xorq-labs/xorq
Executable memory system for tabular data that works in your harness.
해결하는 문제
Xorq는 AI 코딩 에이전트가 표 형식 데이터 작업을 수행할 때 발생하는 "기술 부채"를 해결합니다. 일회성 Python 스크립트, 깨지기 쉬운 JSON 상태 파일, 오래된 requirements 파일이 남는 대신, Xorq는 일시적인 에이전트 작업을 내구성 있고 조합 가능하며 실행 가능한 아티팩트로 변환합니다. 이는 라인리지 손실을 방지하고, 다른 머신에서 결과를 수동으로 재현할 필요를 없애며, 정적 markdown 노트를 탐색 가능한 실행 파이프라인 카탈로그로 대체합니다.
작동 방식
Xorq는 Ibis 기반 선언적 표현식 시스템을 사용하며, DuckDB, Snowflake, pandas 등 여러 백엔드로 컴파일할 수 있습니다. 이러한 표현식은 "entries"라는 zip 형태의 빌드 아티팩트에 패키징되며, 표현식 매니페스트, 고정된 Python 환경(uv 사용) 및 필요한 소스 코드를 포함합니다. 이 entries는 git 기반 카탈로그에 저장되어 에이전트와 인간이 표준 파일 작업 및 git 명령을 통해 파이프라인을 발견, 버전 관리 및 재사용할 수 있게 합니다. 데이터는 Arrow RecordBatches를 사용해 고성능 IPC로 표현식 간에 교환됩니다.
대상 사용자
복잡한 데이터 분석, ML 파이프라인 구축, 표 형식 데이터에 대한 시맨틱 레이어 생성을 수행하는 개발자와 AI 에이전트(특히 Claude Code와 통합)를 위해 설계되었습니다.
주요 특징
- 멀티 엔진 실행: 동일한 표현식을 내장 엔진(SQLite, pandas), 웨어하우스(Snowflake, Databricks), 레이크하우스(PyIceberg)에서 실행할 수 있습니다.
- Git 네이티브 카탈로그: 빌드 아티팩트를 git 저장소에 저장하여 시스템의 "메모리"를 버전 관리 가능하고 휴대 가능하게 합니다.
- 재현 가능한 환경: 각 엔트리는 고정된
requirements.txt와 wheel을 포함하여 매번 동일한 방식으로 실행됩니다. - 에이전트 최적화: Claude Code 플러그인을 포함하여 에이전트가 카탈로그를 초기화하고, 엔트리를 탐색하며, 슬래시 명령을 통해 새로운 파이프라인을 구성할 수 있습니다.
- Scikit-learn 통합: scikit-learn Pipeline 객체를 지연 실행 Xorq 표현식으로 변환할 수 있습니다.