SDF vs Vanna.AI

SDF est un moteur de compréhension SQL qui lit le SQL des entrepôts, construit des représentations intermédiaires de chaque requête et signale les erreurs avant toute exécution. Il se situe dans la pile analytique entre le texte SQL brut et la base de données, offrant aux équipes une visibilité à la compilation sur la syntaxe, les types et la structure des colonnes en aval.

La plupart des linters SQL s'arrêtent à la syntaxe superficielle. SDF fonctionne à travers trois niveaux empilés : l'analyse en un arbre syntaxique, la compilation d'un plan logique avec les signatures de fonctions et les types de retour, et l'exécution d'un plan physique lorsque les vérifications au niveau des données sont importantes. Cette hiérarchie détecte un ordre d'arguments incorrect sur les appels dateadd de Snowflake et des conversions de dates impossibles que seuls les analyseurs ne verraient pas, ce qui explique pourquoi dbt Labs a acquis SDF Labs pour intégrer le moteur directement dans dbt plutôt que d'ajouter un autre préprocesseur de chaînes.

Les ingénieurs analytiques et les développeurs dbt utilisent SDF pour renforcer les grands projets d'entrepôt, tracer la lignée au niveau des colonnes et livrer des transformations avec moins d'échecs d'exécution inattendus. Depuis le lancement GA de mi-2024, sdf.com redirige les visiteurs vers les pages de dbt Labs expliquant comment l'acquisition intègre SDF dans le prochain moteur dbt.

Vanna.AI permet aux utilisateurs professionnels d'interroger des bases de données en anglais simple et d'obtenir des réponses basées sur SQL sans écrire eux-mêmes les requêtes. Le framework open source se connecte à PostgreSQL, MySQL, Snowflake, BigQuery, SQLite et d'autres bases, puis s'associe aux modèles Anthropic, OpenAI, Gemini ou Ollama. Vanna 2.0 ajoute des agents multi-tours avec contrôles d'accès afin que chaque utilisateur ne voie que les données autorisées.

La plupart des outils de conversion texte-SQL s'arrêtent à une seule question. Vanna est livré comme un framework d'agents avec des fonctionnalités d'administration hébergées pour l'observabilité, les journaux d'audit, la mémoire des agents et le stockage de fichiers. Vous pouvez l'auto-héberger avec pip install vanna ou utiliser Vanna Cloud lorsque vous souhaitez un contrôle d'accès géré et un support le jour même.

Vanna.AI convient aux équipes de données, aux chefs de produit et aux analystes qui ont besoin d'un accès en langage naturel gouverné aux données d'entrepôt. Explorer coûte 50 $ par mois avec 20 questions par jour, Team est à 500 $ par mois avec 300 questions quotidiennes, et Enterprise offre une échelle illimitée avec SAML SSO et déploiement sur site.