IRIS image下载

参考：下载Images的在线文档

在https://containers.intersystems.com网站上获得可以下载的InterSystems的各种docker镜像。如果只是安装Community版本， 不需要注册。如果是下载安装正式的版本，需要在网站注册，然后获得Login Token登陆。

IRIS 2024.2 版本包含一项变更（DP-432503），该变更要求Web Gateway最初连接到 IRIS 时所使用的用户（通常是 CSPSystem）必须对承载 REST web applicatioon 的dispatch类的数据库具备 READ 权限。

在不满足该条件的情况下，就会引发一个错误，这会向调用者返回一个 HTTP 404 状态码，而非预期的 HTTP 401 状态码。

显然，这个问题将在 2024.3 版本中修复，参考编号为 DP-432898 / ALI048：REST 登录端点将返回 401 HTTP 错误码而非 404，但作为持续交付（CD）版本，2024.2 不会获得维护版本修正。

解决方法是让 CSPSystem 用户对安装WebTerminal所在命名空间的数据库具备读权限。

下面是所需的步骤：

1. 创建一个新的资源 “%DB_WEBTERMINAL”，并设置 “WEBTERMINAL” 数据库使用该资源，而非 “%DB_% DEFAULT”。

2. 创建一个名为 “% DB_WEBTERMINAL” 的角色，该角色能让角色持有者对 “% DB_WEBTERMINAL” 资源具有读写（RW）访问权限。

当我们将 InterSystems IRIS 安装在Windows 系列操作系统中时，往往同时使用IIS 作为其Web 服务器。

但这时候我们却发现，由RESTful返回的错误信息却不能正常显示出来了，特别是在调试程序的时候，非常不方便。

比如在测试 FHIR Post/Put 请求时，我们的请求消息体中包含不正确的内容，这时我可以看到返回的是HTTP 400 Bad Request的返回内容.

我无法具体知道请求消息体哪句出错了，这对我调试程序造成很大困扰。

解决方法：

1. 打开IIS的管理页面，双击 错误页

2. 选择右侧 编辑功能设置

第五章 主设备、当前设备、空设备

一个进程拥有一台设备

一次只有一个进程可以拥有一个设备，顺序文件除外。

换句话说，在进程成功向设备发出OPEN命令后，在第一个进程释放该设备之前，其他进程都无法打开该设备。进程通过以下任一方式释放设备：

• 通过显式发出CLOSE命令。

• 通过停下来。

每个进程都有一个主设备

每个 IRIS 进程都有一个主要输入设备和一个主要输出设备。默认情况下，这些是同一设备。当您登录终端并激活 IRIS 时，该终端将成为主要设备。由于 IRIS 隐式向该终端发出OPEN和USE命令，因此可以立即向它发出READ和WRITE命令。 IRIS 主设备是操作系统指定为主输入设备的设备。 $PRINCIPAL特殊变量包含主设备的设备 ID。

2024.3 版 InterSystems IRIS^® 数据平台、InterSystems IRIS^® for Health 和 HealthShare^® Health Connect 现已正式发布 (GA)。

版本亮点

在此版本中，您可以期待一系列激动人心的更新，包括：

第四十九章 终端输入 输出 - 转义序列编程

转义序列编程

转义序列的 ANSI 标准使智能终端的编程变得实用。字符串中转义字符及其后面的所有字符不会显示在屏幕上，但会更新$X和$Y 。使用WRITE *语句将转义序列发送到终端，并通过直接设置$X和$Y来保持它们最新。

ANSI 标准建立了转义序列的标准语法。特定转义序列的效果取决于使用的终端类型。

每次READ之后在$ZB中查找传入的转义序列。 IRIS 将 ANSI 标准转义序列和任何其他使用 ANSI 形式的转义序列放入$ZB中。 IRIS 可识别两种形式的转义序列：

第五十二章 File 输入 输出 - OPEN模式参数

OPEN 模式参数

可以通过以下两种方式之一指定 OPEN 模式参数
- 用引号字符括起来的字母代码字符串，如 “VRWN”。每个字母都指定一个参数。字母代码可以按任何顺序指定;因为 IRIS 按照从左到右的顺序执行它们，所以在某些情况下，字母代码之间的交互可能会决定首选顺序。
- 一系列 /keyword 参数，未加引号。这些参数用冒号分隔。关键字参数可以按任意顺序指定;因为 IRIS 以从左到右的顺序执行它们，所以在某些情况下，参数之间的交互可能会决定首选顺序。

指定字母代码参数和关键字参数的组合时，请先指定字母代码字符串，然后指定关键字参数，用冒号分隔。以下示例指定三个字母代码参数，后跟两个关键字参数，后跟 reclen 和 timeout 参数。

第十四章 本地进程间通信（管道） - 用于进程间通信的 CLOSE 命令

用于进程间通信的 CLOSE 命令

如果使用带Q (/QUEUE) 参数代码的OPEN创建子进程，则该子进程可能会在设备上的CLOSE操作中继续存在。排队的进程间通信管道的生存能力取决于平台。在 UNIX® 系统上，子进程始终在CLOSE后继续存在。在 Windows 系统上，进程的生存取决于进程的年龄。刚刚启动的子进程不会在CLOSE操作中幸存，但是一旦子进程完全建立，它就会在 CLOSE操作中幸存。

第二十二章 TCP 客户端 服务器通信 - TCP设备的OPEN和USE命令关键字

TCP设备的OPEN和USE命令关键字

可以使用位置参数(如上所述)或关键字参数。下表描述了使用OPEN和USE命令控制TCP设备的关键字。还有其他只能在OPEN命令中指定的OPEN-only关键字(本章稍后将描述)。所有关键字参数都是可选的。

如何下载5.2.4版本cache

第六十八章 打印机 - 在 UNIX® 上指定打印机

要在 UNIX 设备名称为 /dev/tty06 的终端上打开 I/O 设备，请输入以下命令

   OPEN "/dev/tty06"

在 UNIX 系统上，打印机由 OPEN 命令上的名称标识，并在 tty 设备上作为“字符特殊”文件处理。因此，支持的 OPEN 和 USE 命令参数与终端 I/O 相同， 而不是顺序文件 I/O 的参数。

在 UNIX 上，OPEN 支持大多数终端 I/O 关键字参数，如终端 I/O 中所述。

第十七章 TCP 客户端 服务器通信 - 使用OPEN命令

使用OPEN命令

OPEN命令保留一个TCP绑定设备供使用。其语法为：

社区朋友们好，

传统的基于关键词的搜索方式在处理具有细微差别的领域特定查询时往往力不从心。而向量搜索则通过语义理解能力，使AI智能体能够根据上下文（而非仅凭关键词）来检索信息并生成响应。

本文将通过逐步指导，带您创建一个具备代理能力的AI RAG（检索增强生成）应用程序。

实现步骤:

1. 添加文档摄取功能：
   • 自动获取并建立文档索引（例如《InterSystems IRIS 2025.1版本说明》）
   • 实现向量搜索功能
2. 构建向量搜索智能体
3. 移交至主智能体（分流处理）
4. 运行智能体

1. Create Agent Tools 添加文档摄取功能

Implement Document Ingestion: Automated ingestion and indexing of documents

1.1 - 以下是实现文档摄取工具的代码：

    def ingestDoc(self):
        #Check if document is defined, by selecting from table
        #If not defined then INGEST document, Otherwise back
        embeddings = OpenAIEmbeddings()	
        #Load the document based on the fle type
        loader = TextLoader("/irisdev/app/docs/IRIS2025-1-Release-Notes.txt", encoding='utf-8')      
        
        documents = loader.load()        
        text_splitter = RecursiveCharacterTextSplitter(chunk_size=400, chunk_overlap=0)
        
        texts = text_splitter.split_documents(documents)
                       
        #COLLECTION_NAME = "rag_document"
        db = IRISVector.from_documents(
            embedding=embeddings,
            documents=texts,
            collection_name = self.COLLECTION_NAME,
            connection_string=self.CONNECTION_STRING,
        )

        db = IRISVector.from_documents(embedding=embeddings,documents=texts, collection_name = self.COLLECTION_NAME, connection_string=self.CONNECTION_STRING,)

向量搜索智能体（Vector Search Agent）能够自动完成文档的摄取（ingest）与索引构建（index）， 该新功能在InterSystems IRIS 2025.1的数据资源文件夹里） 至 IRIS 向量存储， 只有当数据尚未存在时，才执行该操作。

运行以下查询以从向量存储中获取所需数据：

SELECT
id, embedding, document, metadata
FROM SQLUser.AgenticAIRAG

1.2 - 实现向量搜索功能

以下代码为智能体提供了搜索能力：

 def ragSearch(self,prompt):
        #Check if collections are defined or ingested done.
        # if not then call ingest method
        embeddings = OpenAIEmbeddings()	
        db2 = IRISVector (
            embedding_function=embeddings,    
            collection_name=self.COLLECTION_NAME,
            connection_string=self.CONNECTION_STRING,
        )
        docs_with_score = db2.similarity_search_with_score(prompt)
        relevant_docs = ["".join(str(doc.page_content)) + " " for doc, _ in docs_with_score]
        
        #Generate Template
        template = f"""
        Prompt: {prompt}
        Relevant Docuemnts: {relevant_docs}
        """
        return template

分流代理处理传入的用户查询，并将其委托给矢量搜索代理，后者执行语义搜索操作，以检索最相关的信息。

我们已经有一段时间没有在开发者社区上发表关于嵌入式 Git 的文章了，我想借此机会更新一下今年我们完成的大量工作以及未来的工作计划。

背景信息

如果您要在 IRIS 上构建解决方案，并想要使用 Git，那就太棒了！ 只需将 VSCode 与本地 Git 仓库结合使用，并将更改推送到服务器上即可，就是这么简单。

但在以下使用场景中该怎么办：