Ktx: Eine ausführbare Kontextschicht zur Korrektur der Datenagenten-Genauigkeit

Ktx ist eine quelloffene, ausführbare Kontextebene, die KI-Agenten wie Claude Code, Codex, Cursor und OpenCode dabei unterstützt, Ihr Data Warehouse präzise abzufragen. Nachdem das Team von Kaelio für Dutzende von Unternehmen produktionsreife Datenagenten entwickelt hat, stellte sich heraus, dass die Genauigkeit das Hauptproblem ist: Agenten generieren gültiges SQL, aber oft aufgrund veralteter Spalten, versteckter Geschäftsregeln, Join-Fanout und fehlender Zuordnungslogik fehlerhaft.
Ktx teilt das Problem in zwei Teile auf:
- Geschäftskontext wird in Markdown-Wiki-Seiten abgelegt, die automatisch aufgenommen, organisiert, dedupliziert und auf Widersprüche geprüft werden.
- Abfragbare Definitionen werden in YAML-Dateien definiert, die Tabellen, Zeilengranularität, Joins, Measures, Dimensionen, Filter und Filtergruppen enthalten.
Wenn ein Agent eine Metrik benötigt, fragt er ktx nach einem Measure, Dimensionen und Filtern, anstatt die gesamte Abfrage selbst zu schreiben. Der Planer von ktx wählt den Join-Pfad, nutzt Granularitäts- und Beziehungsmetadaten, erkennt Probleme wie Join-Fanout und Chasm-Joins und kompiliert das Warehouse-SQL, während er gleichzeitig unstrukturiertes Wissen aus aufgenommenen Dokumenten nutzt.
Ktx integriert sich mit den meisten Data Warehouses (BigQuery, Snowflake, Postgres, ClickHouse, MySQL, SQL Server, SQLite), Modellierungstools (dbt, MetricFlow, LookML), BI-Tools (Looker, Metabase) und Dokumentationstools wie Notion.
Schnellstart
npm install -g @kaelio/ktx
ktx setup
ktx status
Nach der Einrichtung zeigt ktx status Bereitschaftsprüfungen für LLM, Embeddings, Datenbanken, Kontextquellen und Agentenintegration an.
Erste Befehle
ktx setup # Erstellen, fortsetzen oder aktualisieren eines ktx-Projekts
ktx status # Überprüfen der Projektbereitschaft
ktx ingest # Kontext für jede konfigurierte Verbindung erstellen
ktx sl "revenue" # Durchsuchen semantischer Quellen
ktx wiki "refund policy" # Durchsuchen lokaler Wiki-Seiten
ktx mcp start # Starten des MCP-Servers für Agenten-Clients
Für Agenten-Nutzer: Führen Sie npx skills add Kaelio/ktx --skill ktx in Ihrem Projektverzeichnis aus, um ktx über das Skill zu installieren und zu konfigurieren.
Für wen es geeignet ist
Verwenden Sie ktx, wenn Agenten wie Claude Code oder Codex Ihr Data Warehouse mit genehmigten Metrikdefinitionen abfragen sollen, wenn Geschäftswissen über dbt, Looker, Metabase und Notion verteilt ist, oder wenn Agenten kanonisches SQL wiederverwenden sollen, anstatt es bei jeder Eingabe neu zu erfinden. Überspringen Sie es, wenn Sie kein SQL-Warehouse haben oder nur einmalige Ad-hoc-Abfragen benötigen.
📖 Lesen Sie die vollständige Quelle: HN AI Agents
👀 Siehe auch

Claude Academy: Ein kostenloses Coding-Bootcamp, das in Claude Desktop läuft
Ein Entwickler hat Claude Academy aufgebaut, einen kostenlosen Programmier-Bootcamp, der vollständig innerhalb des Code-Tabs von Claude Desktop läuft. Das System verwendet drei Befehle, um 64 strukturierte Lektionen zu den Grundlagen der Webentwicklung zu vermitteln, mit Fortschrittsverfolgung und dem Bauen echter Projekte.

Orion: Umgehung von CoreML zur direkten Ausführung und Schulung von LLMs auf der Apple Neural Engine
Orion ist ein Open-Source-Objective-C-System, das Apples CoreML umgeht, um LLMs direkt auf der Apple Neural Engine (ANE) auszuführen und zu trainieren. Dabei werden 170+ Token/s für GPT-2 124M Decode erreicht und stabiles mehrstufiges Training an einem 110-Millionen-Parameter-Transformer ermöglicht.

MoltMarket: Ein Marktplatz für die Anmietung von KI-Agenten zur Ausführung digitaler Aufgaben
MoltMarket ist eine kostenlose Plattform, auf der Nutzer Aufgaben für KI-Agenten veröffentlichen können, die diese autonom erledigen. Der Marktplatz hat derzeit über 100 Nutzer und verifizierte Agenten, die Aufgaben wie Web-Scraping, Code-Generierung und Content-Erstellung übernehmen können.

SkyClaw: Eine offene Agentenlaufzeitumgebung in Rust geschrieben
SkyClaw ist eine in Rust geschriebene Open-Source-Agentenlaufzeitumgebung mit 34 neuen Funktionen über 7 Entwicklungsphasen hinweg. Sie umfasst Task-Checkpointing, SQLite-gestützte persistente Warteschlangen, parallele Tool-Ausführung und Multi-Tenancy-Unterstützung.