Hi, I’m Yuxia Luo

系列文章的最后一篇。Materialize 在 timely dataflow 和 differential dataflow 之上构建了一个完整的 SQL 数据库，将 SQL 查询编译为增量维护的 dataflow 图，实现物化视图的实时更新。

解读 Differential Dataflow 的核心思想：如何将数据表达为变更流，让任意关系代数运算都能增量化执行。这是三篇系列文章的第二篇。

解读 Naiad 论文（SOSP 2013 Best Paper），深入分析 Timely Dataflow 如何用一个支持有环图的数据流模型，统一 batch、streaming 和 iterative 三种计算范式。这是三篇系列文章的第一篇。

解读 SIGMOD 2008 经典论文 Column-Stores vs. Row-Stores: How Different Are They Really?，深入分析列存数据库相对于行存的性能优势究竟来自哪里。

从 Agent 到 Code Agent，AI 开始具备交付能力。本文梳理了五篇关键论文——Codex、SWE-bench、SWE-agent、OpenHands、Agentless，拆解代码场景为何成为 agent 最先爆发的领域，以及 AI 如何从’会写代码’演进到’能在真实仓库里执行—验证—修复—交付’的工程闭环。

从 ChatGPT 到 Agent，模型的评价标准从’回答得像不像’变成了’任务到底有没有完成’。本文梳理了这段演进中的五篇关键论文——Chain-of-Thought、ReAct、Toolformer、Reflexion、Self-Refine，拆解模型如何从会回答的问题机器，变成了会推进任务的执行系统。

从 GPT-3 到 ChatGPT，真正发生的变化不是’模型更大了’，而是训练目标变了。本文梳理了这段技术演进中的四篇关键论文——GPT-3、Learning to Summarize from Human Feedback、InstructGPT、WebGPT，拆解通用能力如何通过指令微调、人类反馈强化学习和工具增强，被重新塑造成一个可用的助手系统。

CocoIndex 是一个为 AI Agent 和 LLM 应用设计的声明式增量数据索引框架。Rust 引擎 + Python API，声明目标状态而非编写同步逻辑，只处理变化的增量数据。本文从 What / Why / How 三个维度分析 CocoIndex 的设计哲学和关键技术。

AgentMemory 是一个为 AI 编程智能体设计的持久记忆引擎。它用四层记忆模型模拟人类认知，通过 BM25 + 向量 + 知识图谱的混合检索实现跨会话记忆，支持 12+ 种 Agent，零外部依赖，本地运行。本文从 What / Why / How 三个维度分析这个项目的设计哲学和关键技术。

Ray 用一个 @ray.remote 装饰器，把普通 Python 函数变成分布式任务。但这一行装饰器背后，藏着一套精密的分布式系统：层次化 ID 体系、两阶段调度、分布式对象存储、引用计数 GC、对象溢写。本文从源码出发，拆解 Ray 的核心设计。