xorq-labs/xorq

Executable memory system for tabular data that works in your harness.

它解決了什麼問題

Xorq 解決了 AI 程式編寫代理在執行表格資料工作時所產生的「技術債」。它不會留下雜亂的單次 Python 腳本、脆弱的 JSON 狀態檔以及過時的需求檔，而是將短暫的代理工作轉換為持久、可組合且可執行的產物。它防止了血統資訊的遺失，消除在不同機器上手動重現結果的需求，並以可探索的可執行管線目錄取代靜態的 markdown 記錄。

它如何運作

Xorq 使用基於 Ibis 的宣告式表達式系統，能編譯至多種後端（例如 DuckDB、Snowflake 或 pandas）。這些表達式被封裝成「entries」——包含表達式清單、固定的 Python 環境（透過 uv）以及必要原始碼的 zip 建置產物。這些 entries 被存放在 git 原生目錄中，讓代理與使用者能以標準檔案操作與 git 指令來探索、版本化與重用管線。資料在這些表達式之間以 Arrow RecordBatches 交換，以達到高效能的 IPC。

目標對象

此工具設計給開發者與 AI 代理（特別是與 Claude Code 等工具整合）使用，適用於執行複雜資料分析、建構機器學習管線以及為表格資料建立語意層的情境。

重點特色

  • 多引擎執行：可在嵌入式引擎（SQLite、pandas）、資料倉儲（Snowflake、Databricks）與湖倉（PyIceberg）上執行相同的表達式。
  • Git 原生目錄：使用 git 儲存庫保存建置產物，使系統的「記憶」具備版本化與可攜性。
  • 可重現環境：每個 entry 都附帶其固定的 requirements.txt 與 wheel，確保每次執行結果一致。
  • 代理最佳化：內建 Claude Code 插件，允許代理初始化目錄、探索 entries，並透過斜線指令組合新管線。
  • Scikit-learn 整合：能將 scikit-learn Pipeline 物件轉換為延遲執行的 Xorq 表達式。