在当今的医疗数据领域，FHIR 已成为结构化临床数据交换的标准。然而，虽然 FHIR 擅长互操作性，但其 JSON 格式却给分析带来了挑战——包括FHIR QuestionnaireResponse数据。

构建的三个步骤

1.设计和收集问卷

首先使用 美国国家医学图书馆（NLM）表格生成器。该工具有助于设计符合 FHIR 标准的结构化临床表格。在本项目中，收集了 100 份合成患者回复，并将其保存为 FHIR QuestionnaireResponse JSON 文件，准备导入 FHIR 服务器。

2.通过 SQL 转换和查询问卷数据

将 FHIR QuestionnaireResponse 资源加载到服务器后，使用InterSystems IRIS FHIR SQL 生成器自动创建关系 SQL 表。这将使嵌套的 JSON 结构扁平化，从而能够使用标准 SQL 轻松分析问卷数据——所有配置只需点击几下即可完成。

• 有关 FHIR SQL 生成器的完整配置，请参阅README。

技术文档 — Quarkus IRIS Monitor System

1. 目的与范围

此模块支持在基于 Quarkus 的 Java 应用程序与 InterSystems IRIS 的原生性能监控功能之间进行集成。
它使开发者可以通过 @PerfmonReport 对方法添加注释，这样可以在执行方法时自动触发 IRIS 的 ^PERFMON 例程，以生成性能报告，而无需人工干预。

2. 系统组件

2.1 注释：@PerfmonReport

• 定义为 CDI InterceptorBinding。
• 可应用于方法或类。
• 指示使用 IRIS 监控逻辑包装方法执行的框架。

2.2 拦截器：PerfmonReportInterceptor

• 拦截对带注释的方法的调用。

• 执行流程：

  1. 记录启动事件 (LOG.infof("INIT: …"))
  2. 调用 monitorSystem.startPerfmon()
  3. 继续执行 context.proceed()
  4. 在 finally 块中：
     • 调用 monitorSystem.generateReportPerfmon(...)
     • 调用 monitorSystem.stopPerfmon()
     • 记录结束事件及执行时间

• 确保即使抛出异常，监控也始终结束。

Hi 大家好
在本文中,我讲介绍我的应用 iris-AgenticAI .

代理式人工智能的兴起标志着人工智能与世界互动方式的变革性飞跃--从静态响应转变为动态、目标驱动的问题解决方式。参看 OpenAI’s Agentic SDK ,  OpenAI Agents SDK使您能够在一个轻量级、易用且抽象程度极低的软件包中构建代理人工智能应用程序。它是我们之前的代理实验 Swarm 的生产就绪升级版。

该应用展示了下一代自主人工智能系统，这些系统能够进行推理、协作，并以类似人类的适应能力执行复杂任务。

应用功能

• Agent Loop 🔄 一个内置循环，可自主管理工具的执行，将结果发回 LLM，并迭代直至任务完成。
• Python-First 🐍 利用本地 Python 语法（装饰器、生成器等）来协调和连锁代理，而无需外部 DSL。
• Handoffs 🤝 通过在专业代理之间委派任务，无缝协调多代理工作流程。
• Function Tools ⚒️ 用 @tool 修饰任何 Python 函数，可立即将其集成到代理的工具包中。
• Vector Search (RAG) 🧠 原生集成向量存储（IRIS），用于 RAG 检索。
• Tracing 🔍 内置跟踪功能，可实时可视化、调试和监控代理工作流（想想 LangSmith 的替代方案）。
• MCP Servers 🌐 通过 stdio 和 HTTP 支持模型上下文协议（MCP），实现跨进程代理通信。
• Chainlit UI 🖥️ 集成 Chainlit 框架，可使用最少的代码构建交互式聊天界面。
• Stateful Memory 🧠 跨会话保存聊天历史、上下文和代理状态，以实现连续性和长期任务。

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：

• 您与其他开发者在共享的远程开发环境中合作，并想要避免因同时编辑同一文件而影响彼此的工作
• 您使用位于管理门户中的编辑器来实现互操作性或业务智能，并希望对您的工作直接进行源代码控制，即使在本地容器中也希望如此
• 您仍在使用 Studio 处理一些任务并且/或偶尔会再次从 VSCode 跳转回 Studio；或者您的团队还没有完全接受 VSCode，一些团队成员仍想使用 Studio，而其他人在使用 VSCode
• 您同时在同一命名空间中处理多个独立的项目，例如使用 InterSystems Package Manager 定义的多个软件包，并想仅通过一个 isfs 编辑视图使用所有软件包（而不是在多个单独的项目中使用），同时在合适的本地 git 仓库中自动跟踪更改

在以上任何情况下，您都非常需要嵌入式源代码控制。

许多使用InterSystems IRIS的用户在调试代码的时候习惯使用命令行的方式，比如运行一个函数查看输出或者查看代码运行过程中保存在global中的数据等等。

对于将 InterSystems IRIS 安装在 Windows 操作系统的用户，只需要点击右下角图标选择Terminal 就可以很方便的使用。

但是对于将其安装到 Linux 或者Docker 容器中的用户，要使用命令行却不那么方便，下面我将会介绍在我们 Openexchange 中的一个应用 -- Web Terminal。

也就是说可以在网页中直接执行Terminal中的命令。

或者查看SQL执行结果：

可以在其中输入 /help ，获取更多帮助信息

安装

1. 点击进入项目下载页面，选择下载最新的版本。

2. 在任意的命名空间下导入下载的xml文件。

注意在这里选择导入文件的同时也要勾选上 “编译导入的项”

3. 之后会出现下面提示导入成功的提示

如果出现类似于下面的错误提示：

请将下载的 WebTerminal-v4.9.3.xml 文件编辑做下面修改

1 . 第1611行：修改为 

set requiredRole = "%DB_IRISSYS"

2. 第1730行：修改为

set dbPrefix = "IRIS"

重新导入就可以了。

数据收集

这篇分步说明指南将讲解如何创建任务来收集 InterSystems 数据库及其全局变量的相关数据（如关联的 Open Exchange App 所示，其中包含所有相关代码）

免责声明：此软件仅用于测试/演示目的。 InterSystems 不支持将此代码作为任何发布产品的一部分。 它由 InterSystems 提供，作为特定产品和版本的演示/测试工具。 用户或客户全权负责此软件交付后的维护和测试，InterSystems 对此代码的错误或误用不承担任何责任。

1. 首先，通过管理门户导入文件“DataCollection.xml”，并确保没有错误。 如果存在错误，则可能是版本问题，请发送电子邮件至 ari.glikman@intersystems.com 联系 Ari Glikman 获取适合你的版本的支持。 另外，确保将数据导入到你想要收集其内部数据以供后续检查的命名空间中。

2. 导入完成后，应该看到 Sample 软件包以及几个子软件包

如果服务器上已经存在 Sample 软件包，那么你仍然应该可以看到新的子软件包以及先前存在的其他文件夹。

3. 现在，运行单元测试以确保一切正常运行。

a. 创建可以被 InterSystems Terminal 读取的名为 Unit Tests 的文件夹，例如，由于我有一个本地安装，我需要在 C 盘中创建一个文件夹。

b.

嗨，开发者，

我们很高兴邀请大家参加新的以 Python 为主题的 InterSystems 在线编程竞赛！

🏆 InterSystems 2024 Python 编程大赛 🏆

时间: 2024年7月15日-8月4日（美国东部时间）

奖金池: 14,000美元

人工智能不仅限于通过带有说明的文本生成图像，或通过简单的指示创建叙事。
您还可以制作图片的变体，或为已有图片添加特殊背景。
此外，您还可以获得音频转录，无论其语言和说话者的语速如何。
让我们来分析一下文件管理是如何工作的。

人工智能（AI）最近受到广泛关注，因为它可以改变我们生活的许多领域。更好的计算机能力和更多数据帮助人工智能完成了许多惊人的事情，例如改进医学测试和制造自动驾驶汽车。人工智能还可以帮助企业做出更好的决策，提高工作效率，这也是人工智能越来越流行和广泛应用的原因。如何将 OpenAI API 调用集成到现有的 IRIS 互操作性应用程序中？

第一步

您需要在Open Exchange中提交并发布您的应用。

第二步

通过您的个人主页/Open Exchange页面进入您个人的开发者页面

在这里您可以找到自己提交成功的全部应用

第三步

您可以通过以下几个方式参赛：

方式一

访问编程大赛页面，点击申请按钮，选择您想要提交的App进行提交。

方式二

在您的App页面查看可参加的比赛进行提交 
 

方式三

找到您的所有的App，找到想投赛的App，按下图所示进行申请

如果您有更多疑问，欢迎留言提问，或者访问此链接进行了解。

想必大家都听说过 FHIR 是解决系统间所有互操作性和兼容性问题的灵丹妙药和解决方案。就在这里，我们可以看到他手持一份 FHIR 资源，愉快地享受其中：

但对于我们这些普通人，我们将做一个小小的介绍。

什么是 FHIR？

让我们直接进入定义：FHIR（Fast Healthcare Interoperability Resource）是由HL7（Health Level 7标准组）开发的一种互操作性标准，旨在实现医疗行业中不同系统之间的电子医疗数据交换。

FHIR 从根本上基于哪些技术？

主要是通过 REST API 和 JSON 格式进行 HTTP 调用的结合（尽管它可以是 XML 以及我们可用的任何其他通信，具体根据我们的使用情况）。

我们如何与 FHIR 合作？

一般来说，最简单的方式是拥有一个FHIR服务器，我们将使用诸如GET（从服务器获取数据）、PUT（更新数据）、POST（保存数据）和DELETE（删除数据）等HTTP调用与其通信。

FHIR处理了“资源”（Resource）的概念，用于在服务器和客户端之间发送和接收数据。这些资源旨在涵盖系统间80%的互通性需求。在这里，我们可以看到默认情况下可用的资源图示。

如您所见，每个资源都附带一个表示资源成熟度的数字或字母（其中N = 正式）。如果您访问官方的FHIR文档，您将能够获取到众多示例。

Hi 开发者们，

我们非常高兴地邀请大家参加新的 InterSystems 在线编程竞赛，重点关注 Java 及其衍生产品！

🏆 InterSystems Java 编程大赛🏆

时间： 2023年11月13日至12月3日（美国东部时间）

奖金池： 14,000 美元

增强的密码管理：无缝编辑密码

在不断发展的数字安全领域，强大的密码管理工具已变得不可或缺。我们的密码管理应用程序旨在简化和保护您的在线生活，现在提供了一项增强功能 - 轻松编辑密码的能力。

为什么这个功能会改变游戏规则？

1. 灵活性：生活是动态的，我们的在线帐户也是如此。借助新的编辑密码功能，您可以在需要时灵活地修改已保存的密码。无论您是出于安全考虑想要更改密码还是只是更新密码，此功能都可以让您轻松适应。
2. 简化的体验：编辑密码是无缝且用户友好的。不再需要繁琐的过程或从头开始创建新条目。只需点击几下，您的密码就会更新，从而使您的记录保持井然有序且最新。
3. 增强安全性：我们将安全性放在首位。编辑密码功能可确保使用现有加密密钥对更新后的密码进行加密。这意味着即使修改密码，您的数据仍然受到保护。
4. 个性化：您的密码，您做主。根据需要自定义标题、登录名和密码。此功能使您能够使您的密码管理器真正个性化，适合您独特的偏好和组织风格。

怎么运行的：

• 登录到您的帐户。
• 导航到您要编辑的密码。
• 单击“编辑”图标。
• 修改密码标题、登录名或密码本身。
• 保存您的更改。
• 您更新的密码现已安全存储并可供使用。

保持安全，保持井井有条：

凭借增强的编辑密码功能，我们的密码管理器为您的安全需求提供了更全面的解决方案。确保安全、井井有条并放心地管理您的密码。

InterSystems 还发布了容器化部署的IRIS。这篇文章旨在演示 InterSystems IRIS 和依赖 IRIS 后端的应用程序如何打包到镜像中并在容器中的其他计算机中运行，以及这样做有多么简单。

容器运行包含所有必需的可执行文件、二进制代码、库和配置文件的镜像。镜像可以从一台机器移动到另一台机器，像 Docker Hub 这样的镜像存储库可以简化这个过程。

我在本演示中使用了 Open Exchange 的应用程序。

演示视频： https://www.loom.com/share/93f9a760b5f54c0a8811b7a212387b9d

IRIS 数据平台社区版的镜像（image)可以在 InterSystems 容器注册表中找到：

https: //containers.intersystems.com/contents

为了在主机中使用 IRIS 的容器化实例，应在运行时拉取它。

为此，Dockerfile 需要具有以下命令，如下所示：

Dockerfile：

Dockerfile

这些是编写 Dockerfile 来构建镜像的基本命令，该镜像包含容器化 IRIS 的说明。

您好！社区的各位老师，

在我的上一篇文章中，我们学习了以下主题：

1. 什么是 Docker？
2. Docker 的一些好处
3. Docker 是如何工作的？
4. Docker 镜像
5. Docker容器
6. Docker 镜像存储库
7. InterSystems 的 Docker 镜像存储库
8. Docker安装
9. Docker 基本命令
10. 使用 Docker 运行 IRIS 社区版
11. Docker 桌面图形用户界面

在本文中，我们将讨论以下主题：

1. 使用 Docker Compose 文件（ YAML 文件）
2. Docker 文件的使用（用于构建 Docker 镜像）
3. Docker 卷的使用

那么让我们开始吧。

嗨，开发者们！

今天我想谈谈一个让我感到困难的话题。我相信你们中的很多人一定已经遇到过这种情况（所谓的“瓶颈”）。由于这是一个广泛的主题，因此本文将仅重点关注识别可能导致缓慢问题的传入 HTTP 请求。我还将向您提供我开发的一个小工具来帮助识别它们。

我们的软件变得越来越复杂，处理来自不同来源的大量请求，无论是前端还是第三方后端应用程序。为了确保最佳性能，必须有一个能够记录一些关键测量的日志系统，例如响应时间、global引用的数量以及每个 HTTP 响应执行的代码行数。作为工作的一部分，我参与了 EMR 软件的开发以及事件分析。由于用户负载主要来自 HTTP 请求（REST API 或 CSP 应用程序），因此在发生普遍缓慢问题时进行此类测量的需求变得显而易见。