узконаправленны и зависят от конкретной задачи.</p>
<p>Мы планируем продолжать совершенствовать эти навыки и со временем добавлять новые. Если вам нужен полезный навык, которого пока нет в наборе, создайте issue в репозитории.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="быстрый-старт">Быстрый старт<a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#%D0%B1%D1%8B%D1%81%D1%82%D1%80%D1%8B%D0%B9-%D1%81%D1%82%D0%B0%D1%80%D1%82" class="hash-link" aria-label="Прямая ссылка на Быстрый старт" title="Прямая ссылка на Быстрый старт">​</a></h2>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="1-добавьте-навыки-своему-агенту">1. Добавьте навыки своему агенту<a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#1-%D0%B4%D0%BE%D0%B1%D0%B0%D0%B2%D1%8C%D1%82%D0%B5-%D0%BD%D0%B0%D0%B2%D1%8B%D0%BA%D0%B8-%D1%81%D0%B2%D0%BE%D0%B5%D0%BC%D1%83-%D0%B0%D0%B3%D0%B5%D0%BD%D1%82%D1%83" class="hash-link" aria-label="Прямая ссылка на 1. Добавьте навыки своему агенту" title="Прямая ссылка на 1. Добавьте навыки своему агенту">​</a></h3>
<p>В Claude Code выполните следующие команды (по одной):</p>
<div class="language-bash codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-bash codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token plain">/plugin marketplace </span><span class="token function" style="color:rgb(130, 170, 255)">add</span><span class="token plain"> dbt-labs/dbt-agent-skills</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<div class="language-bash codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-bash codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token plain">/plugin </span><span class="token function" style="color:rgb(130, 170, 255)">install</span><span class="token plain"> dbt@dbt-agent-marketplace</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<p>Для других агентов используйте эту команду (<a href="https://nodejs.org/en/download" target="_blank" rel="noopener noreferrer">требуется установленный Node</a>):</p>
<div class="language-bash codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-bash codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token plain">npx skills </span><span class="token function" style="color:rgb(130, 170, 255)">add</span><span class="token plain"> dbt-labs/dbt-agent-skills </span><span class="token parameter variable" style="color:rgb(214, 222, 235)">--global</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<p>или просто вручную скопируйте нужные файлы в <a href="https://github.com/vercel-labs/skills?tab=readme-ov-file#supported-agents" target="_blank" rel="noopener noreferrer">подходящий каталог для вашего агента</a>.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="2-начните-новый-сеанс-работы-с-агентом">2. Начните новый сеанс работы с агентом<a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#2-%D0%BD%D0%B0%D1%87%D0%BD%D0%B8%D1%82%D0%B5-%D0%BD%D0%BE%D0%B2%D1%8B%D0%B9-%D1%81%D0%B5%D0%B0%D0%BD%D1%81-%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D1%8B-%D1%81-%D0%B0%D0%B3%D0%B5%D0%BD%D1%82%D0%BE%D0%BC" class="hash-link" aria-label="Прямая ссылка на 2. Начните новый сеанс работы с агентом" title="Прямая ссылка на 2. Начните новый сеанс работы с агентом">​</a></h3>
<p>Перезапустите терминал, чтобы новые навыки были обнаружены.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="3-попробуйте-сами">3. Попробуйте сами<a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#3-%D0%BF%D0%BE%D0%BF%D1%80%D0%BE%D0%B1%D1%83%D0%B9%D1%82%D0%B5-%D1%81%D0%B0%D0%BC%D0%B8" class="hash-link" aria-label="Прямая ссылка на 3. Попробуйте сами" title="Прямая ссылка на 3. Попробуйте сами">​</a></h3>
<p>Попробуйте дать агенту одну из следующих инструкций:</p>
<ul>
<li>Спланируй и создай модели для моих новых исходных таблиц HubSpot</li>
<li>Выясни, почему моя команда <code>dbt build</code> только что завершилась с ошибкой</li>
<li>Напиши модульные тесты на основе требований из этого GitHub issue, а затем создай новую модель, которая их проходит</li>
<li>Обнови <code>fct_transactions</code>, чтобы она стала семантической моделью</li>
<li>Есть ли разница в показателе отказов между бесплатными и платными почтовыми доменами?</li>
</ul>
<p>Мы сосредоточились на задачах, которые либо часто встречаются (ежедневное создание моделей, отладка), либо сложны (настройка семантического слоя, модульное тестирование граничных случаев). Каждый навык содержит концентрированные полезные знания и прошёл проверку в реальных условиях и на задачах <span>ADE-bench</span>.</p>
<p>Если вы просто хотите начать пользоваться навыками уже сегодня, на этом можно остановиться. Но нам ещё многое хочется рассказать о том, что такое навыки, почему они полезны и как, по нашим ожиданиям, они впишутся в рабочие процессы dbt сегодня и в будущем.</p>
<div class="theme-admonition theme-admonition-note admonition_xJq3 alert alert--secondary"><div class="admonitionHeading_Gvgb"><span class="admonitionIcon_Rf37"><svg viewBox="0 0 14 16"><path fill-rule="evenodd" d="M6.3 5.69a.942.942 0 0 1-.28-.7c0-.28.09-.52.28-.7.19-.18.42-.28.7-.28.28 0 .52.09.7.28.18.19.28.42.28.7 0 .28-.09.52-.28.7a1 1 0 0 1-.7.3c-.28 0-.52-.11-.7-.3zM8 7.99c-.02-.25-.11-.48-.31-.69-.2-.19-.42-.3-.69-.31H6c-.27.02-.48.13-.69.31-.2.2-.3.44-.31.69h1v3c.02.27.11.5.31.69.2.2.42.31.69.31h1c.27 0 .48-.11.69-.31.2-.19.3-.42.31-.69H8V7.98v.01zM7 2.3c-3.14 0-5.7 2.54-5.7 5.68 0 3.14 2.56 5.7 5.7 5.7s5.7-2.55 5.7-5.7c0-3.15-2.56-5.69-5.7-5.69v.01zM7 .98c3.86 0 7 3.14 7 7s-3.14 7-7 7-7-3.12-7-7 3.14-7 7-7z"></path></svg></span>примечание</div><div class="admonitionContent_BuS1"><p>При использовании агентов для программирования действуют обычные меры предосторожности. Позаботьтесь о надлежащих мерах защиты, особенно при работе с производственными или конфиденциальными данными.</p></div></div>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="так-что-же-такое-навык">Так что же такое навык?<a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#%D1%82%D0%B0%D0%BA-%D1%87%D1%82%D0%BE-%D0%B6%D0%B5-%D1%82%D0%B0%D0%BA%D0%BE%D0%B5-%D0%BD%D0%B0%D0%B2%D1%8B%D0%BA" class="hash-link" aria-label="Прямая ссылка на Так что же такое навык?" title="Прямая ссылка на Так что же такое навык?">​</a></h2>
<p>Навыки можно представить как наборы промптов (и скриптов), которые LLM могут динамически объединять, чтобы получать контекст или специальные знания для конкретной задачи.</p>
<p>В некотором смысле навык очень прост: это markdown-файл с заранее заданной структурой. Старый добрый <code>dbt_style_guide.md</code> отлично вписался бы в этот формат! В нём есть набор инструкций в виде маркированного списка, примеры кода и ссылки на другие ресурсы там, где они нужны; новый формат Skills устроен точно так же. Anthropic представила Skills в октябре 2025 года, и теперь это открытый стандарт, который поддерживают <a href="https://github.com/vercel-labs/skills?tab=readme-ov-file#supported-agents" target="_blank" rel="noopener noreferrer">более 30 агентов</a>.</p>
<p>Возможно, вместо вопроса <em>«что?»</em> полезнее задать вопрос <em>«зачем?»</em>. Вот что говорится на <a href="https://agentskills.io/home" target="_blank" rel="noopener noreferrer">сайте Agent Skills</a>:</p>
<blockquote>
<p>Агенты становятся всё более способными, но им часто не хватает контекста, необходимого для надёжного выполнения реальной работы. Навыки решают эту проблему, предоставляя агентам доступ к знаниям о процедурах и контексту, специфичному для компании, команды и пользователя, которые можно загружать по мере необходимости.</p>
</blockquote>
<p>Вот <a href="https://claude.com/blog/equipping-agents-for-the-real-world-with-agent-skills" target="_blank" rel="noopener noreferrer">пример навыка от Anthropic</a>:</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#" data-featherlight="/img/blog/2026-02-03-dbt-agent-skills/anthropic-skills-architecture.png"><img data-toggle="lightbox" alt="Схема Anthropic, показывающая, как навыки агентов используют постепенное раскрытие информации с помощью метаданных YAML, содержимого markdown и справочных файлов" title="Пример файла SKILL.md для работы с PDF, который также содержит ссылки на более сложные рабочие процессы, загружаемые по мере необходимости" src="https://docs.getdbt.tech/img/blog/2026-02-03-dbt-agent-skills/anthropic-skills-architecture.png?v=2"></a></span><span class="title_aGrV">Пример файла SKILL.md для работы с PDF, который также содержит ссылки на более сложные рабочие процессы, загружаемые по мере необходимости</span></div>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="как-навыки-взаимодействуют-с-mcp">Как навыки взаимодействуют с MCP?<a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#%D0%BA%D0%B0%D0%BA-%D0%BD%D0%B0%D0%B2%D1%8B%D0%BA%D0%B8-%D0%B2%D0%B7%D0%B0%D0%B8%D0%BC%D0%BE%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D1%83%D1%8E%D1%82-%D1%81-mcp" class="hash-link" aria-label="Прямая ссылка на Как навыки взаимодействуют с MCP?" title="Прямая ссылка на Как навыки взаимодействуют с MCP?">​</a></h3>
<p>Ещё один частый вопрос: чем навыки отличаются от серверов MCP и нужны ли оба инструмента.</p>
<ul>
<li>MCP предоставляет доступ к инструментам (особенно к удалённым инструментам, требующим аутентификации)</li>
<li>Навыки предоставляют контекст и знания об использовании этих инструментов</li>
</ul>
<p>Навыки агентов dbt и <a href="https://docs.getdbt.tech/blog/introducing-dbt-mcp-server/">сервер dbt MCP</a> <em>дополняют друг друга</em>, но для получения пользы необязательно использовать их вместе.</p>
<p>Рассмотрим пример с PDF. Для работы с PDF-файлами не нужен сервер MCP, поскольку библиотеку для редактирования можно установить локально. Но вам нужно, чтобы эта библиотека использовалась единообразно, а не чтобы LLM каждый раз изобретала подход с нуля.</p>
<p>Тогда почему в dbt MCP также есть инструменты, вызывающие CLI? Для интерфейсов, которые поддерживают MCP, но не навыки, полезно встроить <em>конкретный способ вызова команд CLI</em> в сервер MCP. Однако этот вопрос остаётся открытым, и мы внимательно следим за развитием ситуации.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="от-универсала-к-специалисту">От универсала к специалисту<a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#%D0%BE%D1%82-%D1%83%D0%BD%D0%B8%D0%B2%D0%B5%D1%80%D1%81%D0%B0%D0%BB%D0%B0-%D0%BA-%D1%81%D0%BF%D0%B5%D1%86%D0%B8%D0%B0%D0%BB%D0%B8%D1%81%D1%82%D1%83" class="hash-link" aria-label="Прямая ссылка на От универсала к специалисту" title="Прямая ссылка на От универсала к специалисту">​</a></h3>
<p>Подводя итог, навыки лучше всего представлять как многоуровневое учебное руководство. Если бы вы взяли очень умного универсала с улицы, что ему потребовалось бы, чтобы использовать и реализовывать <em>рабочие процессы вашей организации?</em></p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#" data-featherlight="/img/blog/2026-02-03-dbt-agent-skills/skills-blog-diagram.png"><img data-toggle="lightbox" alt="Пирамида с тремя уровнями: агент для программирования в основании (автономно выполняет действия, запускает команды dbt и ищет документацию), навыки лучших практик dbt посередине (знает лучшие практики и рабочие процессы dbt) и навыки проекта наверху (знает рабочие процессы, специфичные для вашей команды и модели данных)" title="Навыки предоставляют многоуровневый контекст, расширяющий базовые возможности агента" src="https://docs.getdbt.tech/img/blog/2026-02-03-dbt-agent-skills/skills-blog-diagram.png?v=2"></a></span><span class="title_aGrV">Навыки предоставляют многоуровневый контекст, расширяющий базовые возможности агента</span></div>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="почему-навыки-важны">Почему навыки важны<a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#%D0%BF%D0%BE%D1%87%D0%B5%D0%BC%D1%83-%D0%BD%D0%B0%D0%B2%D1%8B%D0%BA%D0%B8-%D0%B2%D0%B0%D0%B6%D0%BD%D1%8B" class="hash-link" aria-label="Прямая ссылка на Почему навыки важны" title="Прямая ссылка на Почему навыки важны">​</a></h2>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="навыки-позволяют-передавать-сложные-знания-о-процессах-неочевидные-для-агентов">Навыки позволяют передавать сложные знания о процессах, неочевидные для агентов<a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#%D0%BD%D0%B0%D0%B2%D1%8B%D0%BA%D0%B8-%D0%BF%D0%BE%D0%B7%D0%B2%D0%BE%D0%BB%D1%8F%D1%8E%D1%82-%D0%BF%D0%B5%D1%80%D0%B5%D0%B4%D0%B0%D0%B2%D0%B0%D1%82%D1%8C-%D1%81%D0%BB%D0%BE%D0%B6%D0%BD%D1%8B%D0%B5-%D0%B7%D0%BD%D0%B0%D0%BD%D0%B8%D1%8F-%D0%BE-%D0%BF%D1%80%D0%BE%D1%86%D0%B5%D1%81%D1%81%D0%B0%D1%85-%D0%BD%D0%B5%D0%BE%D1%87%D0%B5%D0%B2%D0%B8%D0%B4%D0%BD%D1%8B%D0%B5-%D0%B4%D0%BB%D1%8F-%D0%B0%D0%B3%D0%B5%D0%BD%D1%82%D0%BE%D0%B2" class="hash-link" aria-label="Прямая ссылка на Навыки позволяют передавать сложные знания о процессах, неочевидные для агентов" title="Прямая ссылка на Навыки позволяют передавать сложные знания о процессах, неочевидные для агентов">​</a></h3>
<p>Любой опытный специалист по dbt интуитивно понимает ряд вещей при работе с проектом dbt:</p>
<ul>
<li>Прежде чем вносить изменения, стоит немного осмотреться и составить представление о схеме и исходных данных. Почитать документацию, выполнить пару запросов <code>dbt show</code> и тому подобное.</li>
<li>Если вы изменяете существующую модель, нужно посмотреть на исходные данные и понять, какие столбцы есть в вышестоящих источниках данных.</li>
<li>После создания или изменения модели нужно снова посмотреть на данные, а также рассчитать сводные и агрегированные статистики, чтобы проверить, соответствуют ли структура и результаты вашим ожиданиям</li>
</ul>
<p>Нынешнее поколение агентов для программирования обычно не делает этого по умолчанию. Навыки исправляют ситуацию, включая общие лучшие практики dbt, подобные перечисленным выше, но они также могут предоставлять очень подробные рекомендации с учётом тонкостей через дополнительные справочные материалы, например:</p>
<ul>
<li>Настройки, специфичные для хранилища данных, такие как предотвращение полного сканирования таблиц в BigQuery при изучении данных</li>
<li>Различия, зависящие от конкретной версии или движка dbt: <code>dbt compile</code> может <a href="https://docs.getdbt.tech/blog/the-levels-of-sql-comprehension/">выявлять многие ошибки SQL</a> при запуске в движке dbt Fusion, тогда как в dbt Core для такого же результата необходимо выполнить <code>dbt build</code>.</li>
</ul>
<p>Навыки также могут развиваться быстрее, чем выходят новые передовые модели ИИ, что упрощает обновление рекомендаций и адаптацию к изменениям в средствах разработки dbt. Недавно мы <a href="https://docs.getdbt.tech/blog/modernizing-the-semantic-layer-spec/">обновили процесс создания семантических моделей</a>; добавив навык, который знает новый синтаксис, мы можем предотвратить использование агентом старого синтаксиса, хотя именно он преобладает в обучающих данных из интернета.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="навыки-защищают-от-правдоподобных-но-неверных-результатов">Навыки защищают от правдоподобных, но неверных результатов<a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#%D0%BD%D0%B0%D0%B2%D1%8B%D0%BA%D0%B8-%D0%B7%D0%B0%D1%89%D0%B8%D1%89%D0%B0%D1%8E%D1%82-%D0%BE%D1%82-%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%BD%D1%8B%D1%85-%D0%BD%D0%BE-%D0%BD%D0%B5%D0%B2%D0%B5%D1%80%D0%BD%D1%8B%D1%85-%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%82%D0%BE%D0%B2" class="hash-link" aria-label="Прямая ссылка на Навыки защищают от правдоподобных, но неверных результатов" title="Прямая ссылка на Навыки защищают от правдоподобных, но неверных результатов">​</a></h3>
<p>Если попросить LLM добавить тесты к модели, она может добавить тест <code>accepted values</code>. Документация dbt по тестам <code>accepted_values</code> <a href="https://docs.getdbt.tech/reference/resource-properties/data-tests/#accepted_values">содержит пример</a>, в котором допустимыми значениями столбца <code>order_status</code> являются <code>['placed', 'shipped', 'completed', 'returned']</code>. Мы видели, как некоторые модели воспроизводят этот набор или иным образом выдумывают возможные значения столбца.</p>
<p>С помощью навыка вы можете указать агенту <strong>просматривать данные перед написанием тестов</strong>, чтобы результат соответствовал реальным данным в вашем хранилище.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="навыки-позволяют-давать-агентам-рекомендации-основанные-на-конкретных-предпочтениях">Навыки позволяют давать агентам рекомендации, основанные на конкретных предпочтениях<a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#%D0%BD%D0%B0%D0%B2%D1%8B%D0%BA%D0%B8-%D0%BF%D0%BE%D0%B7%D0%B2%D0%BE%D0%BB%D1%8F%D1%8E%D1%82-%D0%B4%D0%B0%D0%B2%D0%B0%D1%82%D1%8C-%D0%B0%D0%B3%D0%B5%D0%BD%D1%82%D0%B0%D0%BC-%D1%80%D0%B5%D0%BA%D0%BE%D0%BC%D0%B5%D0%BD%D0%B4%D0%B0%D1%86%D0%B8%D0%B8-%D0%BE%D1%81%D0%BD%D0%BE%D0%B2%D0%B0%D0%BD%D0%BD%D1%8B%D0%B5-%D0%BD%D0%B0-%D0%BA%D0%BE%D0%BD%D0%BA%D1%80%D0%B5%D1%82%D0%BD%D1%8B%D1%85-%D0%BF%D1%80%D0%B5%D0%B4%D0%BF%D0%BE%D1%87%D1%82%D0%B5%D0%BD%D0%B8%D1%8F%D1%85" class="hash-link" aria-label="Прямая ссылка на Навыки позволяют давать агентам рекомендации, основанные на конкретных предпочтениях" title="Прямая ссылка на Навыки позволяют давать агентам рекомендации, основанные на конкретных предпочтениях">​</a></h3>
<p>Помимо общих лучших практик, в проекте dbt конкретной команды есть и ряд решений, основанных на её предпочтениях:</p>
<ul>
<li>Какие типы тестов данных должны быть у моих моделей?</li>
<li>Когда для вопросов на естественном языке следует использовать Semantic Layer, а когда — SQL?</li>
<li>Как должен быть организован проект (stg/int/mart? Medallion? Data vault?)</li>
</ul>
<p>Наши текущие навыки лишь частично задают конкретные подходы: они содержат рекомендации о том, как и где применять тесты данных, но не предписывают, следует ли использовать рекомендованную dbt структуру проекта или руководство по стилю. В будущем мы планируем выпустить собственные руководства с конкретными рекомендациями по структуре проектов и кода и ожидаем появления развитой экосистемы навыков от сообщества, отражающих разные подходы к различным аспектам работы с данными.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="навыки-позволяют-предоставлять-агентам-непубличную-информацию">Навыки позволяют предоставлять агентам непубличную информацию<a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#%D0%BD%D0%B0%D0%B2%D1%8B%D0%BA%D0%B8-%D0%BF%D0%BE%D0%B7%D0%B2%D0%BE%D0%BB%D1%8F%D1%8E%D1%82-%D0%BF%D1%80%D0%B5%D0%B4%D0%BE%D1%81%D1%82%D0%B0%D0%B2%D0%BB%D1%8F%D1%82%D1%8C-%D0%B0%D0%B3%D0%B5%D0%BD%D1%82%D0%B0%D0%BC-%D0%BD%D0%B5%D0%BF%D1%83%D0%B1%D0%BB%D0%B8%D1%87%D0%BD%D1%83%D1%8E-%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D1%8E" class="hash-link" aria-label="Прямая ссылка на Навыки позволяют предоставлять агентам непубличную информацию" title="Прямая ссылка на Навыки позволяют предоставлять агентам непубличную информацию">​</a></h3>
<p>Помимо использования наших навыков, стоит добавить и свои собственные.</p>
<p>Превратить умного универсала широкого профиля в умного универсала со специализацией в dbt всё ещё недостаточно. Ему также нужно стать специалистом по тому, как именно ваша компания работает с данными.</p>
<p>Очевидно, мы не можем включить эти сведения в наши навыки общих лучших практик, но здесь на помощь приходит возможность комбинировать навыки. Вы можете добавить контекст о вашей компании, ваших данных, конкретных особенностях и нюансах взаимодействия с вашими системами и рассчитывать, что он дополнит предоставленные нами знания.</p>
<p>Примеры вопросов, на которые вы можете ответить в своих навыках:</p>
<ul>
<li>Переопределены ли какие-либо стандартные макросы в проекте моей организации?</li>
<li>Какова mesh-стратегия моей организации для взаимодействия между проектами или платформами?</li>
<li>Какие правила партиционирования следует применять к новым моделям при конкретном сценарии использования?</li>
</ul>
<p>Вскоре мы подробнее расскажем о возможной поддержке навыков уровня организации в проектах dbt.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="как-мы-проверяли-навыки-агентов-dbt">Как мы проверяли навыки агентов dbt<a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#%D0%BA%D0%B0%D0%BA-%D0%BC%D1%8B-%D0%BF%D1%80%D0%BE%D0%B2%D0%B5%D1%80%D1%8F%D0%BB%D0%B8-%D0%BD%D0%B0%D0%B2%D1%8B%D0%BA%D0%B8-%D0%B0%D0%B3%D0%B5%D0%BD%D1%82%D0%BE%D0%B2-dbt" class="hash-link" aria-label="Прямая ссылка на Как мы проверяли навыки агентов dbt" title="Прямая ссылка на Как мы проверяли навыки агентов dbt">​</a></h2>
<p>Оценить эффективность рабочих процессов с ИИ бывает непросто. Есть много способов это сделать, и все они несовершенны, поэтому мы остановились на многоуровневой стратегии, позволяющей убедиться, что наши навыки агентов работают так, как мы ожидаем.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="тщательное-создание-и-проверка-навыков-экспертами">Тщательное создание и проверка навыков экспертами<a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#%D1%82%D1%89%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5-%D1%81%D0%BE%D0%B7%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5-%D0%B8-%D0%BF%D1%80%D0%BE%D0%B2%D0%B5%D1%80%D0%BA%D0%B0-%D0%BD%D0%B0%D0%B2%D1%8B%D0%BA%D0%BE%D0%B2-%D1%8D%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D1%82%D0%B0%D0%BC%D0%B8" class="hash-link" aria-label="Прямая ссылка на Тщательное создание и проверка навыков экспертами" title="Прямая ссылка на Тщательное создание и проверка навыков экспертами">​</a></h3>
<p>Хотя при создании некоторых навыков мы <em>действительно</em> прибегали к помощи LLM, это совсем не «результаты генерации с одного запроса». Каждый навык — это часы разработки, проверки и доработки экспертами dbt мирового уровня, направленные на то, чтобы точно отразить наши знания в навыках. В работе с данными <em>очень много</em> неявных знаний и граничных случаев, и именно здесь навыки особенно полезны.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="практическое-тестирование-каждого-навыка-на-реальных-примерах">Практическое тестирование каждого навыка на реальных примерах<a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#%D0%BF%D1%80%D0%B0%D0%BA%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B5-%D1%82%D0%B5%D1%81%D1%82%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5-%D0%BA%D0%B0%D0%B6%D0%B4%D0%BE%D0%B3%D0%BE-%D0%BD%D0%B0%D0%B2%D1%8B%D0%BA%D0%B0-%D0%BD%D0%B0-%D1%80%D0%B5%D0%B0%D0%BB%D1%8C%D0%BD%D1%8B%D1%85-%D0%BF%D1%80%D0%B8%D0%BC%D0%B5%D1%80%D0%B0%D1%85" class="hash-link" aria-label="Прямая ссылка на Практическое тестирование каждого навыка на реальных примерах" title="Прямая ссылка на Практическое тестирование каждого навыка на реальных примерах">​</a></h3>
<p>Ничто не заменит практического использования, поэтому мы проверили каждый навык, чтобы увидеть, как он работает в реальных сценариях. Это помогло нам повысить эффективность и выявить неочевидные пробелы в инструкциях.</p>
<p>Особенно нас порадовал результат, когда мы попросили агента дать рекомендации по повышению производительности одной из крупнейших таблиц в нашем проекте dbt — с навыком и без него. В обоих случаях рекомендации выглядели правдоподобно, но, по оценке нашей внутренней команды по работе с данными, рекомендации с использованием навыка были более конкретными и лучше соответствовали нашему сценарию.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        " style="max-width:85%"><span><a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#" data-featherlight="/img/blog/2026-02-03-dbt-agent-skills/skills-validation-feedback.png"><img data-toggle="lightbox" alt="Скриншот сообщения @brandon в Slack: «этот вариант нравится мне гораздо, гораздо больше. рекомендации по инкрементальной фильтрации во всех refs, предварительно агрегированным моделям int и т. д., думаю, дали бы огромный эффект»." title="" src="https://docs.getdbt.tech/img/blog/2026-02-03-dbt-agent-skills/skills-validation-feedback.png?v=2"></a></span></div>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="собственный-набор-инструментов-для-ab-тестирования-навыков">Собственный набор инструментов для A/B-тестирования навыков<a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#%D1%81%D0%BE%D0%B1%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9-%D0%BD%D0%B0%D0%B1%D0%BE%D1%80-%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D0%BE%D0%B2-%D0%B4%D0%BB%D1%8F-ab-%D1%82%D0%B5%D1%81%D1%82%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F-%D0%BD%D0%B0%D0%B2%D1%8B%D0%BA%D0%BE%D0%B2" class="hash-link" aria-label="Прямая ссылка на Собственный набор инструментов для A/B-тестирования навыков" title="Прямая ссылка на Собственный набор инструментов для A/B-тестирования навыков">​</a></h3>
<p>Мы разработали <a href="https://github.com/dbt-labs/dbt-agent-skills/tree/main/evals" target="_blank" rel="noopener noreferrer">систему для быстрого сравнения различных сочетаний инструментов</a> (MCP + навыки, только навыки, без инструментов), чтобы понять, как они меняют результат работы агента.</p>
<p>Эта библиотека позволяет проверять, как различные варианты навыков работают в заданном сценарии, и подробно изучать, какие навыки и инструменты вызывал агент.</p>
<p>Мы предоставляем Claude Code контекст (например, проект dbt или несколько YAML-файлов) и просим решить задачу при разных условиях:</p>
<ul>
<li>с разными вариантами навыка</li>
<li>с подключённым сервером MCP или без него</li>
<li>с явным указанием использовать навык или с возможностью обнаружить его самостоятельно</li>
</ul>
<p>Затем мы можем либо вручную сравнить диалоги (какие навыки вызывались, какой результат был получен), либо попросить Claude Code автоматически оценить разные запуски.</p>
<p>В ходе этого процесса мы обнаружили, что Claude гораздо менее охотно использует навыки при «безголовых» запусках через CLI, чем при «интерактивных», когда пользователь ведёт с ним диалог. Поэтому мы сочли допустимым включить явное указание использовать навык в задания бенчмарка.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="оценка-на-ade-bench">Оценка на ADE-bench<a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#%D0%BE%D1%86%D0%B5%D0%BD%D0%BA%D0%B0-%D0%BD%D0%B0-ade-bench" class="hash-link" aria-label="Прямая ссылка на Оценка на ADE-bench" title="Прямая ссылка на Оценка на ADE-bench">​</a></h3>
<p>Мы также выполнили задания <span>ADE-bench</span>, чтобы оценить результаты с навыками и без них. Хотя не для каждого навыка в бенчмарке есть соответствующие задания (пока!), он даёт полезную информацию, особенно об основном навыке аналитической инженерии.</p>
<p>Мы увидели умеренное улучшение результатов на бенчмарке при использовании навыков: доля верных решений выросла с 56% без навыков до 58,5% с навыками. Но важнее не итоговые цифры, а отдельные задачи, которые удалось решить с навыками и у которых раньше доля успешных решений составляла 0%.</p>
<p>В частности, мы обнаружили <strong>значительные преимущества в задачах, требующих итеративной работы</strong> с DAG dbt. По нашему опыту, именно здесь агенты для программирования особенно часто терпят неудачу при работе с dbt.</p>
<div style="display:grid;grid-template-columns:repeat(auto-fit, minmax(300px, 1fr));gap:1rem"><div style="text-align:center"><p><strong>Без навыков</strong></p><link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        "><span><a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#" data-featherlight="/img/blog/2026-02-03-dbt-agent-skills/without_skill.gif"><img data-toggle="lightbox" alt="Без навыков агенты могут пропускать важные этапы проверки" title="Без навыков агенты могут пропускать важные этапы проверки" src="https://docs.getdbt.tech/img/blog/2026-02-03-dbt-agent-skills/without_skill.gif?v=2"></a></span><span class="title_aGrV">Без навыков агенты могут пропускать важные этапы проверки</span></div></div><div style="text-align:center"><p><strong>С навыками</strong></p><link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        "><span><a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#" data-featherlight="/img/blog/2026-02-03-dbt-agent-skills/with_skill.gif"><img data-toggle="lightbox" alt="Имея доступ к навыкам, агенты подходят к задачам системно" title="Имея доступ к навыкам, агенты подходят к задачам системно" src="https://docs.getdbt.tech/img/blog/2026-02-03-dbt-agent-skills/with_skill.gif?v=2"></a></span><span class="title_aGrV">Имея доступ к навыкам, агенты подходят к задачам системно</span></div></div></div>
<p>Например, получив задание <a href="https://github.com/dbt-labs/ade-bench/blob/main/tasks/airbnb007/task.yaml" target="_blank" rel="noopener noreferrer">создать несколько моделей на основе их определения в schema.yml</a>, базовый агент создал сразу 6 моделей и объявил об успехе. Агент, использующий навык, работал итеративно и каждый раз успешно выполнял задачу.</p>
<p>С другой стороны, поощрение принципа DRY привело к тому, что в <a href="https://github.com/dbt-labs/ade-bench/blob/main/tasks/f1009/task.yaml" target="_blank" rel="noopener noreferrer">этой задаче</a> агент с навыком иногда повторно использовал столбец с логической ошибкой, тогда как базовый агент замечал и исправлял её.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="где-ещё-есть-пробелы">Где ещё есть пробелы<a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#%D0%B3%D0%B4%D0%B5-%D0%B5%D1%89%D1%91-%D0%B5%D1%81%D1%82%D1%8C-%D0%BF%D1%80%D0%BE%D0%B1%D0%B5%D0%BB%D1%8B" class="hash-link" aria-label="Прямая ссылка на Где ещё есть пробелы" title="Прямая ссылка на Где ещё есть пробелы">​</a></h3>
<p>Сегодня загрузка навыков не всегда срабатывает стабильно. Как и всё в сфере ИИ, эта область быстро развивается, а навыки получают широкое распространение, поэтому мы не думаем, что это станет долгосрочной проблемой. Нам также хотелось бы видеть более развитые и надёжные перекрёстные ссылки между навыками, например <a href="https://github.com/agentskills/agentskills/issues/90" target="_blank" rel="noopener noreferrer">такие, как описаны здесь</a>.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="и-ещё-раз-попробуйте-сами">И ещё раз: попробуйте сами<a href="https://docs.getdbt.tech/blog/dbt-agent-skills/#%D0%B8-%D0%B5%D1%89%D1%91-%D1%80%D0%B0%D0%B7-%D0%BF%D0%BE%D0%BF%D1%80%D0%BE%D0%B1%D1%83%D0%B9%D1%82%D0%B5-%D1%81%D0%B0%D0%BC%D0%B8" class="hash-link" aria-label="Прямая ссылка на И ещё раз: попробуйте сами" title="Прямая ссылка на И ещё раз: попробуйте сами">​</a></h2>
<p><a href="https://github.com/dbt-labs/dbt-agent-skills" target="_blank" rel="noopener noreferrer">Вот репозиторий</a>, инструкции по установке находятся в readme.</p>
<p>Навыки агентов дают огромную отдачу при выполнении задач с определённой последовательностью действий, особенно если учесть, насколько легко начать ими пользоваться. Нам очень приятно видеть, как участники сообщества пробуют их в реальных рабочих процессах и создают собственные навыки.</p>
<p>Мы также изучаем способы более тесной интеграции dbt с навыками агентов и упрощения управления пользовательскими навыками для конкретных проектов dbt и данных.</p>
<p>Лучший способ участвовать — делиться своими находками в канале <a href="https://getdbt.slack.com/archives/C0A1MRWEH8C/p1769918756796829" target="_blank" rel="noopener noreferrer">#topic-agentic-analytics</a> в Slack или создавать issue в репозитории GitHub.</p>]]></content>
        <author>
            <name>Joel Labes</name>
        </author>
        <author>
            <name>Jason Ganz</name>
        </author>
        <category label="ai" term="ai"/>
        <category label="data_ecosystem" term="data_ecosystem"/>
    </entry>
    <entry>
        <title type="html"><![CDATA[Модернизация спецификации Semantic Layer]]></title>
        <id>https://docs.getdbt.tech/blog/modernizing-the-semantic-layer-spec/</id>
        <link href="https://docs.getdbt.tech/blog/modernizing-the-semantic-layer-spec/"/>
        <updated>2026-01-21T00:00:00.000Z</updated>
        <summary type="html"><![CDATA[Узнайте о новой спецификации семантического слоя и о том, как она улучшает моделирование данных.]]></summary>
        <content type="html"><![CDATA[<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="новый-движок--кто-это-у-нас">Новый движок — кто это у нас?<a href="https://docs.getdbt.tech/blog/modernizing-the-semantic-layer-spec/#%D0%BD%D0%BE%D0%B2%D1%8B%D0%B9-%D0%B4%D0%B2%D0%B8%D0%B6%D0%BE%D0%BA--%D0%BA%D1%82%D0%BE-%D1%8D%D1%82%D0%BE-%D1%83-%D0%BD%D0%B0%D1%81" class="hash-link" aria-label="Прямая ссылка на Новый движок — кто это у нас?" title="Прямая ссылка на Новый движок — кто это у нас?">​</a></h2>
<p>Вряд ли кто-то из читателей этого блога ещё не слышал о новом движке dbt Fusion — о нём говорят все в мире данных с января прошлого года, а кульминацией стала легендарная живая демонстрация Элиаса на Coalesce 2025, показавшая невероятные возможности, которые открывает встроенное понимание SQL в dbt. Если вы были на Coalesce или уже перевели свой проект на Fusion, то, скорее всего, слышали и об изменениях, которые мы внесли в средства описания проектов dbt (то есть непосредственно в код, который вы пишете в проекте). Выпуская новую мажорную версию, мы воспользовались возможностью упростить и стандартизировать язык конфигурации dbt, чтобы он был готов к масштабированию в новую эпоху аналитической инженерии.</p>
<p>В частности, мы хотели пересмотреть подход к определению метрик в dbt Semantic Layer. На протяжении многих лет мы слышали от участников сообщества, что определять метрики <em>попросту сложно</em>. Обсудив это с внутренними и внешними пользователями, а также с нашими новыми друзьями из SDF, мы разработали обновлённую спецификацию YAML: она проще, лучше вписывается в привычный и любимый нами подход к настройке dbt и рассчитана на будущее.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="что-меняется">Что меняется?<a href="https://docs.getdbt.tech/blog/modernizing-the-semantic-layer-spec/#%D1%87%D1%82%D0%BE-%D0%BC%D0%B5%D0%BD%D1%8F%D0%B5%D1%82%D1%81%D1%8F" class="hash-link" aria-label="Прямая ссылка на Что меняется?" title="Прямая ссылка на Что меняется?">​</a></h3>
<p>В структуре семантического моделирования в dbt есть три основных изменения:</p>
<ul>
<li><strong>Меры → Метрики:</strong> Меры исключены из спецификации описания метрик. Теперь простые метрики могут включать агрегации и выражения и служат основным строительным блоком для более сложных метрик.</li>
<li><strong>Меньше вложенности:</strong> Мы по возможности избавились от глубокой вложенности словарей, чтобы упростить структуру и восприятие кода, а также переименовали ключи так, чтобы их названия точнее описывали их поведение.</li>
<li><strong>Единый подход на основе YAML-записей моделей:</strong> Семантические аннотации встроены в YAML-запись модели, поэтому для добавления семантических метаданных к моделям больше не нужно управлять множеством YAML-записей в разных файлах.</li>
</ul>
<div style="display:grid;grid-template-columns:repeat(auto-fit, minmax(300px, 1fr));gap:16px;margin:0 -20px 20px -20px;max-width:calc(100% + 40px)"><div style="padding:0 12px"><h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="прежняя-реализация">Прежняя реализация<a href="https://docs.getdbt.tech/blog/modernizing-the-semantic-layer-spec/#%D0%BF%D1%80%D0%B5%D0%B6%D0%BD%D1%8F%D1%8F-%D1%80%D0%B5%D0%B0%D0%BB%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F" class="hash-link" aria-label="Прямая ссылка на Прежняя реализация" title="Прямая ссылка на Прежняя реализация">​</a></h3><div class="language-yaml codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-yaml codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token key atrule" style="color:rgb(255, 203, 139)">models</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain"> </span><span class="token key atrule" style="color:rgb(255, 203, 139)">name</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> customers</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">description</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> Customer overview data mart</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> offering key details for each unique customer. One row per customer.</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">columns</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain"> </span><span class="token key atrule" style="color:rgb(255, 203, 139)">name</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> customer_id</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token key atrule" style="color:rgb(255, 203, 139)">description</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> The unique key of the orders mart.</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain"> </span><span class="token key atrule" style="color:rgb(255, 203, 139)">name</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> first_ordered_at</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token key atrule" style="color:rgb(255, 203, 139)">description</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> The timestamp when a customer placed their first order.</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain"></span><span class="token key atrule" style="color:rgb(255, 203, 139)">semantic_models</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain"> </span><span class="token key atrule" style="color:rgb(255, 203, 139)">name</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token key atrule" style="color:rgb(255, 203, 139)">customers</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">model</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> ref('customers')</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">description</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> Semantic Model for Customers</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">defaults</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token key atrule" style="color:rgb(255, 203, 139)">agg_time_dimension</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> first_ordered_at</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">entities</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain"> </span><span class="token key atrule" style="color:rgb(255, 203, 139)">name</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> customer</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token key atrule" style="color:rgb(255, 203, 139)">type</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> primary</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token key atrule" style="color:rgb(255, 203, 139)">expr</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> customer_id</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">     </span><span class="token key atrule" style="color:rgb(255, 203, 139)">dimensions</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">       </span><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain"> </span><span class="token key atrule" style="color:rgb(255, 203, 139)">name</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> first_ordered_at</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">         </span><span class="token key atrule" style="color:rgb(255, 203, 139)">type</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> time</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">         </span><span class="token key atrule" style="color:rgb(255, 203, 139)">type_params</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">           </span><span class="token key atrule" style="color:rgb(255, 203, 139)">time_granularity</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> day</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">     </span><span class="token key atrule" style="color:rgb(255, 203, 139)">measures</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">       </span><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain"> </span><span class="token key atrule" style="color:rgb(255, 203, 139)">name</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> lifetime_spend_pretax</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">         </span><span class="token key atrule" style="color:rgb(255, 203, 139)">agg</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> sum</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain"> </span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain"> </span><span class="token key atrule" style="color:rgb(255, 203, 139)">metrics</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">   </span><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain"> </span><span class="token key atrule" style="color:rgb(255, 203, 139)">name</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> lifetime_spend_pretax</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">     </span><span class="token key atrule" style="color:rgb(255, 203, 139)">type</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> simple</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">     </span><span class="token key atrule" style="color:rgb(255, 203, 139)">description</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> Customer's lifetime spend before tax</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">     </span><span class="token key atrule" style="color:rgb(255, 203, 139)">label</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> LTV Pre</span><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain">tax</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">     </span><span class="token key atrule" style="color:rgb(255, 203, 139)">type_params</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token key atrule" style="color:rgb(255, 203, 139)">measure</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">          </span><span class="token key atrule" style="color:rgb(255, 203, 139)">name</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> lifetime_spend_pretax</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain"> </span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div></div><div style="padding:0 12px"><h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="новая-реализация">Новая реализация<a href="https://docs.getdbt.tech/blog/modernizing-the-semantic-layer-spec/#%D0%BD%D0%BE%D0%B2%D0%B0%D1%8F-%D1%80%D0%B5%D0%B0%D0%BB%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F" class="hash-link" aria-label="Прямая ссылка на Новая реализация" title="Прямая ссылка на Новая реализация">​</a></h3><div class="language-yaml codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-yaml codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token key atrule" style="color:rgb(255, 203, 139)">models</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain"> </span><span class="token key atrule" style="color:rgb(255, 203, 139)">name</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> customers</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token comment" style="color:rgb(99, 119, 119);font-style:italic"># enable semantic modeling on this model</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">semantic_model</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token key atrule" style="color:rgb(255, 203, 139)">enabled</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token boolean important" style="color:rgb(255, 88, 116)">true</span><span class="token plain"> </span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token comment" style="color:rgb(99, 119, 119);font-style:italic"># set default aggregation time dimension as a model property</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">agg_time_dimension</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> first_ordered_at</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">description</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> Customer overview data mart</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> offering key details for each unique customer. One row per customer.</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">columns</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain"> </span><span class="token key atrule" style="color:rgb(255, 203, 139)">name</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> customer_id</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token key atrule" style="color:rgb(255, 203, 139)">description</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> The unique key of the orders mart.</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token comment" style="color:rgb(99, 119, 119);font-style:italic"># annotate column as a primary entity</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token key atrule" style="color:rgb(255, 203, 139)">entity</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">          </span><span class="token key atrule" style="color:rgb(255, 203, 139)">name</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> customer</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">          </span><span class="token key atrule" style="color:rgb(255, 203, 139)">type</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> primary</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">          </span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain"> </span><span class="token key atrule" style="color:rgb(255, 203, 139)">name</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> first_ordered_at</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token key atrule" style="color:rgb(255, 203, 139)">description</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> The timestamp when a customer placed their first order.</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token comment" style="color:rgb(99, 119, 119);font-style:italic"># annotate column as a time dimension</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token key atrule" style="color:rgb(255, 203, 139)">granularity</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> day</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token key atrule" style="color:rgb(255, 203, 139)">dimension</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">          </span><span class="token key atrule" style="color:rgb(255, 203, 139)">type</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> time</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">          </span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token comment" style="color:rgb(99, 119, 119);font-style:italic"># define simple metric directly within the model's YAML</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">metrics</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain"> </span><span class="token key atrule" style="color:rgb(255, 203, 139)">name</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> lifetime_spend_pretax</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token key atrule" style="color:rgb(255, 203, 139)">type</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> simple</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token key atrule" style="color:rgb(255, 203, 139)">description</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> Customer's lifetime spend before tax</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token key atrule" style="color:rgb(255, 203, 139)">label</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> LTV Pre</span><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain">tax</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token key atrule" style="color:rgb(255, 203, 139)">agg</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> sum</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div></div></div>
<p>У этого подхода есть несколько очевидных преимуществ:</p>
<ul>
<li><strong>Меньше повторений в коде:</strong> Семантические аннотации теперь находятся рядом с YAML-записью модели, что сокращает дублирование работы. Теперь, если столбец модели является измерением или сущностью, вы можете настроить его соответствующим образом. Свойства столбца, например его описание, затем используются и для измерения или сущности!</li>
<li><strong>Более аккуратный YAML:</strong> Компактную запись метрики проще написать, прочитать и использовать для обмена контекстом внутри команды по работе с данными. Поддержка кода метрик должна быть как можно проще!</li>
</ul>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="это-спецификация-osi">Это спецификация OSI?<a href="https://docs.getdbt.tech/blog/modernizing-the-semantic-layer-spec/#%D1%8D%D1%82%D0%BE-%D1%81%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F-osi" class="hash-link" aria-label="Прямая ссылка на Это спецификация OSI?" title="Прямая ссылка на Это спецификация OSI?">​</a></h3>
<p>Возможно, вы слышали, что dbt присоединилась к отраслевой инициативе <a href="https://www.snowflake.com/en/blog/open-semantic-interchange-ai-standard/" target="_blank" rel="noopener noreferrer">Open Semantic Interchange</a> и вместе с такими партнёрами, как Snowflake и Tableau, работает над открытым стандартом семантических метаданных. Но это не спецификация OSI! Это обновление существующей спецификации dbt Semantic Layer, призванное упростить пользователям dbt определение метрик и управление ими. При этом мы активно изучаем, как в будущем обеспечить совместимость со спецификацией OSI, и рассматриваем это обновление как шаг к этой цели.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="начните-уже-сегодня">Начните уже сегодня<a href="https://docs.getdbt.tech/blog/modernizing-the-semantic-layer-spec/#%D0%BD%D0%B0%D1%87%D0%BD%D0%B8%D1%82%D0%B5-%D1%83%D0%B6%D0%B5-%D1%81%D0%B5%D0%B3%D0%BE%D0%B4%D0%BD%D1%8F" class="hash-link" aria-label="Прямая ссылка на Начните уже сегодня" title="Прямая ссылка на Начните уже сегодня">​</a></h3>
<p>Новая спецификация <strong>уже доступна в движке Fusion.</strong> Если вы уже <a href="https://docs.getdbt.tech/guides/upgrade-to-v2/?step=1">перешли</a> на этот движок и хотите начать работу с dbt Semantic Layer, <a href="https://docs.getdbt.tech/docs/build/latest-metrics-spec/">загляните в нашу документацию</a> и приступайте к определению метрик! Новая спецификация также появится в dbt Core версии 1.12, которая выйдет в ближайшее время. Пользователи платформы dbt, работающие на движке dbt Core, смогут перейти на новую спецификацию сразу после обновления до версии dbt в канале Latest!</p>
<p>Кроме того, если вы уже используете семантический слой, наш <a href="https://github.com/dbt-labs/dbt-autofix" target="_blank" rel="noopener noreferrer">скрипт <code>dbt-autofix</code></a> теперь поддерживает миграцию с прежней реализации метрик на новую! Просто выполните <code>dbt-autofix deprecations --semantic-layer</code> локально или в dbt Studio на платформе, и подавляющая часть кода будет перенесена автоматически!</p>
<p>Мы очень ждём ваших отзывов! Напишите в <a href="https://getdbt.slack.com/archives/C046L0VTVR6" target="_blank" rel="noopener noreferrer">канал <code>#dbt-semantic-layer</code></a> в Slack сообщества dbt и расскажите, как проходит ваша миграция или начало работы!</p>]]></content>
        <author>
            <name>Dave Connors</name>
        </author>
        <category label="ai" term="ai"/>
        <category label="data ecosystem" term="data ecosystem"/>
    </entry>
    <entry>
        <title type="html"><![CDATA[Создание удалённого dbt MCP Server]]></title>
        <id>https://docs.getdbt.tech/blog/building-the-remote-dbt-mcp-server/</id>
        <link href="https://docs.getdbt.tech/blog/building-the-remote-dbt-mcp-server/"/>
        <updated>2025-08-26T00:00:00.000Z</updated>
        <summary type="html"><![CDATA[Узнайте о новом удалённом dbt MCP-сервере: как он был создан и как использовать его для построения агентов.]]></summary>
        <content type="html"><![CDATA[<p>В апреле мы выпустили локальный <a href="https://docs.getdbt.tech/blog/introducing-dbt-mcp-server/">dbt MCP (Model Context Protocol) server</a> как open source‑проект для подключения AI‑агентов и LLM к доверенным dbt‑ассетам с прямым, управляемым доступом. dbt MCP server предоставляет <a href="https://docs.anthropic.com/en/docs/mcp" target="_blank" rel="noopener noreferrer">универсальный, открытый стандарт</a> для соединения AI‑систем с вашим структурированным контекстом, что позволяет сохранять точность, управляемость и надежность агентов. Подробнее — в разделе <a href="https://docs.getdbt.tech/docs/dbt-ai/about-mcp/">About dbt Model Context Protocol</a>.</p>
<p>С момента релиза локального dbt MCP server сообщество dbt применяло его самыми разными способами, включая агентную разговорную аналитику, исследование дата‑каталога и рефакторинг dbt‑проектов. Однако одним из ключевых отзывов от AI‑инженеров стало то, что локальный dbt MCP server сложно развертывать и хостить для мультиарендных (multi‑tenant) нагрузок, из‑за чего становится трудно строить приложения поверх dbt MCP server.</p>
<p>Именно поэтому мы рады представить новый способ интеграции с dbt MCP — <strong>remote dbt MCP server</strong>. Remote dbt MCP server не требует установки зависимостей или запуска dbt MCP server в вашей инфраструктуре, что делает разработку и запуск агентов проще, чем когда‑либо. Он <strong>доступен уже сегодня в public beta</strong> для пользователей с тарифами dbt Starter, Enterprise или Enterprise+, и готов к использованию для создания AI‑приложений.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="what-is-the-remote-dbt-mcp-server">Что такое Remote dbt MCP Server? <a href="https://www.getdbt.com/pricing" target="_blank" rel="noopener noreferrer" class="planPill_aqx1 plan-pill" style="background-color:#E5E7EB;color:#030711;cursor:pointer;transition:background-color 0.2s ease, transform 0.2s ease, text-decoration 0.2s ease;text-decoration:none;font-size:0.82rem" title="Подробнее о статусе или тарифе">Starter</a><a href="https://www.getdbt.com/pricing" target="_blank" rel="noopener noreferrer" class="planPill_aqx1 plan-pill" style="background-color:#E5E7EB;color:#030711;cursor:pointer;transition:background-color 0.2s ease, transform 0.2s ease, text-decoration 0.2s ease;text-decoration:none;font-size:0.82rem" title="Подробнее о статусе или тарифе">Enterprise</a><a href="https://www.getdbt.com/pricing" target="_blank" rel="noopener noreferrer" class="planPill_aqx1 plan-pill" style="background-color:#E5E7EB;color:#030711;cursor:pointer;transition:background-color 0.2s ease, transform 0.2s ease, text-decoration 0.2s ease;text-decoration:none;font-size:0.82rem" title="Подробнее о статусе или тарифе">Enterprise +</a><a href="https://docs.getdbt.tech/docs/dbt-versions/product-lifecycles" target="_blank" rel="noopener noreferrer" class="lifecycle_J1Zi lifecycle" style="background-color:#bab2ff;color:#030711;cursor:pointer;transition:background-color 0.2s ease, transform 0.2s ease, text-decoration 0.2s ease;text-decoration:none;font-size:0.82rem" title="Подробнее о статусе или тарифе">Бета-версия</a><a href="https://docs.getdbt.tech/blog/building-the-remote-dbt-mcp-server/#what-is-the-remote-dbt-mcp-server" class="hash-link" aria-label="Прямая ссылка на what-is-the-remote-dbt-mcp-server" title="Прямая ссылка на what-is-the-remote-dbt-mcp-server">​</a></h2>
<p>Чаще всего агенты и MCP‑серверы запускаются локально на вашем компьютере, но подход local‑first накладывает ограничения на типы приложений, которые можно построить. Remote MCP открывает новые сценарии. Например, он позволяет серверным агентам выполнять долгоживущие задачи, использоваться совместно внутри организации и быть доступными через веб‑приложения — все это значительно сложнее (или вовсе невозможно) в локальной агентной архитектуре.</p>
<p>Удалённый MCP-сервер dbt предоставляет <strong>структурированный, управляемый контекст</strong> для этих сценариев работы и позволяет создавать на их основе инновационные приложения для работы с данными. Удалённый MCP-сервер dbt позволяет вашему агенту отвечать на бизнес-вопросы с помощью <a href="https://docs.getdbt.tech/docs/use-dbt-semantic-layer/dbt-sl/">семантического слоя dbt</a>, находить ресурсы данных с помощью <a href="https://docs.getdbt.tech/docs/dbt-apis/discovery-api/">dbt Discovery API</a> и выполнять запросы на естественном языке с помощью SQL-инструментов. Ознакомьтесь с нашей документацией <a href="https://docs.getdbt.tech/docs/dbt-ai/about-mcp/">здесь</a>, чтобы узнать полный список поддерживаемых инструментов. Эти возможности легко интегрировать в различные платформы благодаря стандартизированной спецификации MCP.</p>
<p>Remote dbt MCP server отлично подходит для разработчиков приложений, однако в некоторых случаях все же имеет смысл запускать dbt MCP server локально. В частности, <strong>если вы используете локального coding‑агента, такого как Cursor или Claude Code, мы рекомендуем локальный dbt MCP server.</strong> Это гарантирует, что код, который вы пишете локально, соответствует тому контексту, к которому имеет доступ агент.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="the-remote-dbt-mcp-server-architecture">Архитектура Remote dbt MCP Server<a href="https://docs.getdbt.tech/blog/building-the-remote-dbt-mcp-server/#the-remote-dbt-mcp-server-architecture" class="hash-link" aria-label="Прямая ссылка на Архитектура Remote dbt MCP Server" title="Прямая ссылка на Архитектура Remote dbt MCP Server">​</a></h2>
<p>Развертывание собственного remote MCP server — нетривиальная задача. Если локальный MCP server должен учитывать только сценарий одного пользователя, то удаленные серверы обязаны управлять одновременными подключениями от множества разных пользователей, а также развертыванием и обслуживанием сервера и инфраструктуры. Кроме того, подключения должны быть безопасно аутентифицированы и изолированы друг от друга. Последние обновления спецификации MCP предлагают новый способ взаимодействия с MCP‑серверами — <a href="https://modelcontextprotocol.io/specification/2025-06-18/basic/transports" target="_blank" rel="noopener noreferrer">Streamable HTTP</a>, который позволяет реализовать stateless‑подключения агентов к удаленным серверам. Streamable HTTP упрощает задачу, но для большинства data‑команд развертывание MCP‑сервера все равно остается сложным. В случае remote dbt MCP server мы берем на себя всю эту сложность, поэтому при разработке агентного приложения вам достаточно просто установить HTTP‑соединение с нашим API.</p>
<p>При этом мы хотели, чтобы remote dbt MCP server обладал функциональностью, аналогичной локальному dbt MCP server, без необходимости полностью переимплементировать инструменты. Для этого мы запустили MCP‑сервер со Streamable HTTP и добавили в него проксированные версии каждого инструмента dbt MCP. Проксированные версии имеют те же параметры, описания и реализацию, что и open source‑версия, обеспечивая единообразный опыт. Разница заключается в том, что эти версии конфигурируются через HTTP‑заголовки, а не через переменные окружения, и напрямую подключаются к нашим внутренним API, что снижает задержки.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        "><span><a href="https://docs.getdbt.tech/blog/building-the-remote-dbt-mcp-server/#" data-featherlight="/img/blog/2025-08-26-building-the-remote-dbt-mcp-server/remote-dbt-mcp.png"><img data-toggle="lightbox" alt="Архитектура удалённого сервера dbt MCP" title="Архитектура удалённого сервера dbt MCP" src="https://docs.getdbt.tech/img/blog/2025-08-26-building-the-remote-dbt-mcp-server/remote-dbt-mcp.png?v=2"></a></span><span class="title_aGrV">Архитектура удалённого сервера dbt MCP</span></div>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="the-remote-dbt-mcp-server-in-action">Remote dbt MCP Server в действии<a href="https://docs.getdbt.tech/blog/building-the-remote-dbt-mcp-server/#the-remote-dbt-mcp-server-in-action" class="hash-link" aria-label="Прямая ссылка на Remote dbt MCP Server в действии" title="Прямая ссылка на Remote dbt MCP Server в действии">​</a></h2>
<p>Теперь, когда у нас есть общее понимание того, как работает remote dbt MCP server, давайте применим его на практике и создадим простой agent loop с использованием LangGraph на Python. Здесь мы используем LangGraph в качестве примера, но вы можете выбрать любой язык или фреймворк. В каталоге <a href="https://github.com/dbt-labs/dbt-mcp/tree/main/examples" target="_blank" rel="noopener noreferrer">examples</a> вы найдете дополнительные ресурсы по созданию агентов с dbt MCP server, включая полный пример, показанный ниже.</p>
<p>Реализуемый здесь агент сможет выполнять разговорную аналитику, опираясь на <strong>структурированный, управляемый контекст</strong> из вашего dbt‑проекта. Это означает, что он может принимать вопрос пользователя, искать релевантные метаданные через dbt Discovery API, находить ключевые метрики с помощью dbt Semantic Layer API, исследовать данные и возвращать точный, надежный ответ. Этот пример показывает, как remote dbt MCP server может лежать в основе AI‑приложений, которые сочетают гибкость LLM с надежностью и согласованностью dbt‑ассетов.</p>
<p>Чтобы пример заработал, необходимо установить зависимости LangGraph и задать переменную окружения для Anthropic API key:</p>
<div class="language-shell codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-shell codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token plain">pip </span><span class="token function" style="color:rgb(130, 170, 255)">install</span><span class="token plain"> langgraph </span><span class="token string" style="color:rgb(173, 219, 103)">"langchain[anthropic]"</span><span class="token plain"> langchain-mcp-adapters</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain"></span><span class="token builtin class-name" style="color:rgb(255, 203, 139)">export</span><span class="token plain"> </span><span class="token assign-left variable" style="color:rgb(214, 222, 235)">ANTHROPIC_API_KEY</span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token operator" style="color:rgb(127, 219, 202)">&lt;</span><span class="token plain">your-api-key</span><span class="token operator" style="color:rgb(127, 219, 202)">&gt;</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<p>Сначала определим URL и заголовки, которые MCP‑клиент будет использовать. Эти значения зависят от конкретного развертывания dbt Cloud. В примере ниже конфигурация задается через переменные окружения. Подробнее о настройке см. в разделе <a href="https://docs.getdbt.tech/docs/dbt-ai/about-mcp/">About dbt Model Context Protocol </a>.</p>
<div class="language-python codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-python codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token keyword" style="color:rgb(127, 219, 202)">import</span><span class="token plain"> os</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">url </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token string-interpolation string" style="color:rgb(173, 219, 103)">f"https://</span><span class="token string-interpolation interpolation punctuation" style="color:rgb(199, 146, 234)">{</span><span class="token string-interpolation interpolation">os</span><span class="token string-interpolation interpolation punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token string-interpolation interpolation">environ</span><span class="token string-interpolation interpolation punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token string-interpolation interpolation">get</span><span class="token string-interpolation interpolation punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token string-interpolation interpolation string" style="color:rgb(173, 219, 103)">'DBT_HOST'</span><span class="token string-interpolation interpolation punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token string-interpolation interpolation punctuation" style="color:rgb(199, 146, 234)">}</span><span class="token string-interpolation string" style="color:rgb(173, 219, 103)">/api/ai/v1/mcp/"</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">headers </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token punctuation" style="color:rgb(199, 146, 234)">{</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token string" style="color:rgb(173, 219, 103)">"x-dbt-user-id"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> os</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">environ</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">get</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token string" style="color:rgb(173, 219, 103)">"DBT_USER_ID"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token string" style="color:rgb(173, 219, 103)">"x-dbt-prod-environment-id"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> os</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">environ</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">get</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token string" style="color:rgb(173, 219, 103)">"DBT_PROD_ENV_ID"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token string" style="color:rgb(173, 219, 103)">"x-dbt-dev-environment-id"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> os</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">environ</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">get</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token string" style="color:rgb(173, 219, 103)">"DBT_DEV_ENV_ID"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token string" style="color:rgb(173, 219, 103)">"Authorization"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token string-interpolation string" style="color:rgb(173, 219, 103)">f"token </span><span class="token string-interpolation interpolation punctuation" style="color:rgb(199, 146, 234)">{</span><span class="token string-interpolation interpolation">os</span><span class="token string-interpolation interpolation punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token string-interpolation interpolation">environ</span><span class="token string-interpolation interpolation punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token string-interpolation interpolation">get</span><span class="token string-interpolation interpolation punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token string-interpolation interpolation string" style="color:rgb(173, 219, 103)">'DBT_TOKEN'</span><span class="token string-interpolation interpolation punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token string-interpolation interpolation punctuation" style="color:rgb(199, 146, 234)">}</span><span class="token string-interpolation string" style="color:rgb(173, 219, 103)">"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain"></span><span class="token punctuation" style="color:rgb(199, 146, 234)">}</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<p>Далее создадим MCP‑клиент, чтобы агент знал, как работать с remote dbt MCP server.</p>
<div class="language-python codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-python codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token keyword" style="color:rgb(127, 219, 202)">from</span><span class="token plain"> langchain_mcp_adapters</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">client </span><span class="token keyword" style="color:rgb(127, 219, 202)">import</span><span class="token plain"> MultiServerMCPClient</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">client </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> MultiServerMCPClient</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token punctuation" style="color:rgb(199, 146, 234)">{</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token string" style="color:rgb(173, 219, 103)">"dbt"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token punctuation" style="color:rgb(199, 146, 234)">{</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token string" style="color:rgb(173, 219, 103)">"url"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> url</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token string" style="color:rgb(173, 219, 103)">"headers"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> headers</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token string" style="color:rgb(173, 219, 103)">"transport"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"streamable_http"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token punctuation" style="color:rgb(199, 146, 234)">}</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token punctuation" style="color:rgb(199, 146, 234)">}</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain"></span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<p>Затем получим список доступных инструментов с remote dbt MCP server.</p>
<div class="language-python codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-python codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token plain">tools </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token keyword" style="color:rgb(127, 219, 202)">await</span><span class="token plain"> client</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">get_tools</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<p>Теперь можно создать LangGraph‑агента.</p>
<div class="language-python codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-python codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token keyword" style="color:rgb(127, 219, 202)">from</span><span class="token plain"> langgraph</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">prebuilt </span><span class="token keyword" style="color:rgb(127, 219, 202)">import</span><span class="token plain"> create_react_agent</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain"></span><span class="token keyword" style="color:rgb(127, 219, 202)">from</span><span class="token plain"> langgraph</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">checkpoint</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">memory </span><span class="token keyword" style="color:rgb(127, 219, 202)">import</span><span class="token plain"> InMemorySaver</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">agent </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> create_react_agent</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  model</span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token string" style="color:rgb(173, 219, 103)">"anthropic:claude-3-7-sonnet-latest"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  tools</span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain">tools</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token comment" style="color:rgb(99, 119, 119);font-style:italic"># This allows the agent to have conversational memory.</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  checkpointer</span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain">InMemorySaver</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain"></span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<p>Наконец, запустим агента в цикле. В примере используется <code>print_stream_item</code>, реализацию которого можно найти в полном примере <a href="https://github.com/dbt-labs/dbt-mcp/blob/365bc0f4c28b48510d194201370a5500d69cc5ea/examples/langgraph_agent/main.py#L11" target="_blank" rel="noopener noreferrer">здесь</a>. Выйти из цикла можно, остановив программу с помощью CTRL+C.</p>
<div class="language-python codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-python codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token comment" style="color:rgb(99, 119, 119);font-style:italic"># This config maintains the conversation thread.</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">config </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token punctuation" style="color:rgb(199, 146, 234)">{</span><span class="token string" style="color:rgb(173, 219, 103)">"configurable"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token punctuation" style="color:rgb(199, 146, 234)">{</span><span class="token string" style="color:rgb(173, 219, 103)">"thread_id"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"1"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">}</span><span class="token punctuation" style="color:rgb(199, 146, 234)">}</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain"></span><span class="token keyword" style="color:rgb(127, 219, 202)">while</span><span class="token plain"> </span><span class="token boolean" style="color:rgb(255, 88, 116)">True</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  user_input </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token builtin" style="color:rgb(130, 170, 255)">input</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token string" style="color:rgb(173, 219, 103)">"User &gt; "</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  agent_response </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> agent</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">invoke</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token punctuation" style="color:rgb(199, 146, 234)">{</span><span class="token string" style="color:rgb(173, 219, 103)">"messages"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token punctuation" style="color:rgb(199, 146, 234)">{</span><span class="token string" style="color:rgb(173, 219, 103)">"role"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"user"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"content"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> user_input</span><span class="token punctuation" style="color:rgb(199, 146, 234)">}</span><span class="token punctuation" style="color:rgb(199, 146, 234)">}</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    config</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  print_stream_item</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">item</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<p>После реализации агента можно запустить программу и задать вопрос. Вы должны увидеть примерно такой вывод:</p>
<div class="language-shell codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-shell codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token plain">Пользователь </span><span class="token operator" style="color:rgb(127, 219, 202)">&gt;</span><span class="token plain"> Сколько выручки мы получили в прошлом месяце?</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">Агент </span><span class="token operator" style="color:rgb(127, 219, 202)">&gt;</span><span class="token plain"> Я помогу вам узнать выручку за прошлый месяц. Сначала проверю, какие метрики доступны в dbt Semantic Layer.</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    using tool: list_metrics</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">Агент </span><span class="token operator" style="color:rgb(127, 219, 202)">&gt;</span><span class="token plain"> Я вижу, что у нас доступна метрика </span><span class="token string" style="color:rgb(173, 219, 103)">"revenue"</span><span class="token builtin class-name" style="color:rgb(255, 203, 139)">.</span><span class="token plain"> Давайте получу измерения для этой метрики, чтобы понять, как запросить данные за прошлый месяц:</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    using tool: get_dimensions</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">Агент </span><span class="token operator" style="color:rgb(127, 219, 202)">&gt;</span><span class="token plain"> Теперь я запрошу метрику выручки за прошлый месяц. Я использую измерение </span><span class="token string" style="color:rgb(173, 219, 103)">"metric_time"</span><span class="token plain"> с гранулярностью MONTH:</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    using tool: query_metrics</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">Агент </span><span class="token operator" style="color:rgb(127, 219, 202)">&gt;</span><span class="token plain"> По результатам общая выручка за прошлый месяц составила **</span><span class="token variable" style="color:rgb(214, 222, 235)">$102</span><span class="token plain">,379.00**.</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="future-work">Будущие доработки<a href="https://docs.getdbt.tech/blog/building-the-remote-dbt-mcp-server/#future-work" class="hash-link" aria-label="Прямая ссылка на Будущие доработки" title="Прямая ссылка на Будущие доработки">​</a></h2>
<p>Теперь, когда remote dbt MCP доступен в public beta, мы приглашаем вас создавать агентов для взаимодействия с вашими dbt‑ресурсами, привнося <strong>структурированный, управляемый контекст</strong> в AI‑workflow без накладных расходов на локальную настройку. Вот несколько идей для типов агентов, которые можно построить с помощью remote dbt MCP server:</p>
<ul>
<li>Ответы на бизнес‑вопросы с использованием точных, управляемых метрик из dbt</li>
<li>Обнаружение колонок с PII и автоматическое применение governance‑политик</li>
<li>Агент для review PR с целью повышения качества кода и ускорения процесса ревью</li>
<li>Исследование метаданных и информации каталога для ускорения data discovery и устранения проблем</li>
<li>On‑call агент для поддержки инцидентов и более быстрого устранения сбоев</li>
</ul>
<p>Мы продолжаем инвестировать в развитие remote dbt MCP. В ближайшее время появятся такие возможности, как аутентификация на основе OAuth, чтобы сделать аутентификацию и авторизацию в remote MCP еще проще. Если у вас есть отзывы, нужна помощь или вы просто хотите пообщаться, присоединяйтесь к каналу #tools-dbt-mcp в <a href="https://www.getdbt.com/community/join-the-community" target="_blank" rel="noopener noreferrer">нашем community Slack</a>.</p>]]></content>
        <author>
            <name>Devon Fulcher</name>
        </author>
        <category label="ai" term="ai"/>
        <category label="data ecosystem" term="data ecosystem"/>
    </entry>
    <entry>
        <title type="html"><![CDATA[Как обучить модель линейной регрессии с помощью dbt и BigFrames]]></title>
        <id>https://docs.getdbt.tech/blog/train-linear-dbt-bigframes/</id>
        <link href="https://docs.getdbt.tech/blog/train-linear-dbt-bigframes/"/>
        <updated>2025-07-11T00:00:00.000Z</updated>
        <summary type="html"><![CDATA[Как построить масштабируемую модель линейной регрессии, объединив модульную оркестрацию dbt с выполнением Python «внутри базы» через BigFrames в BigQuery.]]></summary>
        <content type="html"><![CDATA[<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="introduction-to-dbt-and-bigframes">Введение в dbt и BigFrames<a href="https://docs.getdbt.tech/blog/train-linear-dbt-bigframes/#introduction-to-dbt-and-bigframes" class="hash-link" aria-label="Прямая ссылка на Введение в dbt и BigFrames" title="Прямая ссылка на Введение в dbt и BigFrames">​</a></h2>
<p><strong>dbt</strong>: Фреймворк для трансформации данных в современных аналитических хранилищах с использованием модульного SQL или Python. dbt позволяет аналитическим командам совместно и эффективно разрабатывать аналитический код, применяя лучшие практики программной инженерии — такие как контроль версий, модульность, переносимость, CI/CD, тестирование и документация. Подробнее см. <a href="https://docs.getdbt.tech/docs/introduction/#dbt">What is dbt?</a></p>
<p><strong>BigQuery DataFrames (BigFrames)</strong>: Open-source Python-библиотека от Google. BigFrames масштабирует обработку данных на Python, транслируя распространённые API из мира data science (pandas и scikit-learn) в SQL-запросы BigQuery.</p>
<p>Подробнее можно узнать в <a href="https://cloud.google.com/bigquery/docs/bigquery-dataframes-introduction" target="_blank" rel="noopener noreferrer">официальном руководстве BigFrames</a> и в <a href="https://github.com/googleapis/python-bigquery-dataframes" target="_blank" rel="noopener noreferrer">публичном репозитории BigFrames на GitHub</a>.</p>
<p>Комбинируя dbt и BigFrames через адаптер <code>dbt-bigquery</code> (далее — <em>«dbt-BigFrames»</em>), вы получаете:</p>
<ul>
<li>Модульное моделирование на SQL и Python в dbt, управление зависимостями с помощью <code>dbt.ref()</code>, конфигурацию окружений и тестирование данных. При использовании облачной платформы dbt также доступны планирование и мониторинг джобов.</li>
<li>Возможность BigFrames выполнять сложные Python-трансформации (включая машинное обучение) непосредственно в BigQuery.</li>
</ul>
<p><code>dbt-BigFrames</code> использует <strong>службу выполнения ноутбуков Colab Enterprise</strong> в проекте GCP для запуска Python-моделей. Эти ноутбуки исполняют код BigFrames, который затем переводится в SQL для BigQuery.</p>
<blockquote>
<p>Дополнительные материалы: <a href="https://cloud.google.com/bigquery/docs/dataframes-dbt" target="_blank" rel="noopener noreferrer">Use BigQuery DataFrames in dbt</a> или <a href="https://docs.getdbt.tech/guides/dbt-python-bigframes/?step=1">Using BigQuery DataFrames with dbt Python models</a>.</p>
</blockquote>
<p>Чтобы показать практическую ценность сочетания dbt и BigFrames, далее мы рассмотрим, как эта интеграция упрощает и масштабирует типичную задачу машинного обучения — обучение модели линейной регрессии на больших наборах данных.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="the-power-of-dbt-bigframes-for-large-scale-linear-regression">Возможности dbt-BigFrames для линейной регрессии в больших масштабах<a href="https://docs.getdbt.tech/blog/train-linear-dbt-bigframes/#the-power-of-dbt-bigframes-for-large-scale-linear-regression" class="hash-link" aria-label="Прямая ссылка на Возможности dbt-BigFrames для линейной регрессии в больших масштабах" title="Прямая ссылка на Возможности dbt-BigFrames для линейной регрессии в больших масштабах">​</a></h2>
<p>Линейная регрессия — базовый инструмент предиктивной аналитики, применяемый в таких задачах, как:</p>
<ul>
<li>Прогнозирование продаж</li>
<li>Финансовое моделирование</li>
<li>Планирование спроса</li>
<li>Оценка недвижимости</li>
</ul>
<p>Во многих подобных сценариях требуется обработка объёмов данных, которые не помещаются в память при использовании классического Python. BigFrames решает эту проблему, а в сочетании с dbt даёт структурированный, поддерживаемый и готовый к продакшену подход к обучению моделей и генерации пакетных предсказаний на больших данных.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="dbt-bigframes-with-ml-a-practical-example">«dbt-BigFrames» и ML: практический пример<a href="https://docs.getdbt.tech/blog/train-linear-dbt-bigframes/#dbt-bigframes-with-ml-a-practical-example" class="hash-link" aria-label="Прямая ссылка на «dbt-BigFrames» и ML: практический пример" title="Прямая ссылка на «dbt-BigFrames» и ML: практический пример">​</a></h2>
<p>Ниже мы шаг за шагом разберём процесс обучения модели линейной регрессии с использованием <strong>Python-модели dbt на базе BigFrames</strong>, уделяя внимание структуре и оркестрации, которые предоставляет dbt.</p>
<p>В качестве источника данных используется датасет <code>epa_historical_air_quality</code> из BigQuery Public Data (предоставлен Агентством по охране окружающей среды США).</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="problem-statement">Постановка задачи<a href="https://docs.getdbt.tech/blog/train-linear-dbt-bigframes/#problem-statement" class="hash-link" aria-label="Прямая ссылка на Постановка задачи" title="Прямая ссылка на Постановка задачи">​</a></h3>
<p>Разработать модель машинного обучения для прогнозирования уровня озона в атмосфере на основе исторических данных о качестве воздуха и показаний экологических сенсоров, чтобы повысить точность мониторинга и прогнозирования загрязнения воздуха.</p>
<p><strong>Ключевые этапы:</strong></p>
<ol>
<li><strong>Подготовка данных</strong>: Преобразование сырых исходных таблиц в датасет, готовый для аналитики.</li>
<li><strong>Анализ и машинное обучение</strong>: Обучение модели линейной регрессии на очищенных данных.</li>
</ol>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="setting-up-your-dbt-project-for-bigframes">Настройка dbt-проекта для BigFrames<a href="https://docs.getdbt.tech/blog/train-linear-dbt-bigframes/#setting-up-your-dbt-project-for-bigframes" class="hash-link" aria-label="Прямая ссылка на Настройка dbt-проекта для BigFrames" title="Прямая ссылка на Настройка dbt-проекта для BigFrames">​</a></h2>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="prerequisites">Предварительные требования<a href="https://docs.getdbt.tech/blog/train-linear-dbt-bigframes/#prerequisites" class="hash-link" aria-label="Прямая ссылка на Предварительные требования" title="Прямая ссылка на Предварительные требования">​</a></h3>
<ul>
<li>Аккаунт Google Cloud</li>
<li>Установленный dbt (платформа dbt или dbt Core)</li>
<li>Базовые или средние знания SQL и Python</li>
<li>Знакомство с dbt на уровне <a href="https://docs.getdbt.tech/guides/?level=Beginner">Beginner dbt guides</a></li>
</ul>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="sample-profilesyml-for-bigframes">Пример <code>profiles.yml</code> для BigFrames<a href="https://docs.getdbt.tech/blog/train-linear-dbt-bigframes/#sample-profilesyml-for-bigframes" class="hash-link" aria-label="Прямая ссылка на sample-profilesyml-for-bigframes" title="Прямая ссылка на sample-profilesyml-for-bigframes">​</a></h3>
<div class="language-yaml codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-yaml codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token key atrule" style="color:rgb(255, 203, 139)">my_epa_project</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token key atrule" style="color:rgb(255, 203, 139)">outputs</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">dev</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token key atrule" style="color:rgb(255, 203, 139)">compute_region</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> us</span><span class="token punctuation" style="color:rgb(199, 146, 234)">-</span><span class="token plain">central1</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token key atrule" style="color:rgb(255, 203, 139)">dataset</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> your_bq_dataset</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token key atrule" style="color:rgb(255, 203, 139)">gcs_bucket</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> your_gcs_bucket</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token key atrule" style="color:rgb(255, 203, 139)">location</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> US</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token key atrule" style="color:rgb(255, 203, 139)">method</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> oauth</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token key atrule" style="color:rgb(255, 203, 139)">priority</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> interactive</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token key atrule" style="color:rgb(255, 203, 139)">project</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> your_gcp_project</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token key atrule" style="color:rgb(255, 203, 139)">threads</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token number" style="color:rgb(247, 140, 108)">1</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token key atrule" style="color:rgb(255, 203, 139)">type</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> bigquery</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token key atrule" style="color:rgb(255, 203, 139)">target</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> dev</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="sample-dbt_projectyml">Пример <code>dbt_project.yml</code><a href="https://docs.getdbt.tech/blog/train-linear-dbt-bigframes/#sample-dbt_projectyml" class="hash-link" aria-label="Прямая ссылка на sample-dbt_projectyml" title="Прямая ссылка на sample-dbt_projectyml">​</a></h3>
<div class="language-yaml codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-yaml codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token key atrule" style="color:rgb(255, 203, 139)">name</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">'my_epa_project'</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain"></span><span class="token key atrule" style="color:rgb(255, 203, 139)">version</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">'1.0.0'</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain"></span><span class="token key atrule" style="color:rgb(255, 203, 139)">config-version</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token number" style="color:rgb(247, 140, 108)">2</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain"></span><span class="token key atrule" style="color:rgb(255, 203, 139)">models</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">  </span><span class="token key atrule" style="color:rgb(255, 203, 139)">my_epa_project</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">submission_method</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> bigframes</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">notebook_template_id</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> 701881164074529xxxx  </span><span class="token comment" style="color:rgb(99, 119, 119);font-style:italic"># Optional</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">timeout</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token number" style="color:rgb(247, 140, 108)">6000</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token key atrule" style="color:rgb(255, 203, 139)">example</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">      </span><span class="token key atrule" style="color:rgb(255, 203, 139)">+materialized</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> view</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="the-dbt-python-models-for-linear-regression">Python-модели dbt для линейной регрессии<a href="https://docs.getdbt.tech/blog/train-linear-dbt-bigframes/#the-dbt-python-models-for-linear-regression" class="hash-link" aria-label="Прямая ссылка на Python-модели dbt для линейной регрессии" title="Прямая ссылка на Python-модели dbt для линейной регрессии">​</a></h2>
<p>В проекте используются <strong>две модульные Python-модели dbt</strong>:</p>
<ol>
<li><code>prepare_table.py</code> — загрузка и подготовка данных</li>
<li><code>prediction.py</code> — обучение модели и генерация предсказаний</li>
</ol>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="part-1-preparing-the-table-prepare_tablepy">Часть 1: Подготовка таблицы (<code>prepare_table.py</code>)<a href="https://docs.getdbt.tech/blog/train-linear-dbt-bigframes/#part-1-preparing-the-table-prepare_tablepy" class="hash-link" aria-label="Прямая ссылка на part-1-preparing-the-table-prepare_tablepy" title="Прямая ссылка на part-1-preparing-the-table-prepare_tablepy">​</a></h3>
<div class="language-python codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-python codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token keyword" style="color:rgb(127, 219, 202)">def</span><span class="token plain"> </span><span class="token function" style="color:rgb(130, 170, 255)">model</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">dbt</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> session</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    dbt</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">config</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">submission_method</span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token string" style="color:rgb(173, 219, 103)">"bigframes"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> timeout</span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token number" style="color:rgb(247, 140, 108)">6000</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    dataset </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"bigquery-public-data.epa_historical_air_quality"</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    index_columns </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token punctuation" style="color:rgb(199, 146, 234)">[</span><span class="token string" style="color:rgb(173, 219, 103)">"state_name"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"county_name"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"site_num"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"date_local"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"time_local"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">]</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    param_column </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"parameter_name"</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    value_column </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"sample_measurement"</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    params_dfs </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token punctuation" style="color:rgb(199, 146, 234)">[</span><span class="token punctuation" style="color:rgb(199, 146, 234)">]</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    table_param_dict </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token punctuation" style="color:rgb(199, 146, 234)">{</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token string" style="color:rgb(173, 219, 103)">"co_hourly_summary"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"co"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token string" style="color:rgb(173, 219, 103)">"no2_hourly_summary"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"no2"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token string" style="color:rgb(173, 219, 103)">"o3_hourly_summary"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"o3"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token string" style="color:rgb(173, 219, 103)">"pressure_hourly_summary"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"pressure"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token string" style="color:rgb(173, 219, 103)">"so2_hourly_summary"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"so2"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        </span><span class="token string" style="color:rgb(173, 219, 103)">"temperature_hourly_summary"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"temperature"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token punctuation" style="color:rgb(199, 146, 234)">}</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token keyword" style="color:rgb(127, 219, 202)">for</span><span class="token plain"> table</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> param </span><span class="token keyword" style="color:rgb(127, 219, 202)">in</span><span class="token plain"> table_param_dict</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">items</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        param_df </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> bpd</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">read_gbq</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token string-interpolation string" style="color:rgb(173, 219, 103)">f"</span><span class="token string-interpolation interpolation punctuation" style="color:rgb(199, 146, 234)">{</span><span class="token string-interpolation interpolation">dataset</span><span class="token string-interpolation interpolation punctuation" style="color:rgb(199, 146, 234)">}</span><span class="token string-interpolation string" style="color:rgb(173, 219, 103)">.</span><span class="token string-interpolation interpolation punctuation" style="color:rgb(199, 146, 234)">{</span><span class="token string-interpolation interpolation">table</span><span class="token string-interpolation interpolation punctuation" style="color:rgb(199, 146, 234)">}</span><span class="token string-interpolation string" style="color:rgb(173, 219, 103)">"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> columns</span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain">index_columns </span><span class="token operator" style="color:rgb(127, 219, 202)">+</span><span class="token plain"> </span><span class="token punctuation" style="color:rgb(199, 146, 234)">[</span><span class="token plain">value_column</span><span class="token punctuation" style="color:rgb(199, 146, 234)">]</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        param_df </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> param_df</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">sort_values</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">index_columns</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">drop_duplicates</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">index_columns</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">set_index</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">index_columns</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">rename</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">columns</span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token punctuation" style="color:rgb(199, 146, 234)">{</span><span class="token plain">value_column</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> param</span><span class="token punctuation" style="color:rgb(199, 146, 234)">}</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        params_dfs</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">append</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">param_df</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    wind_table </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token string-interpolation string" style="color:rgb(173, 219, 103)">f"</span><span class="token string-interpolation interpolation punctuation" style="color:rgb(199, 146, 234)">{</span><span class="token string-interpolation interpolation">dataset</span><span class="token string-interpolation interpolation punctuation" style="color:rgb(199, 146, 234)">}</span><span class="token string-interpolation string" style="color:rgb(173, 219, 103)">.wind_hourly_summary"</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    wind_speed_df </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> bpd</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">read_gbq</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        wind_table</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        columns</span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain">index_columns </span><span class="token operator" style="color:rgb(127, 219, 202)">+</span><span class="token plain"> </span><span class="token punctuation" style="color:rgb(199, 146, 234)">[</span><span class="token plain">value_column</span><span class="token punctuation" style="color:rgb(199, 146, 234)">]</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">        filters</span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token punctuation" style="color:rgb(199, 146, 234)">[</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">param_column</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"=="</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"Wind Speed - Resultant"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token punctuation" style="color:rgb(199, 146, 234)">]</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    wind_speed_df </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> wind_speed_df</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">sort_values</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">index_columns</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">drop_duplicates</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">index_columns</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">set_index</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">index_columns</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">rename</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">columns</span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token punctuation" style="color:rgb(199, 146, 234)">{</span><span class="token plain">value_column</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"wind_speed"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">}</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    params_dfs</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">append</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">wind_speed_df</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    df </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> bpd</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">concat</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">params_dfs</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> axis</span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token number" style="color:rgb(247, 140, 108)">1</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> join</span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token string" style="color:rgb(173, 219, 103)">"inner"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">cache</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token keyword" style="color:rgb(127, 219, 202)">return</span><span class="token plain"> df</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">reset_index</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="part-2-training-the-model-and-making-predictions-predictionpy">Часть 2: Обучение модели и предсказания (<code>prediction.py</code>)<a href="https://docs.getdbt.tech/blog/train-linear-dbt-bigframes/#part-2-training-the-model-and-making-predictions-predictionpy" class="hash-link" aria-label="Прямая ссылка на part-2-training-the-model-and-making-predictions-predictionpy" title="Прямая ссылка на part-2-training-the-model-and-making-predictions-predictionpy">​</a></h3>
<div class="language-python codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-python codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token keyword" style="color:rgb(127, 219, 202)">def</span><span class="token plain"> </span><span class="token function" style="color:rgb(130, 170, 255)">model</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">dbt</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> session</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token punctuation" style="color:rgb(199, 146, 234)">:</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    dbt</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">config</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">submission_method</span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token string" style="color:rgb(173, 219, 103)">"bigframes"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> timeout</span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token number" style="color:rgb(247, 140, 108)">6000</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    df </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> dbt</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">ref</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token string" style="color:rgb(173, 219, 103)">"prepare_table"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    train_data_filter </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">df</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">date_local</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">dt</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">year </span><span class="token operator" style="color:rgb(127, 219, 202)">&lt;</span><span class="token plain"> </span><span class="token number" style="color:rgb(247, 140, 108)">2017</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    test_data_filter </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">df</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">date_local</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">dt</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">year </span><span class="token operator" style="color:rgb(127, 219, 202)">&gt;=</span><span class="token plain"> </span><span class="token number" style="color:rgb(247, 140, 108)">2017</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"> </span><span class="token operator" style="color:rgb(127, 219, 202)">&amp;</span><span class="token plain"> </span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">df</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">date_local</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">dt</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">year </span><span class="token operator" style="color:rgb(127, 219, 202)">&lt;</span><span class="token plain"> </span><span class="token number" style="color:rgb(247, 140, 108)">2020</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    predict_data_filter </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">df</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">date_local</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">dt</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">year </span><span class="token operator" style="color:rgb(127, 219, 202)">&gt;=</span><span class="token plain"> </span><span class="token number" style="color:rgb(247, 140, 108)">2020</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    index_columns </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> </span><span class="token punctuation" style="color:rgb(199, 146, 234)">[</span><span class="token string" style="color:rgb(173, 219, 103)">"state_name"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"county_name"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"site_num"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"date_local"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> </span><span class="token string" style="color:rgb(173, 219, 103)">"time_local"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">]</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    df_train </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> df</span><span class="token punctuation" style="color:rgb(199, 146, 234)">[</span><span class="token plain">train_data_filter</span><span class="token punctuation" style="color:rgb(199, 146, 234)">]</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">set_index</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">index_columns</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    df_test </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> df</span><span class="token punctuation" style="color:rgb(199, 146, 234)">[</span><span class="token plain">test_data_filter</span><span class="token punctuation" style="color:rgb(199, 146, 234)">]</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">set_index</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">index_columns</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    df_predict </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> df</span><span class="token punctuation" style="color:rgb(199, 146, 234)">[</span><span class="token plain">predict_data_filter</span><span class="token punctuation" style="color:rgb(199, 146, 234)">]</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">set_index</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">index_columns</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    X_train</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> y_train </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> df_train</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">drop</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">columns</span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token string" style="color:rgb(173, 219, 103)">"o3"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> df_train</span><span class="token punctuation" style="color:rgb(199, 146, 234)">[</span><span class="token string" style="color:rgb(173, 219, 103)">"o3"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">]</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    X_test</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> y_test </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> df_test</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">drop</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">columns</span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token string" style="color:rgb(173, 219, 103)">"o3"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> df_test</span><span class="token punctuation" style="color:rgb(199, 146, 234)">[</span><span class="token string" style="color:rgb(173, 219, 103)">"o3"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">]</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    X_predict </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> df_predict</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">drop</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">columns</span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token string" style="color:rgb(173, 219, 103)">"o3"</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token keyword" style="color:rgb(127, 219, 202)">from</span><span class="token plain"> bigframes</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">ml</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">linear_model </span><span class="token keyword" style="color:rgb(127, 219, 202)">import</span><span class="token plain"> LinearRegression</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    model </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> LinearRegression</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    model</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">fit</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">X_train</span><span class="token punctuation" style="color:rgb(199, 146, 234)">,</span><span class="token plain"> y_train</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    df_pred </span><span class="token operator" style="color:rgb(127, 219, 202)">=</span><span class="token plain"> model</span><span class="token punctuation" style="color:rgb(199, 146, 234)">.</span><span class="token plain">predict</span><span class="token punctuation" style="color:rgb(199, 146, 234)">(</span><span class="token plain">X_predict</span><span class="token punctuation" style="color:rgb(199, 146, 234)">)</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">    </span><span class="token keyword" style="color:rgb(127, 219, 202)">return</span><span class="token plain"> df_pred</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="running-your-dbt-ml-pipeline">Запуск ML-пайплайна в dbt<a href="https://docs.getdbt.tech/blog/train-linear-dbt-bigframes/#running-your-dbt-ml-pipeline" class="hash-link" aria-label="Прямая ссылка на Запуск ML-пайплайна в dbt" title="Прямая ссылка на Запуск ML-пайплайна в dbt">​</a></h2>
<div class="language-bash codeBlockContainer_Ckt0 theme-code-block" style="--prism-color:#d6deeb;--prism-background-color:#011627"><div class="codeBlockContent_m3Ux"><pre tabindex="0" class="prism-code language-bash codeBlock_qGQc thin-scrollbar" style="color:#d6deeb;background-color:#011627"><code class="codeBlockLines_p187"><span class="token-line" style="color:#d6deeb"><span class="token comment" style="color:rgb(99, 119, 119);font-style:italic"># Run all models</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">dbt run</span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain" style="display:inline-block"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain"></span><span class="token comment" style="color:rgb(99, 119, 119);font-style:italic"># Or run just your new models</span><span class="token plain"></span><br></span><span class="token-line" style="color:#d6deeb"><span class="token plain">dbt run </span><span class="token parameter variable" style="color:rgb(214, 222, 235)">--select</span><span class="token plain"> prepare_table prediction</span><br></span></code></pre><div class="buttonGroup_6DOT"><button type="button" aria-label="Скопировать в буфер обмена" title="Скопировать" class="clean-btn"><span class="copyButtonIcons_eSgA" aria-hidden="true"><svg viewBox="0 0 24 24" class="copyButtonIcon_y97N"><path fill="currentColor" d="M19,21H8V7H19M19,5H8A2,2 0 0,0 6,7V21A2,2 0 0,0 8,23H19A2,2 0 0,0 21,21V7A2,2 0 0,0 19,5M16,1H4A2,2 0 0,0 2,3V17H4V3H16V1Z"></path></svg><svg viewBox="0 0 24 24" class="copyButtonSuccessIcon_LjdS"><path fill="currentColor" d="M21,7L9,19L3.5,13.5L4.91,12.09L9,16.17L19.59,5.59L21,7Z"></path></svg></span></button><span class="reportWrap_Rm1G"><button type="button" aria-label="Сообщить об ошибке в коде" class="clean-btn"><svg viewBox="0 0 512 512" width="1.125rem" height="1.125rem" aria-hidden="true"><path fill="currentColor" d="M256 512A256 256 0 1 0 256 0a256 256 0 1 0 0 512zM216 336l24 0 0-64-24 0c-13.3 0-24-10.7-24-24s10.7-24 24-24l48 0c13.3 0 24 10.7 24 24l0 88 8 0c13.3 0 24 10.7 24 24s-10.7 24-24 24l-80 0c-13.3 0-24-10.7-24-24s10.7-24 24-24zm40-208a32 32 0 1 1 0 64 32 32 0 1 1 0-64z"></path></svg></button><span class="tooltip_xDYp" aria-hidden="true">Сообщить об ошибке в коде</span></span></div></div></div>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="key-advantages-of-dbt-and-bigframes-for-ml">Ключевые преимущества dbt и BigFrames для ML<a href="https://docs.getdbt.tech/blog/train-linear-dbt-bigframes/#key-advantages-of-dbt-and-bigframes-for-ml" class="hash-link" aria-label="Прямая ссылка на Ключевые преимущества dbt и BigFrames для ML" title="Прямая ссылка на Ключевые преимущества dbt и BigFrames для ML">​</a></h2>
<ul>
<li><strong>Масштабируемость и производительность</strong>: Работа с большими датасетами в BigQuery через BigFrames</li>
<li><strong>Упрощённый workflow</strong>: Использование знакомых API, таких как <code>pandas</code> и <code>scikit-learn</code></li>
<li><strong>Оркестрация dbt</strong>:<!-- -->
<ul>
<li>Управление зависимостями с помощью <code>dbt.ref()</code> и <code>dbt.source()</code></li>
<li>Плановое переобучение моделей через <code>dbt run</code></li>
<li>Тестирование, документация и воспроизводимость</li>
</ul>
</li>
</ul>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="conclusion-and-next-steps">Заключение и дальнейшие шаги<a href="https://docs.getdbt.tech/blog/train-linear-dbt-bigframes/#conclusion-and-next-steps" class="hash-link" aria-label="Прямая ссылка на Заключение и дальнейшие шаги" title="Прямая ссылка на Заключение и дальнейшие шаги">​</a></h2>
<p>Интегрируя <strong>BigFrames</strong> в ваши <strong>dbt-процессы</strong>, вы можете создавать масштабируемые, поддерживаемые и готовые к продакшену ML-пайплайны. Хотя в примере использовалась линейная регрессия, те же подходы применимы и к другим ML-сценариям с использованием <code>bigframes.ml</code>.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="feedback-and-support">Обратная связь и поддержка<a href="https://docs.getdbt.tech/blog/train-linear-dbt-bigframes/#feedback-and-support" class="hash-link" aria-label="Прямая ссылка на Обратная связь и поддержка" title="Прямая ссылка на Обратная связь и поддержка">​</a></h2>
<ul>
<li>📚 <a href="https://docs.getdbt.tech/docs/dbt-support/">dbt Support</a></li>
<li>📨 Обратная связь по BigFrames: <a href="mailto:bigframes-feedback@google.com" target="_blank" rel="noopener noreferrer">bigframes-feedback@google.com</a></li>
<li>🛠 <a href="https://github.com/googleapis/python-bigquery-dataframes" target="_blank" rel="noopener noreferrer">Создать issue на GitHub</a></li>
<li>📬 <a href="https://docs.google.com/forms/d/10EnDyYdYUW9HvelHYuBRC8L3GdGVl3rX0aroinbRZyc/viewform?edit_requested=true" target="_blank" rel="noopener noreferrer">Подписаться на обновления BigFrames</a></li>
</ul>]]></content>
        <author>
            <name>Jialuo Chen</name>
        </author>
        <category label="analytics craft" term="analytics craft"/>
    </entry>
    <entry>
        <title type="html"><![CDATA[Новый плагин dbt для VS Code: опыт, которого мы все ждали]]></title>
        <id>https://docs.getdbt.tech/blog/vscode-extension-experience/</id>
        <link href="https://docs.getdbt.tech/blog/vscode-extension-experience/"/>
        <updated>2025-06-25T00:00:00.000Z</updated>
        <summary type="html"><![CDATA[Как новый плагин dbt для VS Code наконец обеспечивает тот самый опыт разработки, которого мы всегда хотели.]]></summary>
        <content type="html"><![CDATA[<p>Привет, сообщество!</p>
<p>Меня зовут Бруно, и, возможно, вы видели мои посты про dbt в LinkedIn. Если нет — давайте познакомимся. Я начал работать с dbt более 3 лет назад. В то время я только осваивал этот инструмент и, чтобы лучше в нём разобраться, начал создавать материалы, которые помогали мне учиться. Один из них — шпаргалка по dbt — и стал отправной точкой моего пути в сообществе.</p>
<p>От этой шпаргалки я перешёл к созданию самых разных материалов, участию и активному взаимодействию с сообществом, и в итоге дважды получил награду dbt community award. Я очень благодарен за это и по-настоящему горжусь.</p>
<p>С момента приобретения SDF Labs компанией dbt Labs я ждал дня, когда мы увидим результат слияния этих двух компаний. Спойлер: это dbt Fusion engine — и он оказался даже лучше, чем я ожидал.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="the-dbt-developer-experience-in-the-pre-fusion-era">Developer experience в dbt до эпохи Fusion<a href="https://docs.getdbt.tech/blog/vscode-extension-experience/#the-dbt-developer-experience-in-the-pre-fusion-era" class="hash-link" aria-label="Прямая ссылка на Developer experience в dbt до эпохи Fusion" title="Прямая ссылка на Developer experience в dbt до эпохи Fusion">​</a></h2>
<p>Если вы когда‑нибудь начинали dbt‑проект, велика вероятность, что ваш путь был похож на мой: клонирование <code>jaffle_shop</code>, открытие проекта в VS Code и первый запуск <a href="https://docs.getdbt.tech/reference/commands/run/"><code>dbt run</code></a> (на самом деле второй, потому что я знаю, что в первый раз вы забыли запустить <a href="https://docs.getdbt.tech/reference/commands/deps/"><code>dbt deps</code></a>). Это и есть обряд инициации в dbt, наше «hello world».</p>
<p>Вы поигрались с <a href="https://docs.getdbt.tech/best-practices/how-we-structure/2-staging/#staging-models">staging models</a>, таблицами orders и customers. Но давайте честно: developer experience в таком сетапе всегда был немного… неуклюжим.</p>
<p>Вы хотели посмотреть lineage проекта — одну из самых крутых фич dbt — и для этого нужно было запускать <a href="https://docs.getdbt.tech/reference/commands/cmd-docs/?version=1.12#dbt-docs-generate"><code>dbt docs generate</code></a>, затем <a href="https://docs.getdbt.tech/reference/commands/cmd-docs/?version=1.12#dbt-docs-serve"><code>serve</code></a> и открывать документацию в браузере. Внесли изменения? Повторяйте всё заново.</p>
<p>Хотели посмотреть метаданные проекта? Нужно было либо снова полагаться на <a href="https://docs.getdbt.tech/reference/commands/cmd-docs/"><code>dbt docs</code></a> (и весь этот процесс), либо собирать какое‑то кастомное решение на основе <a href="https://docs.getdbt.tech/reference/artifacts/manifest-json/"><code>manifest.json</code></a>.</p>
<p>Переход на dbt Cloud (теперь это просто <span>dbt platform</span>) упростил работу. Встроенная среда <span>Studio IDE</span> с интеграцией с git позволяет проще компилировать модели и просматривать результаты. Под моделью есть автоматически обновляемая вкладка с графом зависимостей, а dbt Explorer, теперь переименованный в Catalog, значительно улучшил работу с документацией. Также доступно множество других мощных возможностей для оркестрации, мониторинга, CI/CD и многого другого.</p>
<p>Облачная платформа <span>dbt platform</span> стала большим шагом вперёд, но даже при этом многие из нас по-прежнему предпочитали собственные среды разработки. Нам нравится использовать свои темы оформления, расширения VS Code и терминалы, но это означало отказ от всех удобных облачных возможностей на время разработки. Печальный компромисс.</p>
<p>Мы уже успели перейти на платформу <span>dbt platform</span> и вернуться в терминал, а некоторые проблемы так и остались. Рассмотрим типичную ситуацию при изменении модели dbt: вы забыли запятую[1]. Об ошибке вы узнаете только после того, как dbt попытается выполнить эту модель в вашем хранилище данных, но dbt не сможет этого сделать, пока ваш кластер не будет запущен. В итоге сообщение о пропущенном знаке препинания вы получите лишь спустя целую минуту.</p>
<p>[1]: потому что вы используете trailing commas вместо leading commas — их сложнее заметить, и вообще я слишком много говорю про войну запятых.</p>
<p>Всё это постоянное «пинг‑понг» взаимодействие между dbt и платформой замедляло работу над проектом.</p>
<p>Именно поэтому этот новый релиз — настолько важное событие. Он решает все перечисленные проблемы и добавляет вещи, о необходимости которых я даже не догадывался, пока не увидел их вживую.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="the-new-era-of-dbt-development">Новая эра разработки с dbt<a href="https://docs.getdbt.tech/blog/vscode-extension-experience/#the-new-era-of-dbt-development" class="hash-link" aria-label="Прямая ссылка на Новая эра разработки с dbt" title="Прямая ссылка на Новая эра разработки с dbt">​</a></h2>
<p>После приобретения SDF Labs и с новым акцентом на удобство разработки dbt Labs представила свой новый движок — <a href="https://docs.getdbt.tech/docs/introduction/">Fusion</a>. Этот движок был создан с нуля на Rust, а его интеллектуальные возможности сделают dbt мощнее независимо от того, где вы его запускаете. Использовать движок Fusion можно разными способами, но лучший из них — с помощью также анонсированного расширения для VS Code.</p>
<p>Fusion engine в сочетании с расширением для VS Code — это то, как, по моему мнению, люди будут работать с dbt в будущем. И могу сказать честно: это ощущается как тот самый опыт, которого мы все так долго ждали.</p>
<p>После того как попробуешь, сложно представить возвращение назад. Работать с dbt в VS Code без этого расширения теперь просто не имеет смысла.</p>
<p>В нём есть множество возможностей, которые упрощают работу, повышают эффективность, позволяют разрабатывать быстрее и тратить меньше ресурсов. Но давайте расскажу о моих любимых.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="catch-sql-errors-in-real-time">Отлов SQL‑ошибок в реальном времени<a href="https://docs.getdbt.tech/blog/vscode-extension-experience/#catch-sql-errors-in-real-time" class="hash-link" aria-label="Прямая ссылка на Отлов SQL‑ошибок в реальном времени" title="Прямая ссылка на Отлов SQL‑ошибок в реальном времени">​</a></h3>
<p>Здесь выбор был очевиден. Больше не нужно ждать, пока платформа отладит ваш код за вас. Если вы ошиблись в названии колонки или перепутали порядок параметров функции, вы увидите ошибку ещё до запуска.</p>
<p>Это возможно потому, что Fusion больше не воспринимает SQL просто как строку — он действительно его понимает. Плюс, он показывает полезную информацию о самой ошибке.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        "><span><a href="https://docs.getdbt.tech/blog/vscode-extension-experience/#" data-featherlight="/img/blog/2025-06-16-the-new-dbt-vscode-extension/vs_code_extension_function_error.png"><img data-toggle="lightbox" alt="Показ ошибок функций." title="Показ ошибок функций." src="https://docs.getdbt.tech/img/blog/2025-06-16-the-new-dbt-vscode-extension/vs_code_extension_function_error.png?v=2"></a></span><span class="title_aGrV">Показ ошибок функций.</span></div>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        "><span><a href="https://docs.getdbt.tech/blog/vscode-extension-experience/#" data-featherlight="/img/blog/2025-06-16-the-new-dbt-vscode-extension/vs_code_extension_column_error.png"><img data-toggle="lightbox" alt="Показ ошибок в названиях колонок." title="Показ ошибок в названиях колонок." src="https://docs.getdbt.tech/img/blog/2025-06-16-the-new-dbt-vscode-extension/vs_code_extension_column_error.png?v=2"></a></span><span class="title_aGrV">Показ ошибок в названиях колонок.</span></div>
<p>На мой взгляд, это самое большое улучшение во всём этом движке.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="model-and-column-lineage">Lineage моделей и колонок<a href="https://docs.getdbt.tech/blog/vscode-extension-experience/#model-and-column-lineage" class="hash-link" aria-label="Прямая ссылка на Lineage моделей и колонок" title="Прямая ссылка на Lineage моделей и колонок">​</a></h3>
<p>Ещё одна моя любимая функция — просмотр графа зависимостей. Если вы пользовались платформой <span>dbt</span>, то почувствуете себя как дома. А если вы использовали dbt Core, то наконец-то вам больше не придётся генерировать документацию с помощью <code>dbt docs</code>, чтобы визуализировать зависимости.</p>
<p>Теперь прямо в VS Code есть вкладка lineage, которая показывает lineage проекта в интерактивном и «живом» виде. Можно использовать lenses — это удобный способ визуализировать проект по разным атрибутам, например <code>resource_type</code> или <code>materialization</code>.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        "><span><a href="https://docs.getdbt.tech/blog/vscode-extension-experience/#" data-featherlight="/img/blog/2025-06-16-the-new-dbt-vscode-extension/vs_code_extension_project_lineage.png"><img data-toggle="lightbox" alt="Линейность проекта." title="Линейность проекта." src="https://docs.getdbt.tech/img/blog/2025-06-16-the-new-dbt-vscode-extension/vs_code_extension_project_lineage.png?v=2"></a></span><span class="title_aGrV">Линейность проекта.</span></div>
<p>И ещё одна вещь, которую я не ожидал здесь увидеть, но очень рад, что она есть, — column‑level lineage. Не просто откуда берутся колонки, но и как они меняются: переименовываются, трансформируются или прокидываются дальше без изменений.</p>
<p>Это невероятно полезно для отладки трансформаций или для понимания того, как формируется ключевая метрика на протяжении всей цепочки моделей.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        "><span><a href="https://docs.getdbt.tech/blog/vscode-extension-experience/#" data-featherlight="/img/blog/2025-06-16-the-new-dbt-vscode-extension/vs_code_extension_cll.png"><img data-toggle="lightbox" alt="Линейность на уровне колонок." title="Линейность на уровне колонок." src="https://docs.getdbt.tech/img/blog/2025-06-16-the-new-dbt-vscode-extension/vs_code_extension_cll.png?v=2"></a></span><span class="title_aGrV">Линейность на уровне колонок.</span></div>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="instant-refactoring">Мгновенный рефакторинг<a href="https://docs.getdbt.tech/blog/vscode-extension-experience/#instant-refactoring" class="hash-link" aria-label="Прямая ссылка на Мгновенный рефакторинг" title="Прямая ссылка на Мгновенный рефакторинг">​</a></h3>
<p>Ладно, покажу ещё одну вещь! Бывало ли у вас так, что вы хотели переименовать модель или колонку, но она используется во множестве downstream‑объектов, и вы отказывались от идеи, потому что не хотелось всё рефакторить или было страшно что‑нибудь сломать?</p>
<p>Теперь, благодаря глубокому пониманию SQL в dbt Fusion, вы можете переименовать модель или колонку, а расширение автоматически отрефакторит все downstream‑зависимости. И не переживайте: перед применением изменений расширение покажет их превью, чтобы вы были уверены, что всё делается именно так, как нужно.</p>
<video width="100%" height="100%" muted="" controls=""><source src="/img/blog/2025-06-16-the-new-dbt-vscode-extension/vs_code_extension_refactoring.webm" type="video/webm"></video>
<p>У этого расширения есть и множество других возможностей: мгновенная навигация по моделям, автодополнение буквально всего, переименование моделей и колонок с предупреждением о влиянии на проект, предпросмотр моделей и CTE и многое другое — часть этого уже подробно описана в других блогах. К тому же расширение только что вышло, так что, уверен, нас ждёт ещё много улучшений.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="conclusion-a-new-default">Заключение: новый стандарт<a href="https://docs.getdbt.tech/blog/vscode-extension-experience/#conclusion-a-new-default" class="hash-link" aria-label="Прямая ссылка на Заключение: новый стандарт" title="Прямая ссылка на Заключение: новый стандарт">​</a></h2>
<p>Это расширение меняет само ощущение от работы с dbt. Оно объединяет производительность, контекст и интерактивность таким образом, что dbt наконец‑то чувствует себя «родным» внутри современного developer‑окружения. И самое приятное — это только начало.</p>
<p>Fusion engine уже делает dbt быстрее и умнее «под капотом». И он открывает дорогу к более плавному, уверенному и интуитивному процессу разработки. Меньше переключений контекста. Меньше подводных камней. Больше времени на размышления о данных, а не об инструментах.</p>
<p>Если вы когда‑нибудь писали модели в текстовом редакторе и думали, что dbt «просто должен понимать больше», — это для вас.</p>
<p>Если вы полагались на CLI, но вам не хватало полноценного автокомплита, — это для вас.</p>
<p>И если вы хотели лучшее из двух миров — гибкость Core и мощь Cloud, — возможно, это станет вашим новым стандартом. Даже если вы используете dbt Cloud, это выводит dbt-core на совершенно новый уровень.</p>
<p>Мы с огромным интересом ждём, как сообщество будет использовать всё это. Попробуйте. Потестируйте. Делитесь тем, что работает, и тем, чего не хватает.</p>
<p>Это расширение будет постоянно обновляться, так что следите за новостями.</p>
<p><strong>Это тот самый опыт, которого мы все ждали.</strong></p>
<p><em>Бруно — ведущий Data Engineer в <a href="https://www.phdata.io/" target="_blank" rel="noopener noreferrer">phData</a> и недавно создал платформу для обучения dbt под названием <a href="https://www.datagym.io/" target="_blank" rel="noopener noreferrer">DataGym.io</a>.</em></p>]]></content>
        <author>
            <name>Bruno Souza de Lima</name>
        </author>
        <category label="analytics craft" term="analytics craft"/>
        <category label="data ecosystem" term="data ecosystem"/>
    </entry>
    <entry>
        <title type="html"><![CDATA[Компоненты движка dbt Fusion и то, как они сочетаются друг с другом]]></title>
        <id>https://docs.getdbt.tech/blog/dbt-fusion-engine-components/</id>
        <link href="https://docs.getdbt.tech/blog/dbt-fusion-engine-components/"/>
        <updated>2025-05-28T00:00:00.000Z</updated>
        <summary type="html"><![CDATA[Новый движок позволяет отделить исходный код от функциональности, открывая новые способы распространения функциональности для сообщества.]]></summary>
        <content type="html"><![CDATA[<p>Сегодня мы анонсировали <a href="https://docs.getdbt.tech/blog/dbt-fusion-engine/">движок dbt Fusion</a>.</p>
<p>Fusion — это не какая‑то одна вещь. Это набор взаимосвязанных компонентов, которые вместе обеспечивают работу следующего поколения аналитической инженерии.</p>
<p>В этом посте мы разберём каждый элемент архитектуры Fusion, объясним, как они сочетаются друг с другом, и проясним, что именно доступно вам в зависимости от того, компилируете ли вы Fusion из исходного кода, используете наши готовые бинарные сборки или разрабатываете внутри продукта, построенного на dbt Fusion.</p>
<p>От движка на Rust до расширения VS Code, от новых адаптеров на базе Arrow до базовых технологий под лицензией Apache — мы подробно разберём, что делает каждый компонент, под какой лицензией он распространяется (о причинах см. <a href="https://www.getdbt.com/blog/new-code-new-license-understanding-the-new-license-for-the-dbt-fusion-engine" target="_blank" rel="noopener noreferrer">сопутствующий пост Тристана</a>), а также как вы можете начать использовать Fusion и принять участие уже сегодня.</p>
<p><em>Этот пост описывает состояние системы на момент, когда Fusion достигнет General Availability. О пути к GA читайте <a href="https://docs.getdbt.tech/blog/dbt-fusion-engine-path-to-ga/">в этом посте</a>.</em></p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="ways-to-access">Существует несколько способов получить доступ к движку dbt Fusion<a href="https://docs.getdbt.tech/blog/dbt-fusion-engine-components/#ways-to-access" class="hash-link" aria-label="Прямая ссылка на Существует несколько способов получить доступ к движку dbt Fusion" title="Прямая ссылка на Существует несколько способов получить доступ к движку dbt Fusion">​</a></h2>
<p>Одно из ключевых отличий между движком dbt Fusion и dbt Core — язык реализации. Core написан на Python, Fusion — на Rust. Это важно не только из‑за прироста производительности, но и потому, что это создаёт для нас новый способ распространения функциональности в сообществе.</p>
<p>Чтобы распространять Python‑программу, необходимо распространять и её исходный код. Rust же — компилируемый язык, а значит мы можем делиться либо исходным кодом, либо только скомпилированными бинарными файлами, полученными из этого кода.</p>
<p>Это означает, что функции, которые по соображениям защиты интеллектуальной собственности раньше должны были оставаться полностью проприетарными, теперь могут широко распространяться в виде бинарных файлов. При этом существует и полностью source-available версия dbt Fusion, которая к моменту GA превзойдёт возможности dbt Core.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="what-variants-of-the-dbt-fusion-engine-exist">Какие варианты движка dbt Fusion существуют?<a href="https://docs.getdbt.tech/blog/dbt-fusion-engine-components/#what-variants-of-the-dbt-fusion-engine-exist" class="hash-link" aria-label="Прямая ссылка на Какие варианты движка dbt Fusion существуют?" title="Прямая ссылка на Какие варианты движка dbt Fusion существуют?">​</a></h2>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="source-available-dbt-fusion-engine">Source-available версия движка dbt Fusion<a href="https://docs.getdbt.tech/blog/dbt-fusion-engine-components/#source-available-dbt-fusion-engine" class="hash-link" aria-label="Прямая ссылка на Source-available версия движка dbt Fusion" title="Прямая ссылка на Source-available версия движка dbt Fusion">​</a></h3>
<p>Тип артефакта: код</p>
<p>Где доступно: <a href="https://github.com/dbt-labs/dbt-fusion" target="_blank" rel="noopener noreferrer">https://github.com/dbt-labs/dbt-fusion</a><br>
<!-- -->(Примечание: на данный момент репозиторий содержит только код, необходимый для <code>dbt parse</code> и <code>dbt deps</code> — продолжение следует!)</p>
<p>Лицензия: ELv2</p>
<p>Это фундамент движка Fusion — код, который позволяет:</p>
<ul>
<li>выполнять <code>dbt seed/run/test/build</code></li>
<li>рендерить Jinja и строить DAG</li>
<li>подключаться к адаптерам, которые превращают ваш dbt‑проект в DDL и DML для хранилища данных</li>
<li>формировать артефакты вашего dbt‑проекта</li>
</ul>
<p>Важно отметить: доступный сегодня бинарник, собранный самостоятельно, пока что умеет немного. К моменту выхода нового движка в General Availability его source-available компоненты <a href="https://docs.getdbt.tech/blog/dbt-fusion-engine-path-to-ga/">превзойдут совокупные возможности dbt Core</a>. <strong>Если вы — команда данных, использующая dbt Core, то простой запуск самостоятельно собранной версии dbt Fusion станет для вас чистым апгрейдом.</strong></p>
<p>Этот репозиторий также будет включать код, необходимый для <a href="https://docs.getdbt.tech/blog/the-levels-of-sql-comprehension/#level-1-parsing">SQL Comprehension уровня 1</a> (возможность разбирать SQL в синтаксическое дерево).</p>
<p>При соблюдении <a href="http://www.getdbt.com/licenses-faq" target="_blank" rel="noopener noreferrer">трёх ограничений ELv2</a>:</p>
<ul>
<li>✅ вы можете использовать бинарный файл в своих дата‑процессах без участия dbt Labs</li>
<li>✅ вы можете просматривать и модифицировать код</li>
</ul>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="precompiled-dbt-fusion-engine-binary">Предсобранный бинарник движка dbt Fusion<a href="https://docs.getdbt.tech/blog/dbt-fusion-engine-components/#precompiled-dbt-fusion-engine-binary" class="hash-link" aria-label="Прямая ссылка на Предсобранный бинарник движка dbt Fusion" title="Прямая ссылка на Предсобранный бинарник движка dbt Fusion">​</a></h3>
<p>Тип артефакта: предсобранный бинарный файл</p>
<p>Как получить доступ: скачайте, следуя инструкциям <a href="https://docs.getdbt.tech/docs/local/install-dbt/?version=2">здесь</a></p>
<p>Лицензия: ELv2</p>
<p>Когда вы скачиваете предсобранный бинарник, созданный dbt Labs, он включает:</p>
<ul>
<li><strong>всю функциональность Source-available версии Fusion</strong></li>
<li>дополнительные возможности, основанные на проприетарном коде (например, <a href="https://docs.getdbt.tech/blog/the-levels-of-sql-comprehension/#level-2-compiling">SQL Comprehension уровня 2</a>, необходимый для компиляции и типовой проверки SQL)</li>
</ul>
<p>При соблюдении трёх ограничений ELv2:</p>
<ul>
<li>✅ вы можете использовать бинарник в своих дата‑процессах без участия dbt Labs</li>
<li>❌ но вы не можете просматривать или изменять сам код</li>
</ul>
<p><strong>Подавляющему большинству существующих пользователей dbt Core, которые переходят на свободно распространяемые компоненты Fusion, стоит использовать именно бинарник, а не собирать его из исходного кода.</strong> У бинарника те же разрешения, но больше возможностей (и он избавляет вас от необходимости компиляции). Вы можете бесплатно использовать его внутри своей компании, даже если вы не являетесь клиентом dbt Labs.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="using-the-dbt-fusion-engine-with-a-commercial-agreement">Использование движка dbt Fusion по коммерческому соглашению<a href="https://docs.getdbt.tech/blog/dbt-fusion-engine-components/#using-the-dbt-fusion-engine-with-a-commercial-agreement" class="hash-link" aria-label="Прямая ссылка на Использование движка dbt Fusion по коммерческому соглашению" title="Прямая ссылка на Использование движка dbt Fusion по коммерческому соглашению">​</a></h3>
<p>Тип артефакта: предсобранный бинарник и управляемый сервис</p>
<p>Где доступно: <a href="https://docs.getdbt.tech/docs/local/install-dbt/">скачать бинарник</a> и <a href="http://getdbt.com/signup" target="_blank" rel="noopener noreferrer">зарегистрироваться в сервисе</a></p>
<p>Доступно: <a href="https://docs.getdbt.tech/docs/local/install-dbt/?version=2">Скачать бинарный файл</a> и <a href="http://getdbt.com/signup" target="_blank" rel="noopener noreferrer">зарегистрироваться в сервисе</a></p>
<p>Организации, <em>имеющие</em> коммерческое соглашение, получают доступ к ещё большему набору возможностей, при этом используя тот же самый публично распространяемый бинарник, о котором говорилось выше. Если вы хотите начать использовать платформенные функции, <a href="https://docs.getdbt.tech/docs/mesh/govern/project-dependencies" target="_blank" rel="noopener noreferrer">например dbt Mesh</a>, всё, что нужно — это <a href="https://docs.getdbt.tech/docs/platform/configure-dbt-cli/#configure-the-dbt-platform-cli">скачать конфигурационный файл</a>. <em>(Комментарий Джоэла: как человек, который последние пару лет совмещал dbt Cloud CLI и dbt Core, я не могу передать, насколько я этому рад.)</em></p>
<p>Организации, у которых <em>есть</em> коммерческое соглашение, получат доступ к ещё большему числу возможностей, но будут использовать тот же общедоступный бинарный файл, о котором говорилось выше. Если вы хотите начать использовать возможности платформы, <a href="https://docs.getdbt.com/docs/mesh/govern/project-dependencies" target="_blank" rel="noopener noreferrer">такие как dbt Mesh</a>, достаточно <a href="https://docs.getdbt.com/docs/platform/configure-dbt-cli#configure-the-dbt-cli" target="_blank" rel="noopener noreferrer">скачать файл конфигурации</a>. <em>(Комментарий Джоэла: последние пару лет мне приходилось попеременно работать с dbt Cloud CLI и dbt Core, и я не могу передать словами, насколько меня радует эта новость.)</em></p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="other-pieces-of-the-puzzle">Другие элементы мозаики<a href="https://docs.getdbt.tech/blog/dbt-fusion-engine-components/#other-pieces-of-the-puzzle" class="hash-link" aria-label="Прямая ссылка на Другие элементы мозаики" title="Прямая ссылка на Другие элементы мозаики">​</a></h2>
<p>Движок dbt Fusion — это главный герой, но лежащие в его основе технологии можно комбинировать самыми разными способами.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="the-dbt-vs-code-extension-and-language-server">Расширение dbt для VS Code и Language Server<a href="https://docs.getdbt.tech/blog/dbt-fusion-engine-components/#the-dbt-vs-code-extension-and-language-server" class="hash-link" aria-label="Прямая ссылка на Расширение dbt для VS Code и Language Server" title="Прямая ссылка на Расширение dbt для VS Code и Language Server">​</a></h3>
<p>Тип артефакта: предсобранные бинарники</p>
<p>Как получить доступ: <a href="https://marketplace.visualstudio.com/items?itemName=dbtLabsInc.dbt" target="_blank" rel="noopener noreferrer">установить из VS Code marketplace</a></p>
<p>Лицензия: проприетарная</p>
<p>Расширение dbt для VS Code — один из первых продуктовых интерфейсов, построенных поверх Fusion. Оно не является <em>частью</em> Fusion, но <em>работает на базе</em> Fusion и входит в более широкое предложение платформы dbt (с щедрым бесплатным тарифом). В частности, расширение VS Code взаимодействует с ещё одним совершенно новым бинарником — dbt <a href="https://microsoft.github.io/language-server-protocol/" target="_blank" rel="noopener noreferrer">Language Server</a>.</p>
<p>Language Server построен на подмножестве технологий, лежащих в основе расширенного движка Fusion. Например, он может быстро компилировать SQL и взаимодействовать с базами данных, но когда приходит время реально запускать модель, он передаёт управление dbt‑бинарнику.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        "><span><a href="https://docs.getdbt.tech/blog/dbt-fusion-engine-components/#" data-featherlight="/img/blog/2025-05-28-dbt-fusion-engine-components/vscode-ext-binary-roles.png"><img data-toggle="lightbox" alt="Расширение VS Code взаимодействует с Language Server для понимания SQL и с бинарником Fusion для выполнения SQL." title="Расширение VS Code взаимодействует с Language Server для понимания SQL и с бинарником Fusion для выполнения SQL." src="https://docs.getdbt.tech/img/blog/2025-05-28-dbt-fusion-engine-components/vscode-ext-binary-roles.png?v=2"></a></span><span class="title_aGrV">Расширение VS Code взаимодействует с Language Server для понимания SQL и с бинарником Fusion для выполнения SQL.</span></div>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        "><span><a href="https://docs.getdbt.tech/blog/dbt-fusion-engine-components/#" data-featherlight="/img/blog/2025-05-28-dbt-v2-engine-components/vscode-ext-binary-roles.png"><img data-toggle="lightbox" alt="Расширение VS Code взаимодействует с языковым сервером для анализа вашего SQL и с бинарным файлом Fusion для выполнения вашего SQL." title="Расширение VS Code взаимодействует с языковым сервером для анализа вашего SQL и с бинарным файлом Fusion для выполнения вашего SQL." src="https://docs.getdbt.tech/img/blog/2025-05-28-dbt-v2-engine-components/vscode-ext-binary-roles.png?v=2"></a></span><span class="title_aGrV">Расширение VS Code взаимодействует с языковым сервером для анализа вашего SQL и с бинарным файлом Fusion для выполнения вашего SQL.</span></div>
<p>Тип артефакта: определения JSON Schema</p>
<p>Где доступно: Git‑репозитории для <a href="https://github.com/dbt-labs/dbt-jsonschema" target="_blank" rel="noopener noreferrer">входных файлов</a> и <a href="https://github.com/dbt-labs/schemas.getdbt.com" target="_blank" rel="noopener noreferrer">выходных артефактов</a></p>
<p>Лицензия: Apache 2.0</p>
<p>Когда вы думаете о dbt, вы, скорее всего, представляете комбинацию движка (описанного выше) и Authoring Layer.</p>
<p>Authoring Layer включает всё необходимое для описания <em>что именно</em> представляет собой dbt‑проект: <strong>YAML‑спецификации, спецификации артефактов, команды и флаги CLI</strong>, а также <strong>сигнатуры макросов</strong>. Как пользовательский интерфейс dbt, authoring layer является общим как для Core, так и для Fusion, хотя движок Fusion не поддерживает ряд поведений и функций, объявленных устаревшими в более ранних версиях dbt Core.</p>
<p>Впервые мы публикуем серию канонических JSON‑схем, <em>подкреплённых кодом dbt Core и Fusion</em>, которые описывают допустимое содержимое различных YAML‑файлов dbt. Эти схемы распространяются под лицензией Apache 2.0 и будут особенно полезны для других инструментов, интегрирующихся с dbt‑проектами.</p>
<p>Это дополняет уже существующие JSON‑схемы, описывающие формат выходных артефактов dbt (например, <code>manifest.json</code>). По мере стабилизации метаданных Fusion (логирования и артефактов) на пути к GA мы будем обновлять опубликованные схемы.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="dbt-fusion-engine-adapters">Адаптеры движка dbt Fusion<a href="https://docs.getdbt.tech/blog/dbt-fusion-engine-components/#dbt-fusion-engine-adapters" class="hash-link" aria-label="Прямая ссылка на Адаптеры движка dbt Fusion" title="Прямая ссылка на Адаптеры движка dbt Fusion">​</a></h3>
<p>Тип артефакта: исходный код</p>
<p>Где доступно: начальный код в репозитории <a href="https://github.com/dbt-labs/dbt-fusion" target="_blank" rel="noopener noreferrer"><code>dbt-fusion</code></a>, дальнейшие дополнения — позже</p>
<p>Лицензия: Apache 2.0 (позже в этом году)</p>
<p>Адаптеры отвечают за две ключевые задачи:</p>
<ul>
<li>знание того, как создавать корректные SQL‑команды (через макросы и материализации) для конкретной платформы данных</li>
<li>подключение к целевой платформе данных и отправку ей SQL‑команд</li>
</ul>
<p>Так же как Fusion является движком следующего поколения для dbt, нам потребовались и адаптеры следующего поколения. Эти адаптеры написаны на Rust и построены на стандарте Apache Arrow.</p>
<p>Шаблонизация SQL‑команд в значительной степени наследует подход с макросами из адаптеров dbt Core. А вот подключение к базам данных — совсем другая история: движок dbt Fusion не может использовать Python‑классы, присутствующие в каждом адаптере, по практическим причинам и соображениям производительности.</p>
<p>Здесь на сцену выходит экосистема Apache Arrow в целом и новый <a href="https://arrow.apache.org/adbc/current/index.html" target="_blank" rel="noopener noreferrer">ADBC API</a> в частности. ADBC — это ориентированная на будущее платформа для подключения к базам данных, и мы активно используем её в адаптерах Fusion.</p>
<p>Поскольку стандарт ADBC очень новый, не все базы данных пока с ним совместимы, а использование ADBC из Rust‑клиента — непростая задача. Чтобы решить обе проблемы, мы создали Rust‑библиотеку <code>XDBC</code>, которая:</p>
<ul>
<li>поддерживает ODBC‑подключения к базам данных, где Arrow пока не доступен в качестве формата вывода</li>
<li>предоставляет обобщённые методы для создания и управления подключениями к базам данных</li>
<li>полезна всем, кто хочет создавать инструменты для работы с данными на Rust — как внутри, так и за пределами экосистемы dbt</li>
</ul>
<p>Всё это будет выложено в open source под лицензией Apache 2.0 позже в этом году, а именно:</p>
<ul>
<li>адаптеры Fusion, созданные нами</li>
<li>библиотека XDBC</li>
<li>а также дальнейшие улучшения, которые мы будем отправлять upstream в проект Apache Arrow ADBC</li>
</ul>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="antlr-grammars">Грамматики ANTLR<a href="https://docs.getdbt.tech/blog/dbt-fusion-engine-components/#antlr-grammars" class="hash-link" aria-label="Прямая ссылка на Грамматики ANTLR" title="Прямая ссылка на Грамматики ANTLR">​</a></h3>
<p>Тип артефакта: файлы g4</p>
<p>Где доступно: (репозиторий появится позже; пока что обсуждение доступно в канале #dbt-fusion-engine в Slack‑сообществе dbt)</p>
<p>Лицензия: Apache 2.0 (позже в этом году)</p>
<p>Грамматики <a href="https://www.antlr.org/" target="_blank" rel="noopener noreferrer">ANTLR</a> — это формальные спецификации языков, которые позволяют Fusion <a href="https://docs.getdbt.tech/blog/sql-comprehension-technologies/">разбирать</a> SQL‑запросы во множестве диалектов. ANTLR принимает эти декларативные грамматики высокого уровня и на их основе генерирует парсер. Такие грамматики полезны везде, где требуется разбор SQL, — не только в Fusion, — поэтому мы публикуем их под лицензией Apache 2.0, чтобы сообщество и другие участники экосистемы данных могли использовать их в своих проектах.</p>
<p>Большинство грамматик ANTLR применимы только к одному диалекту, но команда SDF создала систему, позволяющую определить общую базовую грамматику и затем генерировать из неё g4‑файлы для каждого хранилища. Это сокращает объём работы по поддержке нового диалекта вдвое при сохранении необходимого уровня точности и надёжности.</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="dbt-jinja">dbt-jinja<a href="https://docs.getdbt.tech/blog/dbt-fusion-engine-components/#dbt-jinja" class="hash-link" aria-label="Прямая ссылка на dbt-jinja" title="Прямая ссылка на dbt-jinja">​</a></h3>
<p>Тип артефакта: исходный код</p>
<p>Где доступно: <a href="https://github.com/dbt-labs/dbt-fusion/tree/main/dbt-jinja" target="_blank" rel="noopener noreferrer">подкаталог репозитория dbt-fusion</a><br>
<!-- -->(хотя ещё требуется работа, прежде чем его будет удобно использовать вне репозитория Fusion)</p>
<p>Лицензия: Apache 2.0</p>
<p>Поскольку Fusion полностью написан на Rust, а Jinja — это Python‑проект, нам понадобился совершенно новый способ рендеринга Jinja, используемой в пользовательских проектах. Мы начали с перехода на <a href="https://github.com/mitsuhiko/minijinja" target="_blank" rel="noopener noreferrer">minijinja</a> — Rust‑порт подмножества оригинального проекта Jinja, написанный его первоначальным автором.</p>
<p>Этого подмножества оказалось недостаточно для поддержки существующих dbt‑проектов, поэтому мы реализовали на Rust большую часть недостающих возможностей. В результате мы получили лучшее из двух миров: значительный прирост производительности при сохранении совместимости с существующими кодовыми базами пользователей.</p>
<p>dbt-jinja — самая функционально полная реализация Jinja на Rust. Она уже доступна под лицензией Apache 2.0, а более формальный релиз (документация и т. д.) запланирован на конец этого года. Она полезна как для создания инструментов поверх dbt‑проектов, так и для совершенно других задач, где просто требуется быстрый рендеринг Jinja.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="how-do-i-engage-with-these-components">Как можно взаимодействовать с этими компонентами?<a href="https://docs.getdbt.tech/blog/dbt-fusion-engine-components/#how-do-i-engage-with-these-components" class="hash-link" aria-label="Прямая ссылка на Как можно взаимодействовать с этими компонентами?" title="Прямая ссылка на Как можно взаимодействовать с этими компонентами?">​</a></h2>
<p>Наши <a href="https://docs.getdbt.tech/community/resources/contributor-expectations/">принципы для контрибьюторов</a> остаются прежними: разработка dbt — это командный спорт.</p>
<ul>
<li>Если вы хотите открыть PR к публично доступному коду — вы можете это сделать.</li>
<li>Если вы хотите заводить issues с описанием багов в период беты движка Fusion — вы можете это сделать. (Это, пожалуй, один из самых ценных способов помочь!)</li>
<li>Если вы хотите открыть обсуждение и предложить новый способ более эффективного использования dbt в нашем новом SQL‑осознанном мире — вы можете это сделать.</li>
<li>Если вы хотите двигаться «вверх по стеку» и вносить вклад в стандарты, лежащие в основе движка dbt Fusion, такие как Arrow, ADBC, Iceberg или DataFusion — вы можете это сделать. Там вы можете встретить знакомые лица!</li>
<li>Если вы просто хотите, чтобы dbt становился всё лучше в фоновом режиме — это тоже нормально.</li>
<li>Хотите присоединиться к команде, которая всё это создаёт? Если описанные здесь компоненты вам особенно интересны, напишите на <a href="mailto:careers.fusion@dbtlabs.com" target="_blank" rel="noopener noreferrer">careers.fusion@dbtlabs.com</a>.</li>
</ul>
<p>Если вам нужна помощь, чтобы разобраться во всех этих новых компонентах, заглядывайте в канал #dbt-fusion-engine в Slack‑сообществе — будем рады пообщаться.</p>]]></content>
        <author>
            <name>Jason Ganz</name>
        </author>
        <author>
            <name>Joel Labes</name>
        </author>
        <category label="analytics craft" term="analytics craft"/>
        <category label="data ecosystem" term="data ecosystem"/>
    </entry>
    <entry>
        <title type="html"><![CDATA[Знакомьтесь с dbt Fusion Engine: новый индустриальный движок для dbt на Rust]]></title>
        <id>https://docs.getdbt.tech/blog/dbt-fusion-engine/</id>
        <link href="https://docs.getdbt.tech/blog/dbt-fusion-engine/"/>
        <updated>2025-05-28T00:00:00.000Z</updated>
        <summary type="html"><![CDATA[Движок dbt Fusion обеспечивает новое поколение developer experience, объединяя высокую скорость выполнения с глубоким пониманием вашего кода.]]></summary>
        <content type="html"><![CDATA[<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="tldr-what-you-need-to-know">TL;DR: что нужно знать<a href="https://docs.getdbt.tech/blog/dbt-fusion-engine/#tldr-what-you-need-to-know" class="hash-link" aria-label="Прямая ссылка на TL;DR: что нужно знать" title="Прямая ссылка на TL;DR: что нужно знать">​</a></h2>
<ul>
<li>Привычный интерфейс разработки dbt остаётся неизменным, но лежащий в его основе движок выполнения полностью обновлён.</li>
<li>Новый движок называется dbt Fusion engine — он полностью переписан на Rust на основе технологии <a href="https://www.getdbt.com/blog/dbt-labs-acquires-sdf-labs" target="_blank" rel="noopener noreferrer">SDF</a>.  Движок dbt Fusion значительно быстрее dbt Core и оснащён встроенной <a href="https://docs.getdbt.tech/blog/the-levels-of-sql-comprehension/">технологией понимания SQL</a>, которая обеспечивает поддержку рабочих процессов аналитической инженерии нового поколения.</li>
<li>Движок dbt Fusion сейчас находится в стадии бета-тестирования. Вы можете попробовать его уже сегодня, если используете Snowflake, — поддержка дополнительных адаптеров начнёт появляться в начале июня. Ознакомьтесь с нашим <a href="https://docs.getdbt.tech/blog/dbt-fusion-engine-path-to-ga/">планом выхода в общую доступность</a> (GA) и <a href="https://docs.getdbt.tech/guides/dbt/">попробуйте руководство по быстрому началу работы</a>.</li>
<li><strong>Чтобы использовать Fusion, не обязательно быть клиентом dbt Labs — пользователи dbt Core уже сегодня могут бесплатно использовать движок dbt Fusion в своей локальной среде.</strong></li>
<li>Вы можете использовать <span>dbt v2</span> с <a href="https://marketplace.visualstudio.com/items?itemName=dbtLabsInc.dbt" target="_blank" rel="noopener noreferrer">новым расширением dbt для VS Code</a>, <a href="https://docs.getdbt.tech/docs/local/install-dbt/?version=2">непосредственно через CLI</a> или <a href="https://docs.getdbt.tech/docs/dbt-versions/upgrade-dbt-platform-version/#dbt-fusion-engine">в dbt Studio</a>.</li>
<li>Это начало новой эры аналитической инженерии. Чтобы узнать, какие возможности движок Fusion откроет в ближайшие 1–2 года, <a href="https://getdbt.com/blog/where-we-re-headed-with-the-dbt-fusion-engine" target="_blank" rel="noopener noreferrer">прочитайте эту статью</a>.</li>
</ul>
<p>С момента своего появления в 2016 году dbt проложил путь революции аналитической инженерии. Команды по всему миру перешли от разрозненных процессов с кастомными SQL‑скриптами к зрелым аналитическим workflows, основанным на <a href="https://docs.getdbt.tech/community/resources/viewpoint" target="_blank" rel="noopener noreferrer">подходе dbt</a>. dbt позволяет специалистам по данным <em>работать как инженеры-программисты</em>, создавая аналитический код как актив и быстрее поставляя надёжные data‑продукты.</p>
<p>dbt стал олицетворять сразу несколько вещей:</p>
<ul>
<li><strong>Подход</strong> к тому, как должна выполняться аналитика</li>
<li><strong>Workflow</strong>, в рамках которого специалисты по данным могли применять этот подход на практике</li>
<li><strong>Фреймворк</strong> — dbt Core — который обеспечивал этот workflow и включал:<!-- -->
<ul>
<li>Слой авторинга: схемы, спецификации и определения dbt‑проекта, написанные на SQL, YML и Jinja</li>
<li>Движок: инструменты, с помощью которых слой авторинга собирался и выполнялся на платформе данных, включая рендеринг шаблонного кода в исполняемый SQL, построение графа зависимостей и многое другое</li>
</ul>
</li>
</ul>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        "><span><a href="https://docs.getdbt.tech/blog/dbt-fusion-engine/#" data-featherlight="/img/blog/2025-05-28-dbt-v2-engine/engine-and-authoring-layer.png"><img data-toggle="lightbox" alt="dbt состоит из двух разных компонентов: слоя разработки и движка." title="dbt состоит из двух разных компонентов: слоя разработки и движка." src="https://docs.getdbt.tech/img/blog/2025-05-28-dbt-v2-engine/engine-and-authoring-layer.png?v=2"></a></span><span class="title_aGrV">dbt состоит из двух разных компонентов: слоя разработки и движка.</span></div>
<p>Хотя слой авторинга продолжал успешно развиваться и предоставлять разработчикам dbt всё больше возможностей, сам движок — dbt Core — по‑прежнему построен на тех же технологиях и использует те же ключевые архитектурные принципы, что и в 2016 году. Это приводит к двум фундаментальным проблемам, которые невозможно решить итеративно:</p>
<ol>
<li>dbt Core может быть <em>медленным</em>. Он написан на Python, и для крупных dbt‑проектов это становится непрактичным. Даже для небольших проектов, чтобы обеспечить действительно хороший developer experience, требовался скачок производительности.</li>
<li>Движок dbt рендерит SQL, но не <em>понимает SQL</em>. Это означает, что любая функциональность, зависящая от семантики SQL‑кода, была невозможна для реализации внутри dbt.</li>
</ol>
<p>Поэтому стало очевидно: чтобы поддерживать аналитические нагрузки будущего, постепенные улучшения не подойдут — нам нужно было <strong>пересобрать движок dbt с нуля</strong>. Нам был нужен:</p>
<ul>
<li>Движок, ориентированный на скорость</li>
<li>Движок, который <em>понимает ваш код</em></li>
<li>Движок, который станет основой следующего поколения developer experience</li>
</ul>
<p>И этим движком стал Fusion.</p>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="what-exactly-is-fusion">Что такое Fusion?<a href="https://docs.getdbt.tech/blog/dbt-fusion-engine/#what-exactly-is-fusion" class="hash-link" aria-label="Прямая ссылка на Что такое Fusion?" title="Прямая ссылка на Что такое Fusion?">​</a></h2>
<p>Fusion — это новый движок для dbt.</p>
<p>Если слой авторинга — это «что» должен делать ваш dbt‑проект, то движок — это «как». В частности, он отвечает за:</p>
<ul>
<li>Рендеринг Jinja</li>
<li>Построение графов зависимостей</li>
<li>Создание artifact‑файлов</li>
<li>Взаимодействие с базами данных</li>
</ul>
<p>На первый взгляд Fusion очень похож на dbt Core. Ваши проекты по‑прежнему создаются с использованием привычного слоя авторинга dbt. Вы всё так же пишете SQL и Jinja. Вы всё так же вводите <code>dbt run</code>. (Чтобы упростить знакомство с Fusion, мы также добавили опциональный алиас <code>dbtf</code>, поскольку у многих пользователей уже занят namespace <code>dbt</code>.)</p>
<p>Но под капотом появился уровень технической глубины и строгости, которого в dbt раньше не было — и всё это происходит на уровне движка.</p>
<p>Fusion:</p>
<ul>
<li>Полностью переписан на Rust, что обеспечивает <a href="https://docs.getdbt.tech/blog/faster-project-parsing-with-rust/">драматически более быстрый опыт работы с dbt</a>. Fusion вообще не зависит от Python. Более того, за исключением макросов адаптеров, между dbt Core и dbt Fusion engine не разделяется ни одной строки кода. (Для тех, кто глубоко изучает внутренности dbt, мы описали новую структуру в <a href="https://docs.getdbt.tech/blog/dbt-fusion-engine-components/">отдельном посте</a>.)</li>
<li><a href="https://docs.getdbt.tech/blog/the-levels-of-sql-comprehension/">Понимает ваш SQL‑код</a>. Это полноценный SQL‑<em>компилятор</em>, который даёт dbt полное представление о том, что означает код вашего проекта и как он распространяется по всей цепочке lineage данных.</li>
</ul>
<p>Основанный на технологиях из <a href="https://www.getdbt.com/blog/dbt-labs-acquires-sdf-labs" target="_blank" rel="noopener noreferrer">SDF</a>, Fusion представляет собой качественный скачок в технических возможностях dbt.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        "><span><a href="https://docs.getdbt.tech/blog/dbt-fusion-engine/#" data-featherlight="/img/blog/2025-05-28-dbt-v2-engine/familiar-authoring-powerful-new-engine.png"><img data-toggle="lightbox" alt="Привычный интерфейс разработки, новый мощный движок." title="Привычный интерфейс разработки, новый мощный движок." src="https://docs.getdbt.tech/img/blog/2025-05-28-dbt-v2-engine/familiar-authoring-powerful-new-engine.png?v=2"></a></span><span class="title_aGrV">Привычный интерфейс разработки, новый мощный движок.</span></div>
<p>Благодаря этим возможностям Fusion может предоставлять совершенно новые сценарии работы. Некоторые из них мы выпускаем уже сегодня — например, обнаружение ошибок в реальном времени в VS Code и существенное снижение затрат при выполнении проектов. dbt теперь действительно знает ваш код!</p>
<p><strong>Скорее всего, вы уже знаете достаточно, чтобы перейти к quickstart и начать работу</strong>, но если вам интересно подробнее узнать о том, что Fusion даёт уже сегодня, читайте дальше.</p>
<hr>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="near-term-benefits-of-adopting-fusion">Ближайшие преимущества использования Fusion<a href="https://docs.getdbt.tech/blog/dbt-fusion-engine/#near-term-benefits-of-adopting-fusion" class="hash-link" aria-label="Прямая ссылка на Ближайшие преимущества использования Fusion" title="Прямая ссылка на Ближайшие преимущества использования Fusion">​</a></h2>
<p>Fusion можно воспринимать как тот же dbt, который вы знаете и любите, но быстрее и лучше — и вы увидите это во многих аспектах работы.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        "><span><a href="https://docs.getdbt.tech/blog/dbt-fusion-engine/#" data-featherlight="/img/blog/2025-05-28-dbt-v2-engine/next-gen-star.png"><img data-toggle="lightbox" alt="Функциональные возможности, обеспечиваемые движком dbt Fusion и его компонентами" title="Функциональные возможности, обеспечиваемые движком dbt Fusion и его компонентами" src="https://docs.getdbt.tech/img/blog/2025-05-28-dbt-v2-engine/next-gen-star.png?v=2"></a></span><span class="title_aGrV">Функциональные возможности, обеспечиваемые движком dbt Fusion и его компонентами</span></div>
<p>Итак, зачем и как стоит использовать Fusion в вашем dbt‑проекте?</p>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="just-the-new-fusion-powered-dbt-cli">Только новый dbt CLI на базе Fusion<a href="https://docs.getdbt.tech/blog/dbt-fusion-engine/#just-the-new-fusion-powered-dbt-cli" class="hash-link" aria-label="Прямая ссылка на Только новый dbt CLI на базе Fusion" title="Прямая ссылка на Только новый dbt CLI на базе Fusion">​</a></h3>
<ul>
<li><strong>Существенный прирост производительности:</strong> до 30× более быстрый парсинг и в 2 раза более быстрая компиляция всего проекта, а также почти мгновенная перекомпиляция отдельных файлов в расширении VS Code. Мы ожидаем дальнейших улучшений производительности по мере движения к GA.</li>
</ul>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="the-new-fusion-powered-dbt-fusion-cli-vs-code-extension">Новый dbt Fusion CLI + расширение VS Code<a href="https://docs.getdbt.tech/blog/dbt-fusion-engine/#the-new-fusion-powered-dbt-fusion-cli-vs-code-extension" class="hash-link" aria-label="Прямая ссылка на Новый dbt Fusion CLI + расширение VS Code" title="Прямая ссылка на Новый dbt Fusion CLI + расширение VS Code">​</a></h3>
<p>Но настоящая ценность Fusion заключается не только в самом CLI — она в возможности создавать принципиально новые продуктовые сценарии, использующие возможности Fusion. Первый из них, представленный сегодня, — это расширение для VS Code, работающее на базе <a href="https://docs.getdbt.tech/blog/the-levels-of-sql-comprehension/">SQL Comprehension в dbt Fusion</a>. Это расширение <em>могло быть создано только на Fusion</em>:</p>
<ul>
<li>Оно быстрое — расширение VS Code перекомпилирует весь dbt‑проект в фоне каждый раз, когда вы сохраняете <em>любой</em> файл, и мгновенно показывает ошибки в активном файле. Чтобы это было практично, всё должно работать очень быстро.</li>
<li>Оно понимает SQL и работает как компилятор — знает, какие колонки существуют в проекте, какие функции используются, а также их сигнатуры и типы возвращаемых значений.</li>
</ul>
<p>В расширении VS Code реализовано множество возможностей. Среди самых популярных:</p>
<ul>
<li>
<p><strong>Пишите код уверенно — с обнаружением ошибок в реальном времени и автодополнением функций.</strong></p>
<ul>
<li>
<p>Сколько раз вы запускали <code>dbt run</code>, а затем обнаруживали, что написали <code>select * from</code>, допустили опечатку в имени столбца или попытались сложить то, что складывать нельзя? Больше такого не будет! С расширением для VS Code на базе LSP вы сразу увидите, если в ваш код закрадутся досадные ошибки.</p>
<link href="/css/featherlight-styles.css" type="text/css" rel="stylesheet"><div class="
          docImage_EYbW
          
          
          
          
        "><span><a href="https://docs.getdbt.tech/blog/dbt-fusion-engine/#" data-featherlight="/img/blog/2025-05-28-dbt-v2-engine/you-wouldnt-sum-a-datetime.png"><img data-toggle="lightbox" alt="Вы же не станете суммировать значения datetime." title="Вы же не станете суммировать значения datetime." src="https://docs.getdbt.tech/img/blog/2025-05-28-dbt-v2-engine/you-wouldnt-sum-a-datetime.png?v=2"></a></span><span class="title_aGrV">Вы же не станете суммировать значения datetime.</span></div>
</li>
<li>
<p>Аналогично — это <code>dateadd</code> или <code>date_add</code>? И в каком порядке идут аргументы? Просто начните печатать, и вы увидите контекстные подсказки и автодополнение.</p>
</li>
</ul>
</li>
<li>
<p><strong>Отслеживайте, как написанный вами код пошагово превращается в итоговые данные:</strong> <em>предпросмотр CTE и просмотр скомпилированного кода</em></p>
<ul>
<li>Поскольку расширение VS Code компилирует код при каждом сохранении, вы можете в реальном времени видеть скомпилированный код проекта по мере внесения изменений. Это особенно полезно при работе со сложными макросами.</li>
<li>Использование CTE позволяет модульно разбивать логику модели. Больше не нужно подменять <code>final</code> CTE на имя CTE, который вы отлаживаете — теперь достаточно одного клика.</li>
</ul>
</li>
<li>
<p><strong>Навигация по проекту:</strong> переход к определениям и встроенный lineage</p>
<ul>
<li>Нужно понять, как определена upstream‑модель? Или откуда приходят все входные данные для текущей модели? Возможность перехода к моделям и колонкам <em>и</em> просмотра lineage на уровне моделей и колонок — это действительно разница «день и ночь».</li>
</ul>
</li>
</ul>
<video width="100%" height="100%" muted="" controls=""><source src="/img/docs/extension/go-to-definition.webm" type="video/webm"></video>
<p>Я мог бы продолжать ещё очень долго — здесь действительно много всего.</p>
<p>По отдельности это либо улучшения качества жизни, либо серьёзные изменения.</p>
<p>Но вместе они кардинально меняют сам опыт написания dbt‑кода. Раньше было <em>слишком много вещей</em>, которые приходилось постоянно держать в голове — теперь это берёт на себя расширение. Совокупный эффект от этих изменений… выдающийся. Я уже не представляю, как можно работать без этого.</p>
<p>Конечно, есть ещё одна технология, меняющая опыт написания dbt‑кода (и любого кода) — это AI. Возможности, которые даёт Fusion, идеально сочетаются с AI‑ассистированным программированием, поскольку позволяют проще проверять, валидировать и понимать код, сгенерированный AI. В будущем ожидайте ещё более тесной интеграции Fusion и AI‑помощников — скорость и строгость Fusion помогут получать более качественный AI‑сгенерированный код.</p>
<p>Расширение VS Code — один из первых продуктовых сценариев, полностью основанных на движке dbt Fusion. Расширение зависит от Language Server, а Language Server — от возможностей SQL Comprehension в Fusion. Мы приняли решение не поддерживать dbt Core в расширении VS Code, поскольку существующие community‑расширения уже реализовали всё, что возможно на базе dbt Core. Чтобы выйти на следующий уровень, нам понадобился Fusion.</p>
<hr>
<h3 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="how-to-get-started-with-fusion">Как начать работать с Fusion<a href="https://docs.getdbt.tech/blog/dbt-fusion-engine/#how-to-get-started-with-fusion" class="hash-link" aria-label="Прямая ссылка на Как начать работать с Fusion" title="Прямая ссылка на Как начать работать с Fusion">​</a></h3>
<p>dbt Fusion engine сейчас находится в бете. Мы написали <a href="https://docs.getdbt.tech/blog/dbt-fusion-engine-path-to-ga/">отдельный пост</a>, в котором описан путь к финальному релизу Fusion и способы проверить, совместим ли ваш проект уже сегодня.</p>
<p>Независимо от того, можете ли вы уже сегодня перенести свой существующий проект на Fusion, вы можете попробовать расширение для VS Code, <a href="https://docs.getdbt.tech/guides/dbt/">воспользовавшись нашим кратким руководством</a>, чтобы получить представление о том, что вас ждёт.</p>
<ul>
<li><strong>Клиентам dbt:</strong> В ближайшие недели для проектов, готовых к переходу на Fusion, в вашем аккаунте появится переключатель или с вами свяжется команда по работе с клиентами. После этого <a href="https://docs.getdbt.tech/docs/dbt-versions/upgrade-dbt-platform-version/#dbt-fusion-engine">вы сможете активировать Fusion для своих сред</a>.</li>
<li><strong>Чтобы использовать расширение для VS Code:</strong> <a href="https://docs.getdbt.tech/docs/install-dbt-extension/">Установите расширение «dbt»</a> прямо из магазина расширений для автоматической настройки и перейдите к краткому руководству. При этом также автоматически установится CLI на базе Fusion.</li>
<li><strong>Чтобы использовать <span>dbt platform CLI</span> на базе <span>dbt v2</span>:</strong> Просто <a href="https://docs.getdbt.tech/docs/local/install-dbt/?version=2">установите Fusion</a></li>
</ul>
<p><em>Если вы хотите перенести существующий проект на Fusion, ознакомьтесь с <a href="https://docs.getdbt.tech/docs/dbt-versions/dbt-upgrade/upgrading-to-v2/">руководством по миграции</a>, а также со вспомогательным инструментом <a href="https://github.com/dbt-labs/dbt-autofix" target="_blank" rel="noopener noreferrer"><code>dbt-autofix</code></a>, который автоматически вносит многие изменения, необходимые для перехода на Fusion.</em></p>
<hr>
<h2 class="anchor anchorWithHideOnScrollNavbar_WYt5" id="whats-next">Что дальше?<a href="https://docs.getdbt.tech/blog/dbt-fusion-engine/#whats-next" class="hash-link" aria-label="Прямая ссылка на Что дальше?" title="Прямая ссылка на Что дальше?">​</a></h2>
<p>Сегодняшний релиз — это только начало. В краткосрочной и долгосрочной перспективе нам предстоит сделать ещё очень многое.</p>
<p>Двигаясь вперёд, мы создаём новые продукты и развиваем существующие таким образом, который был бы невозможен в мире до Fusion. Это будет особенно важно для AI‑workflow — как для помощи в создании высококачественных dbt‑проектов, так и для предоставления AI‑агентам надёжного интерфейса к структурированным данным.</p>
<p>Мы рады развивать Fusion вместе с сообществом. Если вы слышали рассказы о ранних днях dbt Community и хотели бы быть частью этого, сейчас у вас есть возможность внести глубокий, фундаментальный вклад — такой, который обычно возможен только в начале нового цикла технологических инноваций.</p>
<p>Так что присоединяйтесь!</p>
<ul>
<li>Попробуйте <a href="https://docs.getdbt.tech/guides/dbt/">краткое руководство по началу работы с Fusion</a></li>
<li><a href="https://github.com/dbt-labs/dbt-fusion/issues" target="_blank" rel="noopener noreferrer">Создайте issue в репозитории <code>dbt-fusion</code> на GitHub</a>, чтобы сообщить об ошибке или поучаствовать в подготовке к общедоступному выпуску (GA)</li>
<li>Присоединяйтесь к нам <a href="https://www.getdbt.com/community/join-the-community" target="_blank" rel="noopener noreferrer">в Slack</a> в канале #dbt-fusion-engine и делитесь своими мыслями или вопросами</li>
<li>Приходите на <a href="https://www.meetup.com/pro/dbt/" target="_blank" rel="noopener noreferrer">очную встречу dbt Meetup</a> — мы проводим dbt World Circuit 🏎️&nbsp;по всему миру, где вы можете пообщаться с кем-нибудь из нашей команды о Fusion!</li>
</ul>]]></content>
        <author>
            <name>Jason Ganz</name>
        </author>
        <category label="analytics craft" term="analytics craft"/>
        <category label="data ecosystem" term="data ecosystem"/>
    </entry>
</feed>