IRIS数据建模的决策框架。

关于选用哪种模型的决策涉及多方面因素。 我建议分别对每个维度进行评分，然后将结果相乘。 根据您偏好的评分方式，得分最高或最低的模型胜出。 我看到了这些维度，但具体方面可能会使列表进一步扩展。

• 开发人员在 SQL、面向对象和Globals方面的技能
• 维护人员和运维人员在 SQL、面向对象和Globals方面的技能
• 与 SQL、面向对象、Globals相关的数据文化
  • 我曾遇到过完全拒绝使用SQL的客户
• 开发和测试所需的时间
• 需存储在SQL、面向对象和Globals中的结构复杂度
• 访问速度
• 存储消耗
• 数据类型和质量检查
• 对变更和增强的灵活性…… 
• 更多

SQL的技术维度

• 若仅包含简单列，生成 CREATE TABLE 语句的速度会很快

  • 但添加外键或引用其他表可能会带来挑战

• 访问速度仅对大型表重要，且受以下因素影响

• 存储空间消耗

  • 您可以将其完全交给代码生成器处理，几乎无需干预
  • 在后台，每张表都对应一个 Object 类
  • 以及一组可供使用的Globals

• 要提高访问速度，需要巧妙地建立索引

• 您可以对标准数据类型进行全面检查

• 灵活性

  • 仅需添加一列便十分简单
  • 更复杂的更改可能会让人头疼不已

对象的技术维度

• 利用现有的工具，创建一个对象类是一件轻而易举的事。

本系列的第一部分。第二部分将介绍完整的工具目录。第三部分将介绍 ObjectScript 技能。第四部分将介绍基准测试以及如何衡量实际的改进效果。

隐藏在注释中的问题

托马斯·马祖尔（Thomas Mazur）关于 VS Code 生产力——Peacock、作用域工作区文件、Copilot 代理模式——的 博文《青蛙、鸡、AI 和 VS Code》 在评论区揭示了一个更尖锐的问题。皮耶特罗·迪·莱奥（Pietro Di Leo）和 Mike.W 指出，当你在 VS Code 中进行服务器端开发时， isfs:// 大多数 IRIS 生产环境所使用的“工作区”中，Copilot 只能看到编辑器中打开的文件，无法对虚拟文件系统进行索引。对于拥有数千个类的成熟 IRIS 应用程序而言，AI 的工作效果就像是透过钥匙孔观察一样。

John Murray 向大家推荐了我正在开发的项目——iris-agentic-dev——并指出目前开发者社区中尚无相关文章。因此，本文将阐述：该问题产生的原因、该工具如何解决该问题，以及如何在约五分钟内完成部署。

为什么 AI 无法“看到”你的命名空间

当你打开一个 isfs:// 工作区时，你的 IRIS 类存储在服务器上，而非本地磁盘。

处理遗留代码时的差异与注意事项

刚开始接触 ObjectScript 时，我编写的大部分代码都遵循了 InterSystems 的现代编程模式。我使用类、方法、REST 服务、互操作性生产、JSON 对象以及 %Status 值。

与此同时，我负责维护的生产系统中，很大一部分代码采用的编写风格却截然不同。

该系统使用了例程、标签、global、缩写命令、“点-do”语法、共享局部变量以及错误处理模式——这些在基于类的 ObjectScript 普及之前就已经存在了。

起初，我曾以为这仅仅是旧语法与新语法的区别。随着时间的推移，我意识到最大的差异并非表面上的。传统的MUMPS风格代码与现代ObjectScript在变量作用域、执行层级、数据流和错误处理方面往往基于不同的假设。这种区别至关重要，因为旧代码很容易被误读。

某个例程看似未接收任何参数，却依赖于调用者创建的多个变量；某个标签在某处表现得像一个过程，在另一处却表现得像一个函数；一个点块（dot block）虽然会创建另一个执行层级，却可能看起来像缩进；一段代码在移入类后虽然能编译通过，但在运行时却可能表现得截然不同。

代码看起来依然很熟悉。语言依然是 ObjectScript。然而，它可能已经发生了变化。

本文介绍了我在处理遗留代码并将其与更现代的 ObjectScript 应用程序集成时所遇到的一些最重要的差异。

1.

如果你在开发者社区待过一段时间，就会发现许多问题以不同形式反复出现：如何将持久化对象转换为 JSON？如何遍历一个结构未知的 JSON 有效载荷？ 为什么 Required 对我的 %DynamicArray 属性 没有任何作用 ？为什么我的日期会被返回为 31390 ？ 

注意到这一点后，我们决定撰写一篇文章，总结所有那些仅凭文档无法解答的问题：实践。

让我们从基础开始

InterSystems IRIS 为无模式数据提供了两个类：%DynamicObject 和 %DynamicArray。它们都继承自 %DynamicAbstractObject，两者的实例均被称为动态实体。 它们与 JSON 映射得非常自然：对象是一组键值对，数组是有序列表。与持久化类或注册类不同，动态对象不保留预定义的有效属性名列表——任何字符串键都是合法的，并且可以在运行时添加或移除成员。

最令人愉悦的部分是字面量语法，对于来自 JavaScript 背景的开发者来说，这看起来会很熟悉：

你也可以逐个字段构建它们。 会返回其修改后的实体，因此可以进行调用链：

Set obj = {}.%Set("a",1).%Set("b",2) // now obj is {"a":1,"b":2}

Do scores.%Push(100)          		 // now scores is [90, 85, 77, 100]

Set last = scores.%Pop()      		 // now scores is [90, 85, 77] and last is 100

1. 引言

流行病学监测是公共卫生的基石之一。 Régis Júnior等人（2026）将其定义为一个针对健康事件的持续性数据收集、分析、解读和传播系统——该功能的有效性在很大程度上取决于信息系统的质量、数据分析能力以及不同医疗层级之间的协调。 在新冠疫情期间，这一职能的战略重要性已毋庸置疑：世界卫生组织（2021）的记录显示，拥有更健全监测系统的国家始终表现得更好，而监测能力方面的区域差异则直接导致了应对措施的不一致，并在发病率和死亡率方面产生了可测量的差异。

尽管医疗系统如今能够收集海量的标准化临床数据，但挑战在于如何将这些数据转化为及时且可付诸行动的洞见。传统的流行病学报告往往依赖于人工分析和定制数据库查询，由此产生的延迟可能会阻碍公共卫生部门的快速响应。

EpInsights通过整合 InterSystems IRIS for Health、嵌入式 Python 临床向量化技术、IRIS Vector Search 以及 LangChain4j 对话式智能助手，填补了这一空白。 该平台使流行病学家和卫生管理者能够提出自然语言问题，并即时获得基于真实FHIR数据的地理空间热力图、区域排名、相似聚类检测以及AI生成的建议，所有结果均在数秒内呈现。

2. 架构概述

EpInsights 采用三层架构，各层职责划分明确。

大多数“AI 代理 + FHIR”项目最终都呈现出相同的架构：这边是一个 FHIR 服务器，那边是一个向量数据库，中间则是一个 Python 服务，其职责是调用嵌入 API、在两端之间转换浮点数数组，并保持两个数据存储库的同步。 三个活动组件、两次网络跳转，以及一个你从此永久拥有的嵌入式客户端。

Triage Park：我们 提交给InterSystems 编程大赛:FHIR AI Agent的参赛作品，完全没有这些复杂结构。该代理从不计算嵌入向量，也从未导入过 OpenAI 嵌入向量客户端。 没有向量数据库。它将原始文本发送给 IRIS，剩下的工作由 IRIS 完成：它在服务器端计算嵌入向量，并通过针对与 FHIR 存储库位于同一数据库*中的表执行单条 VECTOR_COSINE SQL 语句来响应检索请求。

这就是 IRIS for Health 的“AI Hub”模式，一旦我采用该模式，我自己的代码中整整一层就消失了。以下是它的具体工作原理。

问题在于：分诊人员需要快速获得指导方针

Triage Park 是一款对话式分诊助手。患者描述症状（“我上楼梯时胸口发紧”），由大型语言模型（LLM）支持的助手会读取患者的真实 FHIR 病历，并生成分诊决策：自我护理 / 看全科医生 / 急诊护理 / 急诊科，同时附上依据说明。

“引用依据”(Cited rationale)是关键所在。

在开始开发“智能出院导航器(Smart Discharge Navigator)”时，我遇到了一个常见的难题：FHIR 数据以 JSON 数据包的形式存储，但我所需的分析需要将多个资源进行关联，而这正是 SQL 所擅长的领域。

InterSystems FHIR SQL Builder 彻底解决了这一问题。我无需在应用程序代码中解析 JSON 数据包，而是能够直接在 IRIS for Health 中针对 FHIR 资源投影编写纯 SQL 语句。本文将详细介绍我如何利用该工具构建了该应用程序核心——基于人群的再入院风险评分引擎。

临床问题

30 天内的医院再入院是医疗保健领域成本最高且本可预防的问题之一，每年给美国医疗系统造成 170 亿美元的损失。挑战并不在于事后识别风险因素，而在于在恰当的时机——即患者出院前——及时发现这些风险因素。

为了评估再入院风险，我需要针对每位患者同时回答以下五个问题：

• 该患者近期住院过几次？
• 该患者是否患有多种活动性慢性病？
• 该患者目前是否正在服用五种或更多种药物（多药联用）？
• 病历中是否有任何异常实验室检查结果？
• 是否有缺席随访的情况？

如果通过 Python 解析 FHIR 数据包来回答这五个问题，不仅速度慢，而且容易出错。而 FHIR SQL Builder 则让这一切变得简单明了。

摘要

常见表表达式（CTE）为在SQL语句中定义可重用的中间结果集提供了一个结构化的框架。InterSystems IRIS通过WITH子句实现CTE，在与IRIS基于成本的优化器完全集成的情况下，既能实现更清晰的查询构建，又能支持模块化的分析处理。

本文探讨了 InterSystems IRIS 中 CTE 的语义，解释了其与查询优化的交互关系，讨论了合适的部署场景，并提供了可执行的示例，以说明生产环境中的实用模式。

1. 引言

复杂的 SQL 工作负载通常需要多个逻辑处理阶段（例如过滤、聚合、数据增强和投影）。如果没有抽象机制，这些操作往往会导致查询结构深度嵌套，难以理解和维护。

常见表表达式（CTE）通过允许开发人员定义可在单个 SQL 语句中求值的命名查询组件，解决了这一问题。

在 InterSystems IRIS 中，CTE 通过 SQL 的 WITH 子句实现，并作为逻辑查询表达式运行，与周围的语句一同进行优化 [1]。

2. InterSystems IRIS 中的常见表表达式

2.1 定义

公共表表达式（Common Table Expression）是在 SELECT 语句之前声明的命名子查询：

WITH PersonSubset AS (
  SELECT ID, Name, Age
  FROM Sample.Person
)
SELECT Name
FROM PersonSubset

太长不读版（TL;DR:）:本文演示了如何利用iris-vector-graph包，完全在 InterSystems IRIS 环境中实现 GraphRAG 风格的混合检索——该方法结合了向量相似度、图遍历和全文搜索。 我们通过一个欺诈检测场景，展示了图模式如何揭示仅靠向量搜索无法发现的问题。

为何欺诈检测需要图技术

每年，企业和消费者因欺诈损失数十亿美元。仅在2024年，消费者报告的损失就达125亿美元——同比增幅达25%。 现代欺诈之所以难以被发现，是因为欺诈者很少单独行动。他们通过有组织的网络运作，实施协调一致的骗局，利用我们无法察觉看似无关的交易之间存在关联这一弱点。

举个简单的例子：从账户 A 转账至账户 B 的单笔交易看起来完全正常。金额合理，时间点符合常规，且两个账户均未被标记为可疑。传统的基于规则的系统，甚至那些孤立分析交易的机器学习模型，都会毫不犹豫地批准这笔交易。

但如果我们能看到全局呢？

同一笔交易其实是环形模式的一部分——资金在循环流动，每一步都会被截留一小部分。这是一种典型的洗钱结构，对于任何不分析交易关联性的系统来说，都是隐形的。

这一洞见——即欺诈隐藏在关联关系中，而非单个记录中——正是图数据库成为欺诈检测不可或缺工具的原因。

在上一篇文章中，我们探讨了 IRIS 中单元测试的基础知识以及将其应用于 REST API 的方法。我们甚至还了解了如何在最终确定网络配置和身份验证之前测试逻辑，从而使我们能够专注于测试 API 内容。

今天，我们将在此基础上使用另一个工具来提升我们的单元测试策略：%Populate。

乍一看，%Populate类似乎非常简单。你可以创建一个同时扩展了 %Persistent和 %Populate的类，并继承一个用于生成随机记录的 方法。该工具可识别某些字段名称（如 "Name"、"SSN" 和 "Phone"），并应用专门的逻辑来确保数据的真实性。如果某个字段名称没有被识别为特殊字段名称，就会按照其指定的数据类型填充随机值。

假设我们开发了这样一个具有以下属性的类，用来跟踪商店中一些基本的客户信息（我们的类还扩展了 ，这在后面会派上用场）：

Class User.CustomerList Extends (%Persistent, %Populate, %JSON.Adaptor)
{
    Property Name As %String;
    Property DOB As %Date;
    Property Age As %Numeric(SCALE = 0);
    Property IsMember As %Boolean;
    Property MemberID As %String(POPSPEC = ".GenID()");
}

大家好，

你是否曾希望你的电子健康记录（EHR）能具备思考能力？不仅仅是显示数据，也不仅仅是触发警报。而是能够真正阅读病历、综合临床指南进行分析，并根据临床医生的单条信息，向系统生成结构化的转诊医嘱。

在本文中，我将向大家展示如何创建您自己的定制临床AI助手。

🏥 关于 iris-fhir-agents 应用

iris-fhir-agents是一个完全基于 InterSystems IRIS for Health 构建的多智能体临床 AI 平台

大家好👋
我很高兴与大家分享我提交给本届InterSystems .Net、Java、Python 和 JavaScript 竞赛的项目——它叫做IRIStool 和 Data Manager，您可以在InterSystems Open Exchange和我的GitHub 页面上找到它。

表分区演示 (Table Partitioning Demo)

本演示将带你体验 IRIS SQL 全新的表分区（Table Partitioning）功能，并沿途讲解其作用与工作原理。

为了验证概念，我们仅使用几十条数据进行演示。但显而易见，该功能的真正威力在于应对体量高出数个数量级的海量数据集。

💡 想要更简短、高屋建瓴的介绍？

不妨查看在线学习模块：Managing Tables with Partitioning in InterSystems IRIS

ℹ️ 表分区（Table Partitioning）功能已作为实验性功能包含在 IRIS 2026.1 中。

为了获得最佳的表分区体验，请注册 InterSystems Early Access Program (EAP)。加入 EAP 后，你将获得：许可证密钥、更新说明、与表分区团队更直接高效的沟通渠道。你的反馈对我们至关重要：我们越了解你希望如何使用表分区，就越能针对性地改进它。在注册Early Access Programs 的同时，也欢迎关注涵盖其他激动人心新功能的早期访问计划！

什么是表分区 (Table Partitioning)？

表分区允许用户依据特定的逻辑规则，将大表中的数据拆分存储到多个数据库中，从而实现高效的管理。

从 Oracle、MSSQL 或其他纯关系型数据库系统迁移到多模型 InterSystems IRIS 是一项战略决策，需要认真规划和执行。虽然这种过渡具有显著的优势，包括增强性能、可扩展性和对现代架构的支持，但它也伴随着挑战。在本文中，我将重点介绍与编码相关的一些注意事项，以确保成功迁移。与结构和数据的实际迁移相关的所有事项都不在本文讨论范围之内。

首先，当你考虑迁移到不同的数据库系统时，你需要了解你的业务逻辑，无论是在应用程序（应用服务器）还是数据库服务器端。基本上，你需要重写的 SQL 语句在哪里？

📘新书发布｜《IRIS(数据平台)编程技术指南》正式发售！

大家好，我是姚鑫。

最近一段时间，我把自己过去几年在 InterSystems IRIS 项目中的开发经验，系统整理成了一本书—— 📕 《IRIS(数据平台)编程技术指南》 现已由 北京航空航天大学出版社 正式出版发行。

说实话，写书的过程比我想象中要难很多。 如果说写博客是“随手记录”，那么写书就是一次真正的“工程项目”：要保证结构完整、逻辑严谨、内容能从入门一路带到实战。

🚀这本书写了什么？

本书围绕 InterSystems IRIS 的核心开发语言 ObjectScript 展开，内容不仅讲语法，更注重“工程实践”。

主要包括：

✅ IRIS 平台介绍与开发环境搭建 ✅ ObjectScript 语法规则、变量体系、全局变量机制 ✅ 常用数据类型、表达式、系统命令、系统函数 ✅ 函数与方法、面向对象编程基础 ✅ %Persistent 持久类（ORM 与 SQL 映射） ✅ Storage 存储策略、懒加载机制、并发分析 ✅ 嵌入式数据结构、常见性能问题与技术难点解析

整体内容更偏向“项目实战型”，不是纯概念堆砌。

🎯适合哪些人？

InterSystems Ready 2026 大会即将召开——这是您在参加现场认证考试之前进行准备和检查知识的大好时机。

InterSystems 认证并非易事：您需要根据真实考试目标进行试题练习。

exam-prep.es正是为实现这一目标而建立的免费平台：练习、找出薄弱环节并做好充分准备。

你会发现

* 1200 多道与官方认证目标一致的练习题 * 带有 InterSystems 文档链接的详细解释 * 涵盖每个考试知识点的学习材料 * 进度跟踪

涵盖的认证

* HL7 接口专家 * IRIS SQL 专家 * IRIS 系统管理专家 * IRIS 开发专家

学习材料+互动测验的组合使其特别适用于在考试前验证您的水平。

https://exam-prep.es

注：exam-prep.es 与 InterSystems 无关。它是一个补充练习资源。

InterSystems IRIS^® 数据平台、InterSystems IRIS^® for Health^TM 和HealthShare^® Health Connect 的2025.1.4 和 2024.1.6维护版本现已全面上市 (GA)。这些版本包括对最近发布的一些警报和建议的修复，其中包括以下内容：

• 2026 年 4 月 15 日 - 警报：由于健康互操作性问题，删除 InterSystems IRIS for Health 和 Health Connect 2024.1.4 和 2024.1.5 | IDC
• 警报：系统工作队列的日志记录可能被禁用 | InterSystems
• 警报：数据库缓存≥2 TB时系统挂起 | InterSystems

请通过Ideas Portal使用 "发布后反馈"类别分享您的反馈意见，以便我们共同打造更好的产品。

文档

您可以在这些页面上找到详细的变更列表和升级检查列表：

• InterSystems IRIS
• InterSystems IRIS for Health
• HealthShare Health Connect

早期使用计划 (EAP)

现在有许多 EAP 可用。请查看此页面并注册您感兴趣的项目。

如何获取软件？

您熟悉 SQL 数据库，但不熟悉 IRIS 吗？ 请继续阅读...

大约一年前，我加入了 InterSystems，IRIS 就这样进入了我的视线。 我使用数据库已经有 40 多年了，其中大部分时间都是为数据库供应商工作，我以为 IRIS 与我所知道的其他数据库大致相同。 然而，我惊讶地发现，IRIS 在很多方面都与其他数据库截然不同，而且往往要好得多。 这是我在 Dev Community 上发表的第一篇文章，我将为已经熟悉 Oracle、SQL Server、Snowflake、PostgeSQL 等其他数据库的人提供 IRIS 的高级概述。 希望我的介绍能让您更清楚、更简单，并节省您的入门时间。

首先，IRIS 支持 ANSI 标准 SQL 命令和语法。它有表格、列、数据类型、存储过程、函数......所有关系型的东西。 你还可以使用 ODBC、JDBC 和 DBeaver 或任何你喜欢的数据库浏览器。 因此，是的，您在其他数据库中知道和做的大多数事情都可以在 IRIS 上正常运行。 耶！

但我提到的那些不同之处又是怎么回事呢？ 好了，系好安全带：

多模型（Multi-Model）：IRIS 是一个关系数据库，但同时也是一个面向对象的数据库，还是文档存储，支持向量和立方体/MDX，以及.你知道我要说什么。

大家好。好久不见。我想再次与大家分享我最近学习的内容 通过 JDBC 使用 SQL 创建外来表。

因为我同时也在学习 IRIS BI，所以我从这个 Sample-BI docker 环境开始。

https://github.com/intersystems/Samples-BI

启动环境后，以超级用户身份登录管理门户http://localhost:52773/csp/sys/UtilHome.csp。

将命名空间切换为IRISAPP。

我们会发现所有样本数据都存储在IRISAPP 命名空间中。让我们找一张简单的表来测试外来表功能 🤣

System Explorer > SQL

让我们通过在 "执行查询（Execute Query tab） "选项卡中执行以下 SQL 查询来试试表HoleFoods.Outlet

SELECT
ID, City, Country, Latitude, Longitude, Population, Type
FROM HoleFoods.Outlet

太棒了！😉 表中有 35 个条目。

大家好，

我们非常高兴地与大家分享，我们刚刚推出了一个新的免费互动教程，专门为那些刚刚接触 InterSystems IRIS 并希望了解其核心概念的人设计。

🧑‍🏫InterSystems IRIS 的数据模型🧑‍💻