这个故事已经伴随我二十多年了。

在ObjectScript的早期，$Functions的容量是有限的。
你必须将其作为程序的一部分来编写。
但这些功能通常都已实现，只是没有名字而已。
要使用它，你需要通过 $ZU() 函数进行“系统”调用。 参见参考手册

随着时间的推移，大多数 $ZU() 函数已被弃用，并被“官方”的 $Functions 所取代。
但要如何在数十年间写下的上千行代码中
——这些代码由无数早已销声匿迹的程序员编写而成。
Studio 虽然是款新工具，但性能并不理想。
因此，我开发了一个搜索工具，用于扫描所有可能的ObjectScript代码角落 
它完全采用ObjectScript编写，完全避开了所有系统方法。
这使其具有独立性，并在准备向 IRIS 迁移时发挥了重要作用

它看起来是这样的：

USER>do^rcc

• 首先输入要搜索的字符串
• 启用“详细模式”可查看匹配项的详细信息
• “强制大写”功能可使扫描不区分大小写
• “代码类型”可将扫描拆分为多个步骤
• “命名空间”定义了扫描的执行位置
  • 对于 %SYS 以外的命名空间，%-routines 和 %-classes 始终被排除在外

实用提示

在测试新增的多命名空间功能时，我遇到了一个难题
，这需要人工干预。这个简单的请求产生了1000行的输出。

USER>do^rcc

• 至于详细模式，你可以在终端上运行日志以获取详细结果
• ，尽管真正的摘要仍然缺失。

因此，我决定在摘要行后附加一个非常简练的统计信息

1206

我附加在末尾的这份摘要展示了
90000+次点击的分布情况。

该统计同样适用于“ALL”命名空间的选择，也适用于单一代码类型

enter search string [

请在演示服务器上试用

演示服务器 SMP
演示服务器 WebTerminal
 

受@Eberle的个人反馈 以及
中@Michael. Braam关于向量搜索的一场精彩演讲的启发， 我想分享
——这是我个人对向量处理的方法。
当我刚开始接触256、384甚至超过1200维的向量时，曾感到无所适从。
不过，我的示例“Vector-inside-IRIS”（即对iris-vector-search 的简化版）运行得相当顺利。
为了理解其背后的运作机制，我决定从小处着手。
我们常见的3维空间足以很好地描述我们的物理世界。
即使是爱因斯坦添加的“半第四维”（不包含负数），也不难理解。
而具有0到11+维度的宇宙弦理论，对我来说确实是一道难以逾越的门槛。

所以回到起点：=> 对于初学者来说，2维就足够了。
地理坐标提供了一个很好的起点，并附有足够的测试数据。
在我的 地理向量搜索示例中，VECTOR_COSINE() 函数是我主要关注的目标

在准平坦投影地图上，-1 到 +1 的结果范围很容易理解。
这是基础数学，将其推广到额外维度并非什么奇迹。
但如果是上百个维度呢？

;#1010494301472898

为便于阅读，此处的示例已进行简化

经过一番思考后，我脑海中浮现出这样一幅画面：

• 当我在谷歌地图上搜索一个并非近在咫尺的目的地时，系统会提供多种路线供我选择。
• 最短路线、最快路线、油耗最低的路线、公共交通路线……
• 我会根据自己的需求做出选择

最近，我遇到了一个与代码维护相关的由来已久的问题：

• 你只能通过 ODBC/JDBC 访问 IRIS 服务器
• 无法通过 VSCode 访问，也无法通过 Studio 访问
• 也无法通过（Web）终端访问

但您需要查看类、子程序或全局变量！！
无论如何，SQL 都是您的得力助手。

• 首先，你需要一个简单的表作为临时文本存储。

CREATEGLOBALTEMPORARY

这并不是什么令人兴奋的操作。

• 接下来，将代码导出到本地文件，并将其导入到表格中

IN

使用方法：

where

结果如下：

"1"

• 或者，如果您更倾向于使用XML输出而非UDL，请使用以下传统方法：
• 请将$system.OBJ.Export() 作为 导出方法。

如有需要，XML 对于全局导出可能很有用

where

而所有这些操作都是通过 ODBC/JDBC 运行的

主机变量是许多 SQL 实现中相当常见的编程特性。 
最近在DC上看到的一个问题让我意识到，在IRIS、Caché、Ensemble等系统中…… 
主机变量仅存在于嵌入式 SQL 中

> 您只能为嵌入式 SQL查询提供主机变量。<

相关示例包含在现有文档中

以下是针对无法或不愿使用嵌入式 SQL 时的解决方法说明。
 

15秒简介：https://youtu.be/veKSM1THLeo

大家好，我是阿诺尔夫（Arnolf），一名独立开发者。

我正在开发Medichrona，它能将一名患者的终身医疗记录转换为运行在 InterSystems IRIS for Health 上的时序知识图谱，并允许您在浏览器中以 3D 形式逐年探索这些数据。这些数据来自 InterSystems 示例中的 Synthea 合成患者数据。

本文将详细说明数据如何从FHIR数据包呈现到3D界面。

演示视频

• 追踪一位患者的诊疗历程（约3分钟）：https://youtu.be/zicdPNSglPc
• 记录最丰富的患者概览（约2分钟）：https://youtu.be/IE7Gy04P8uI

本文介绍了SHAP可解释性方法，将其作为理解机器学习“黑箱”模型预测背后原因的一种途径。文中还提供了一个简单的Jupyter笔记本，您可以使用并修改它，从而对这些概念进行实践操作：

https://www.kaggle.com/code/jorgeivnjh/explainability-in-ml-models

https://github.com/JorgeIvanJH/Explainability-in-ML-models

我们将利用这些概念，在未来将它们应用到我们的持续培训管道中：https://community.intersystems.com/post/complementing-iris-mlflow-continuous-training-ct-pipeline

在本笔记本中，我们将探讨黑盒模型可解释性的直观理解。黑盒模型是指复杂程度超出人类直接理解范围的模型，例如神经网络以及梯度提升（如 XGBoost、LightGBM、CatBoost）等集成学习方法。

在开始之前，有必要澄清可解释模型与可解释性模型之间的区别：

可解释模型是指仅通过观察模型本身，我们就能直接理解输入的变化如何影响输出的模型。 线性回归便是如此，其中每个变量都关联一个系数，该系数表明该变量如何影响预测结果。单棵决策树也是如此，通过追踪其分支，我们可以准确理解预测是如何得出的。

在通过集成引擎管理关键医疗数据时，您希望在队列开始积压或服务中断的瞬间立即得知。 

遗憾的是，这通常会导致收件箱被通知邮件塞得满满当当，有时甚至让人觉得根本无从处理。

好吧，我并没有解决这个问题。 

但我开发了一款可能有所帮助的工具……

欢迎阅读我的CI/CD 系列文章的下一章，本章将探讨利用 InterSystems 技术和 GitLab 进行软件开发的可行方案。

今天，我想分享几种能够缩短编译时间的方法（特别是当你采用增量/差异编译而非全量构建时）。

编译器标志和限定符

代码加载和编译会受到各种标志和限定符的影响。如果您正在编写针对 InterSystems 平台的部署脚本，我强烈建议您至少通读一遍相关文档。虽然大多数标志和限定符都有非常具体的用途，但了解它们的功能，将来某一天可能会为您节省大量时间。要列出所有标志和限定符，请执行以下命令：

Do$systemDo

文档中也有相关说明 。无论如何，这里最重要的标志是u（仅更新）——如果启用该标志，系统将跳过对已处于最新状态的类的编译。 在进行增量编译时，使用此标志可节省 99% 的时间，因为只有修改过的代码才会被编译。 
 

仅加载已修改的代码

递归导入固然不错，但如果你有上千个类，而上次提交中仅修改了其中两个，那么除了为了简单起见之外，其余 998 个类就完全没有必要加载了。 值得庆幸的是，Git 可以轻松回答诸如“在abc 和 xyz 这两个提交之间，哪些文件发生了变化？”之类的问题。以下是一个示例代码，它接受两个 Git 标识符（提交、分支名称、标签），并返回三个列表：

• 新增文件

加入 InterSystems 已经一年了，我在开发者社区上看到过许多精彩的文章。问题在于，当我的代码真正需要用到这些文章时，却很难再次找到它们。

Claude Code 已经与我们的服务器、文档和 Perforce 紧密集成。但社区层还缺失，所以我为此编写了一个技能：一个 Python 脚本，无依赖，外加一个 SKILL.md。

我想解答的问题是：我正在编写这个类，社区对其中涉及的模式已经有哪些讨论了？

为什么不直接封装网站自带的搜索功能呢？因为它是客户端渲染的：通过 HTTP，/search?search_api_fulltext= 返回页面框架，因此任何查询都会显示相同的 11 个热门侧边栏链接。 服务器端渲染返回的内容是 /tags/ 页面、文章正文及其评论，以及 /sitemap.xml（约 17,500 个 slugs）。该技能正是基于这三部分构建的。

命令

共有九个命令，每个命令提供一种不同的访问方式。有些将关键词解析为标签，有些搜索标题，有些获取文章或作者，还有一个命令以整个类作为输入。以下是这些命令的列表，每个命令下方都配有实际示例。

所有输出均为 JSON 格式，这是助手最易处理的格式。

tags

探索词汇表。这是首要步骤，因为该网站有234个标签，且这些词并非你所能猜到的。

$ python dc_search.py tags "zen report pdf"
["zen", "intersystems-reports-logi", "data-import-and-export"]

正如前一篇文章所述，您可以配置在 SQL 中存储和查询集合的方式。

要进行此配置，您需要使用以下字段参数和设置：

在第 1 部分中，我们探讨了窗口函数的工作原理。我们了解了 PARTITION BY、ORDER BY 以及 ROW_NUMBER() 和 RANK() 等函数背后的逻辑。现在，在第 2 部分中，让我们通过实际示例深入探讨更多窗口函数。

1. 窗口聚合函数

概述

这些函数会在定义的窗口范围内计算聚合值（例如：求和、求平均值、求最小值、求最大值、计数等），但不会合并行。 每行数据仍保持可见，并附加其分区对应的聚合值。

支持的函数包括以下内容：

• AVG() — 窗口帧内值的平均值。
• SUM() — 窗口帧内值的总和。
• MIN() — 最小值。
• MAX() — 最大值。
• COUNT() — 行数或非空值的个数。

语法：

function(...) OVER (PARTITION BY ... ORDER BY ...)

示例 1 — 部门薪资分析

让我们分析一下每位员工的薪资

字符串相关问题

我正在使用 Python 通过 JDBC（或 ODBC）访问 IRIS 数据库。我想将数据导入pandas数据框中，以便对数据进行处理并生成图表。 在使用 JDBC 时，我遇到了字符串处理方面的问题。撰写这篇文章是为了帮助可能遇到同样问题的其他人。或者，如果有什么更简单的方法可以解决这个问题，请在评论中告诉我！

我使用的是 OSX 系统，因此不确定这个问题是否具有特殊性。我使用的是 Jupyter Notebooks，不过即使您使用其他 Python 程序或框架，代码通常也大致相同。

JDBC 问题

当我从数据库中提取数据时，列描述和任何字符串数据都会被返回为数据类型 java.lang.String。 如果你将 print 字符串数据作为输入，结果会显示为： "(p,a,i,n,i,n,t,h,e,r,e,a,r)"，而不是预期的 。

这很可能是因为使用 JDBC 检索时，数据类型为 的字符串被作为可迭代对象或数组返回。 如果所使用的 Python-Java 桥接库（例如 JayDeBeApi、JDBC）无法在单一步骤中自动将 转换为 Python 中的 str，就会出现这种情况。

相比之下，Python 的 字符串表示法将整个字符串视为一个整体。当 Python 检索普通的 （例如通过 ODBC）时，不会将其拆分为单个字符。

JDBC 解决方案

每天都应该有这样一句：“我不知道你还能那样做”。

背景

我在 Linux 操作系统上使用 Neovim 文本编辑器已经有一年了，主要用 Python 开发一些新的 LLM 模型。前阵子我曾尝试将 IRIS 语言服务器与 Neovim 结合使用，但这个过程有些费时费力。今天的需求是：

1. 在我的 Ubuntu 环境中使用 IRIS 进行编辑，但无需在主机上直接安装 VSCode。
2. 不希望我的代码在云端进行AI训练
3. 现在就做！！

要求

我在开发周期中已经使用了 Docker。继续沿用这一方案非常合适。

VSCode 是一款可视化编辑器，而非纯文本编辑器，因此我需要借助 Docker 来建立远程桌面会话，并运行基于图形界面的工具。

该容器为一次性容器，将在每次会话结束时被销毁。

该容器绝不能连接到云端托管的 AI 工具。

该容器严禁连接互联网上的任何其他服务。

该容器已预先安装并配置好，可用于运行 IRIS Editor。

只需执行 **docker run** 命令即可开始使用。

研发

经过半天的时间，我尝试搭建了一个搭载不同XRDP服务且采用多种连接协议的纯净版Ubuntu Docker镜像，并进行了测试。

持久化类是使 InterSystems IRIS 与传统应用程序数据库区别开来的功能之一。开发人员无需将数据库表与应用程序对象分开设计，而是可以定义一个类，并让 IRIS 管理其持久化表示形式。这使得应用程序的对象模型与底层数据模型之间建立了紧密的联系。

一个基本的持久化类继承自 %Persistent：

Class MyApp.Product Extends %Persistent
{
    Property Name As %String;
    Property Price As %Numeric;
    Property Stock As %Integer;
}

编译后，该类即可作为持久化数据模型使用。每个实例代表一个产品，该产品可被存储在数据库中。但是，创建对象并不意味着数据会立即插入数据库。该对象最初仅存在于内存中。

Set product = ##class(MyApp.Product).%New()
Set product.Name = "Keyboard"
Set product.Price = 99.90
Set product.Stock = 25

Set status = product.%Save()

对于初学者而言，内存对象与持久化对象之间的这一区别非常重要。 方法用于创建对象，而 %Save() 则用于将对象的当前状态持久化。

持久化类是使 InterSystems IRIS 与传统应用程序数据库区别开来的功能之一。开发人员无需将数据库表与应用程序对象分开设计，而是可以定义一个类，并让 IRIS 管理其持久化表示形式。这使得应用程序的对象模型与底层数据模型之间建立了紧密的联系。

一个基本的持久化类继承自 %Persistent：

Class MyApp.Product Extends %Persistent
{
    Property Name As %String;
    Property Price As %Numeric;
    Property Stock As %Integer;
}

编译后，该类即可作为持久化数据模型使用。每个实例代表一个产品，该产品可被存储在数据库中。但是，创建对象并不意味着数据会立即插入数据库。该对象最初仅存在于内存中。

Set product = ##class(MyApp.Product).%New()
Set product.Name = "Keyboard"
Set product.Price = 99.90
Set product.Stock = 25

Set status = product.%Save()

对于初学者而言，内存对象与持久化对象之间的这一区别非常重要。 方法用于创建对象，而 %Save() 则用于将对象的当前状态持久化。

如果您正在将 InterSystems IRIS for Health（或 HealthShare Health Connect）升级至 v2025.3 或更高版本（例如 2026.1.x），并且正在使用我们的 FHIR 服务器，请务必注意一项可能对您的环境产生严重影响的变更。

法国及比荷卢地区“READY 2026”大会刚刚落下帷幕，这两天再次充分展现了开发者社区充满活力、求知若渴且积极参与的一面。以下通过文字和图片回顾本届精彩的大会。

活动由 @Adeline Icard 和 @Geoffroy Vitoux 的欢迎致辞拉开帷幕，为接下来的几天定下了基调：创新、分享与协作。

2020年，我为FHIR竞赛编写了iris-fhir-portal，并在四篇文章中对此进行了说明：

1. 我使用 FHIR 的经验
2. irisfhir-portal 概述
3. 使用 fhir.js 更新患者资源
4. 使用 SQL 获取 FHIR 信息

该门户仍由 iris-fhir-template (zpm "install fhir-portal") 安装，但在当前的 IRIS 系统上已无法正常运行：实验室结果页面显示为空，文章的 SQL 模式已丢失，且页面上没有登录功能。 本文将介绍如何将其迁移至 IRIS for Health 2026.2 版本，以及各文章中发生了哪些变化。

PaymentGuard 的仪表盘如何逐步重构 AI 决策过程——以及如何将相同的视图添加到另一个 IRIS 生产环境中。

实时演示：http://43.139.159.100:8082/paymentguard/· 来源：github.com/Dylan5237/payment-guard-ai· 上一篇文章：PaymentGuard AI：作为 IRIS 互操作性生产环境中欺诈决策者的 AI Hub 代理

“黑箱”问题

一个AI代理可以在两秒内给出支付决策。棘手的问题在于，在这两秒钟内究竟发生了什么。

哪些消息在生产环境中流转过？代理看到了哪些上下文信息？它调用了哪些工具，又得到了什么反馈？谁批准了最后一步，模型的成本是多少？

对于可能阻断支付或放行欺诈的工作流而言，“模型这么说的”并不构成审计轨迹。 PaymentGuard 的仪表盘通过“重放面板”解答了这些问题：选择一项决策，系统便会以真实的毫秒级时间戳，逐个节点回放实际的生产路径。在底层，代理的推理链会按消息顺序逐条展开。

该面板中的内容均非合成数据。每个步骤都是一行 Ens.MessageHeader。每个推理步骤都是一条持久化的 %AI.Agent.Session。该仪表盘是基于 IRIS 已记录数据构建的展示层。

大家好，社区的各位！

随着开发者社区迁移至新的在线平台，我们想分享一些关于使用更新版文本编辑器的技巧。

在本指南中，我们将深入探讨该编辑器及其格式设置工具。 

PaymentGuard 的仪表盘如何逐跳还原一次 AI 决策，以及如何把同样的视图加到另一个 IRIS 生产里。

在线演示：http://43.139.159.100:8082/paymentguard/　源码：github.com/Dylan5237/payment-guard-ai　上一篇：PaymentGuard AI：让 AI Hub Agent 在 IRIS 互操作生产里管支付风控

以下是正文：

问题：决策很快，过程是黑盒

Agent 两秒内就能给出支付决策。真正难回答的是这两秒里发生了什么。

生产里走了哪些消息？Agent 看到了什么上下文？调了哪些工具、拿回了什么？最后一步是谁批的？模型花了多少 token？

对于一笔可能拦掉客户支付、也可能放过欺诈的决策，"模型说可以"不构成审计记录。PaymentGuard 的仪表盘用一个回放面板回答这些问题：选中一笔决策，真实的生产链路按毫秒逐跳播放；下方再展开 Agent 的推理链，一条消息一条消息地看。

面板里没有编造的内容。每一跳都是 Ens.MessageHeader 的一行，每一步推理都来自持久化的 %AI.Agent.Session。仪表盘只是把 IRIS 已经记录的数据拼成一个视图。

这篇文章讲它是怎么实现的，包括最花时间的几个细节，最后给一份可以套用到其他 IRIS 生产上的清单。

Hi 大家好！

InterSystems技术分享线上课第五期来啦！这期课程我们将聚焦“基于JSON的通用SQL组件”这一主题。

👉点击此处报名参加培训👈

• 需要定时从HIS或其他业务数据库中抽取数据，不同场景往往需要进行相应的开发和配置。
• 外部系统传入不同的查询条件，需要执行不同的SQL，接口越来越多，开发和维护工作也随之增加。
• 面对不同的数据源和业务需求，基础的数据交互逻辑经常需要重复处理。
• SQL查询结果已经返回，但转成JSON后，如何进一步用于业务流程和数据转换？

Hi 开发者们，

投票时间到了！请浏览参赛作品，并在“InterSystems编程大赛：互操作性工作流中的 AI Agent”中投出您的一票：

🔥为您最喜爱的应用投票🔥

投票时间：2026年11月9日 - 11月15日 （美国东部时间）

如何投票？详情如下。

简介

我希望让医学影像的探索变得更加轻松，同时又不丢失赋予图像意义的关键信息。三维模型有助于人们理解解剖结构。如果能了解该模型的来源、其边界是如何定义的，以及***哪些部分实际上已经过检查，***该模型就会更加实用。

这正是我一直在开发的开源研究与教育项目DICOM3D 所致力于解决的问题。该项目现已公开发布；本文将从更个人的角度介绍该项目，以及我为何投身其中。

兴趣源于技术层面，而我之所以不断回归这个项目，原因则在于个人层面。

我为何开始思考这些问题

2025年11月，我的妻子接受了紧急剖宫产手术。我们的双胞胎女儿在孕30周时出生。当时我就在手术室里，站在麻醉师身旁，亲眼目睹了整个过程。

手术过程中，我妻子发生了严重大出血，在极短时间内失血量巨大。我曾一度濒临失去妻子和两个新生女儿的绝境。那段经历至今仍深深影响着我。

此外，我妻子还患有巨大的子宫肌瘤，尺寸约为10×8×9厘米，虽然在孕期已被记录在案，但并未有效告知我们。*（我无法确定这是否导致了紧急情况，也无法断言它是否解释了所有医疗决策。）*令我印象深刻的是，记录在案的信息与我们对其存在的认知之间存在着巨大鸿沟。

我自身经历的慢性疼痛、脊柱问题、就医过程以及影像检查，也让我有充足的时间站在了病历的另一端。我深知，当对涉及自身身体的信息心存疑问，**却又无从查证时，**那种感受是怎样的。我是一名开发者，而非医疗专业人士。

在我的第一篇文章中，我介绍了“Readback”——这是我为*“互操作性工作流中的AI代理*”竞赛提交的参赛作品：这是一个AI Hub代理，可在IRIS for Health生产环境中对实验室结果进行分级处理，它可以将结果升级为“危急”级别，但绝不会将其降级，并且在有人核对数值之前，绝不会让“危急”级别的结果关闭。

本文要探讨的，是我认为比产品本身更值得深思的问题：**当一个AI代理运行在安全关键型工作流中时，究竟是哪一层在真正保障人员安全？**我对此进行了实测，结果令我大吃一惊。

• Open Exchange：https://openexchange.intersystems.com/package/Readback
• 代码库：https://github.com/kcedd34/iris-readback
• 视频：https://youtu.be/ML2pBgBkqUo
• 首篇文章：https://community.intersystems.com/post/ai-agent-can-raise-critical-lab-result-never-lower-it

测量内容

一个包含240条实验室检测结果的合成数据集（8个类别，每类30条，种子值2026），外加180条早期结果以构建患者病史。 每个案例都会完整运行整个产品流程：规则、检索、代理及其工具、组合以及发布保护。

在线演示：https://niutics.pl/interSystems（请使用 demo / demo 或 operator / 以获取受限角色) · GitHub：https://github.com/DawidKrynski/iris-admin-deck· Open Exchange：https://openexchange.intersystems.com/package/IRIS-Admin-Deck

视频，时长3分钟：https://youtu.be/gUsxZi-uAD4

IRIS 2026.2 版本新增了 SysAdmin REST API，即 。其 OpenAPI 文件包含 190 个路径和 273 个操作，涵盖了我通常在管理门户中进行的大部分操作。 为了参加*“构建你自己的管理门户*”竞赛，我基于此开发了 IRIS Admin Deck：这是一个由 IRIS 从 提供的单页应用，采用纯 ES 模块，无需构建步骤，也没有运行时依赖项。

1.0.1 版本已于今日发布。以下是该应用的功能介绍、我对该 API 的认识，以及其目前仍存在的不足之处。

一个值班的早晨

我开发这个工具是为了帮助那些在实例出现故障时接到通知的人。演示数据中包含一个小故障案例，您可以在在线演示中跟踪该案例：

PEP 578引入了 Python 审计钩子。各种事件（如模块加载、操作系统交互等）都会触发审计事件，您可以订阅这些事件。

具体操作如下。首先创建一个嵌入式 Python 钩子：

Class/// do ##class(User.Python).Audit()ClassMethod

在此示例中，我们将：

• 如果numpy 开始 加载，则终止进程
• 输出编译/执行事件 及其参数
• 忽略代码事件
• 记录所有其他事件

所有这些内容都将写入默认的 STDOUT。

要开始审计，只需调用此方法注册您的钩子即可，或者您甚至可以在任务启动时自动完成此操作：

JOBnew

以下是输出示例：

>> import json

我发现这对于调试很有帮助。