本文字数：3383；估计阅读时间：9 分钟作者：ClickHouse team本文在公众号【ClickHouseInc】首发Braintrust 正在引领 AI 公司在构建、测试和改进产品方面的变革。自 2023 年以来，其平台已帮助 Zapier、Notion 和 Airtable 等公司深入了解其 AI 模型的性能，并做出更快的数据驱动决策，从而提高可靠性和质量。Braintrust 通过结合

本文字数：17443；估计阅读时间：44 分钟作者：Dale McDiarmid本文在公众号【ClickHouseInc】首发本文将探索 MLOps 的世界，探讨如何在 ClickHouse 中对数据进行建模和转换，使其成为高效的特征存储，用于训练机器学习模型。我们将重点关注 ClickHouse 作为数据源、离线存储和转换引擎的角色。这些特征存储组件对于高效、准确地传递数据至关重要。尽管大多数开

通过这样做，我们可以发挥 ClickHouse处理大规模数据集的高性能，并减少，甚至完全避免额外编写的代码的需要。我们使用Clickhouse的geoDistance函数来计算给定它们的坐标（纬度和经度）的取件和交付位置之间的距离，同时我们使用Clickhouse的date_diff函数来计算取件和交付之间所经过的时间。我们还使用randUniform函数向数据集添加一个随机生成的训练索引，该索引

ClickHouse 团队有相当一部分时间都投入在演示项目上，这也是我非常享受的一件事。

ClickHouse 是一个快速的开源列式数据库管理系统，专为大规模实时数据处理与分析而设计。

大语言模型现阶段无法取代 SRE。但若结合一套快速、结构清晰的可观测性平台，它们可以帮助缩短故障排查时间、提升文档质量与团队协作效率。

在这篇博客中，我们详细介绍了如何使用 ClickHouse MCP Server 与 CopilotKit 构建一款智能应用。

AgentHouse 是一个非常值得探索的演示环境，快来尝试一下吧！

LLM 可观测性在生产环境尤其关键，尤其是针对智能体应用以及频繁借助 MCP 工具与 LLM 交互的场景。

ClickHouse 已经成为 Langfuse 架构的中枢，让平台能够伴随社区一起成长。