虽然 Devin 是随机取样了 25% 的数据进行测试，但作为一款专门针对编程场景的 AI，想必是针对 GitHub 数据进行了训练，那是否会有过拟合 overfitting 的问题，使得在基于 GitHub 数据的测试集上表现优秀？就在昨天，我想尝试从一个简单的网页里提取选择器，我试了 GPT-4-turbo，我试了 Claude，我试了 Groq，我试了本地的 LLama2，结果没一个能用的！

Bytebase 目前支持了市面上所有主流的数据库。它收口了人对数据库的所有操作。通过一站式的解决方案，整合了各种零散的数据库工具，使得组织能通过统一的入口来变更、查询、保护和治理无论是云上还是云下的各种数据库。💡 更多资讯，请关注 Bytebase 公号：Bytebase。

有了 Bytebase，你就有了一套完整的 GitLab 数据库 CI/CD 工作流程。您可以将此工作流程应用到自己的项目中，并根据自己的需要进行定制。Bytebase 也支持 GitHub，Bitbucket 以及 Azure DevOps。具体的配置步骤可以查看文档。💡 你可以访问官网，免费注册云账号，立即体验 Bytebase。

我们是否能在具体的 CI/CD 流程中，像处理代码那样处理数据库变更呢？

近期 AI 领域的突破让大家都很兴奋，但回到日常的工作中，开发者们还是需要处理许多的琐事。其中之一就是和数据库打交道，一件繁琐但又需要格外仔细的工作，不然就容易造成 #删库跑路 的事故。2 年前，我们启动了 Bytebase 来解决这个问题，并且把项目开源在了 GitHub 上。相比于全球范围内的友商 Liquibase，Flyway，还是国内的 Yearning，Archery，Bytebase

我们主要从工具历史来了解了一些比较出名的开源 SQL 客户端，而非产品体验、功能完整度这些维度（那些老牌 SQL 客户端经过 20 年锤炼不会太差？看起来大多数工具的作者还是因为当时的市面上没能找到完全符合自己需求的产品，不过之后的故事大相径庭：有的商业化了，有的持续靠爱发电，有的则因为重心变化，逐渐淡出了社区。而随着 ChatGPT 的走红，接下来会不会出现更多类似 SQL Chat 这样基于

Bytebase 第一次完成融资后写了一篇，主要讲了从行业层面做 Bytebase 的逻辑。一年过去了，这一年我们所处的开源/infra/数据库/企业服务赛道从热点归于平静，尤其在国内，又习惯性地反应过度，直接降到冰点。但从全球来看，整体行业其实是在继续加速发展的，年初我们的一篇「」在中英文渠道都获得了不少的关注，而今年我们能写出的内容还能更加的丰富。而今天这篇文章想讲一段个人的经历，回到做 By

PostgreSQL 作为世界上最领先的开源数据库，有一套强大的用户角色权限系统，和 MySQL 做一个对比：但硬币的另一面则是对于简单场景来说增加了复杂度。在许多单应用场景，其实也不需要额外的 schema 层，也不需要额外的 owner。相信玩过 PG 的同学都碰到过类似 must be owner of table 的问题。

本期 Star History 收集了一些开源 GitHub Copilot 替代品（不免费，也不开源），AI 编程助手来解放你的生产力 🏋️。

Yearning 和 Archery 的作者都是具备开发能力的 DBA，基于日常工作中碰到的 SQL 审核痛点，研发了工具，并且开源了出来，造福社区。Yearning 的技术栈和界面更加现代。从功能上来看，Yearning 聚焦在 MySQL 的 SQL 审核，而 Archery 支持多种数据库以及更加全面的功能。Yearning 和 Archery 都是社区项目，不提供商业化版本。通常企业需要基