Ktx : Une couche de contexte exécutable pour corriger la précision des agents de données

Ktx est une couche de contexte exécutable open source conçue pour permettre aux agents d'IA comme Claude Code, Codex, Cursor et OpenCode d'interroger votre entrepôt de données avec précision. Après avoir conçu des agents de données de qualité production pour des dizaines d'entreprises, l'équipe de Kaelio a constaté que la précision est le problème numéro un : les agents génèrent du SQL valide, mais il est souvent incorrect en raison de colonnes obsolètes, de règles métier cachées, de fanouts de jointures et d'une logique d'attribution manquante.
Ktx divise le problème en deux parties :
- Contexte métier dans des pages wiki Markdown qui sont automatiquement ingérées, organisées, dédupliquées et signalées pour contradictions.
- Définitions interrogeables dans des fichiers YAML définissant les tables, la granularité des lignes, les jointures, les mesures, les dimensions, les filtres et les groupes de filtres.
Lorsqu'un agent a besoin d'une métrique, il demande à ktx une mesure, des dimensions et des filtres au lieu d'écrire toute la requête. Le planificateur de Ktx choisit le chemin de jointure, utilise les métadonnées de granularité et de relation, détecte les problèmes comme les fanouts de jointures et les jointures en abîme, et compile le SQL pour l'entrepôt tout en exploitant les connaissances non structurées issues des documents ingérés.
Ktx s'intègre avec la plupart des entrepôts (BigQuery, Snowflake, Postgres, ClickHouse, MySQL, SQL Server, SQLite), des outils de modélisation (dbt, MetricFlow, LookML), des outils BI (Looker, Metabase) et des outils de documentation comme Notion.
Démarrage rapide
npm install -g @kaelio/ktx
ktx setup
ktx status
Après l'installation, ktx status affiche les vérifications de préparation pour LLM, embeddings, bases de données, sources de contexte et intégration d'agent.
Premières commandes
ktx setup # Créer, reprendre ou mettre à jour un projet ktx
ktx status # Vérifier l'état de préparation du projet
ktx ingest # Construire le contexte pour chaque connexion configurée
ktx sl "revenue" # Rechercher dans les sources sémantiques
ktx wiki "refund policy" # Rechercher dans les pages wiki locales
ktx mcp start # Démarrer le serveur MCP pour les clients agents
Pour les utilisateurs d'agents : exécutez npx skills add Kaelio/ktx --skill ktx dans votre répertoire de projet pour installer et configurer ktx via la compétence.
À qui s'adresse-t-il ?
Utilisez ktx si vous voulez que des agents comme Claude Code ou Codex interrogent votre entrepôt avec des définitions de métriques approuvées, si vous avez des connaissances métier dispersées dans dbt, Looker, Metabase et Notion, ou si vous avez besoin que les agents réutilisent du SQL canonique plutôt que de l'inventer à chaque requête. Ignorez-le si vous n'avez pas d'entrepôt SQL ou si vous n'avez besoin que de requêtes ad-hoc ponctuelles.
📖 Read the full source: HN AI Agents
👀 See Also

Atuin v18.13 ajoute des commandes shell IA, un démon de recherche plus rapide et un proxy PTY.
Atuin v18.13 introduit trois fonctionnalités majeures : un assistant IA anglais-vers-Bash appelé atuin ai, un démon de recherche plus rapide avec indexation en mémoire, et un proxy PTY appelé hex qui permet le rendu de fenêtres contextuelles sans effacer la sortie du terminal.

Interface Web Open-Source pour Sessions de Code Parallèles Claude Utilisant Git Worktree
Un développeur a créé une interface web open-source appelée CCUI qui permet d'exécuter plusieurs sessions Claude Code en parallèle en utilisant git worktree. Elle fonctionne comme un serveur web local accessible via un navigateur et prend en charge le transfert de port SSH pour le développement à distance.

Codev : Flux de travail de l'agent IA pour 106 PR en 14 jours
Codev est un système open-source qui coordonne plusieurs agents d'IA grâce à un flux de travail strict Spécification → Plan → Implémentation → Revue → PR, détectant 20 bogues avant la mise en production et produisant un code noté 1,2 point de mieux sur une échelle de 10 points.

Développeur Atteint une Latence STT/TTS Inférieure à la Seconde avec des Serveurs Locaux Whisper et Coqui-TTS
Un développeur a rendu open source des implémentations de serveur local pour Whisper STT et Coqui TTS qui atteignent une latence d'environ 0,2 s pour la reconnaissance vocale et d'environ 250 ms pour la synthèse vocale, permettant des agents d'IA conversationnels sans dépendances cloud.