Como Construir Aplicações com LangGraph: Um Guia Passo a Passo

As capacidades integradas de busca vetorial do InterSystems IRIS nos permitem pesquisar dados não estruturados e semiestruturados. Os dados são convertidos em vetores (também chamados de ‘embeddings’) e, em seguida, armazenados e indexados no InterSystems IRIS para busca semântica, geração aumentada de recuperação (RAG), análise de texto, motores de recomendação e outros casos de uso.

Esta é uma demonstração simples do IRIS sendo usado como um banco de dados vetorial e de busca por similaridade no IRIS.

Pré-requisitos:

Também nas versões anteriores era possível configurar o seu servidor FHIR para aceitar requisições via OAuth 2.0 (por exemplo, para um cliente SMART on FHIR), mas atualmente, com a versãov2024.3, lançada a algum tempo— existe um novo recurso que torna isso mais fácil: o OAuth FHIR Client QuickStart.

O Poder da Indexação em Tabelas de Banco de Dados

Ao trabalhar com bancos de dados, a maioria dos desenvolvedores entende o conceito de um índice e por que ele é usado: para acelerar a recuperação de dados. Mas o real impacto da indexação muitas vezes só fica claro quando comparamos cenários com e sem ela.

Você sabe o que acontece sem um índice?
Imagine uma tabela com três colunas: Name, Age, e MobileNumber.

Sumário

1. Introdução
2. Controle de Versão
3. Exportando Classes
4. Exportando Classes de BI Analytics
5. Exportando Globals

Introdução

Olá Comunidade!👋
Bem-vindos à segunda parte da série Utilitário IRIS IO. Esta extensão representa minha inscrição para o Concurso "Trazendo Ideias à Realidade" 2025 da InterSystemse oferece uma interface intuitiva e poderosa para importar e exportar dados diretamente no VS Code.

Olá Comunidade,

Em 7 de dezembro de 2025, a Comunidade de Desenvolvedores da InterSystems comemorou oficialmente seu 10º aniversário! 🥳🎉

E agora, celebramos esta década de aprendizado, colaboração, resolução de problemas e avanço das tecnologias da InterSystems. Seja você um membro antigo ou recente, agradecemos suas contribuições, perguntas, ideias e apoio. Este marco pertence a todos vocês 💖 Vocês construíram esta comunidade e a transformaram no que ela é hoje, e somos verdadeiramente gratos!

Como parte da comemoração, convidamos vocês a participarem de um vídeo especial de aniversário. E vocês arrasaram! Agradecemos a todos que dedicaram um tempo para compartilhar suas mensagens, lembranças e palavras gentis.

https://www.youtube.com/embed/oYjP3a3u8Io
[Isso é um link incorporado, mas você não pode ver conteúdo incorporado diretamente no site, porque recusou os cookies necessários para acessá-lo. Para ver o conteúdo incorporado, você precisa aceitar todos os cookies nas suas Definições de cookies]

O utilitário Load Data é uma excelente ferramenta para carregar dados de arquivos CSV/TXT para uma tabela SQL do IRIS, mas é necessário enviar o arquivo de destino para o servidor IRIS e escrever a instrução Load Data para ingerir o conteúdo do arquivo. Agora é possível selecionar um arquivo no VSCode, definir a tabela de destino e enviar a solicitação. O utilitário vscode-load-data enviará o arquivo para o servidor IRIS e executará o comando Load Data para você! Muito simples:

Olá Desenvolvedores,

Confira o novo vídeo no canal do YouTube da InterSystems Developers.

⏯ Inteligência Artificial Generativa no InterSystems Data Studio @ READY 2025

https://www.youtube.com/embed/OCGF-5kr4Xs
[Isso é um link incorporado, mas você não pode ver conteúdo incorporado diretamente no site, porque recusou os cookies necessários para acessá-lo. Para ver o conteúdo incorporado, você precisa aceitar todos os cookies nas suas Definições de cookies]

Olá Comunidade!

Tenho o prazer de anunciar que, desde o início deste ano, publicamos muitos dos SDKs de cliente para InterSystems IRIS, InterSystems IRIS for Health e Health Connect nos repositórios externos correspondentes (Maven, NuGet, npm e PyPI). Isso oferece muitos benefícios para você, como:

Olá!

A migração de dados costuma parecer uma simples "tarefa de mover dados de A para B" até você realmente fazê-lo. Na realidade, é um processo complexo que combina planejamento, validação, testes e precisão técnica.

Em vários projetos nos quais lidei com a migração de dados para um HIS (Sistema de Informação Hospitalar) que roda em IRIS (TrakCare), percebi que o sucesso é resultado de uma combinação de disciplina e automação.

Aqui estão alguns pontos que desejo destacar:

1. Comece com um Formato de Dados Definido.

Antes mesmo de abrir seu primeiro arquivo, certifique-se de que todos, especialmente os fornecedores de dados, entendam claramente o formato de dados exato que você espera. Definir modelos (templates) logo no início evita idas e vindas desnecessárias e retrabalho mais tarde.

Embora os formatos Excel ou CSV sejam comuns, eu pessoalmente sinto que usar um arquivo de texto delimitado por tabulação (.txt) para upload de dados é a melhor opção. É leve, consistente e evita problemas com vírgulas dentro de campos de texto.

PatID   DOB Gender  AdmDate
10001   2000-01-02  M   2025-10-01
10002   1998-01-05  F   2025-10-05
10005   1980-08-23  M   2025-10-15

Certifique-se de que os formatos de data fornecidos no arquivo estejam corretos e constantes em todo o arquivo, pois todos esses arquivos geralmente são convertidos de um arquivo Excel e um usuário básico de Excel pode cometer erros ao fornecer formatos de data incorretos. Formatos de data errados podem ser irritantes ao tentar converter para o formato $Horolog.

As arquiteturas de dados modernas utilizam soluções de captura, transformação, movimentação e carregamento de dados em tempo real para construir data lakes, data warehouses analíticos e repositórios de big data. Isso permite a análise de dados de diversas fontes sem impactar as operações que os utilizam. Para alcançar esse objetivo, é essencial estabelecer um fluxo de dados contínuo, escalável, elástico e robusto. O método mais comum para isso é a técnica de CDC (Change Data Capture). O CDC monitora a produção de pequenos conjuntos de dados, captura esses dados automaticamente e os entrega a um ou mais destinatários, incluindo repositórios de dados analíticos. O principal benefício é a eliminação do atraso D+1 na análise, já que os dados são detectados na origem assim que são produzidos e, posteriormente, replicados para o destino.

Este artigo demonstrará as duas fontes de dados mais comuns para cenários de CDC, tanto como origem quanto como destino. Para a origem dos dados, exploraremos o CDC em bancos de dados SQL e arquivos CSV. Para o destino dos dados, utilizaremos um banco de dados colunar (um cenário típico de banco de dados analítico de alto desempenho) e um tópico do Kafka (uma abordagem padrão para transmitir dados para a nuvem e/ou para vários consumidores de dados em tempo real).

Visão Breve

Este artigo fornecerá um exemplo para o seguinte cenário de interoperabilidade:

Olá Comunidade,

Confira o novo vídeo no canal do YouTube da InterSystems Developers:

⏯ Operações e escalabilidade com InterSystems IRIS - Do Zero ao Sucesso @ Ready 2025

https://www.youtube.com/embed/SDj8Ge59uJo
[Isso é um link incorporado, mas você não pode ver conteúdo incorporado diretamente no site, porque recusou os cookies necessários para acessá-lo. Para ver o conteúdo incorporado, você precisa aceitar todos os cookies nas suas Definições de cookies]

Olá Comunidade,

Confira o vídeo no canal do YouTube da InterSystems Developers :

⏯ Utilizando o SerenityGPT para desenvolver uma Aplicação Middleware GenAI com InterSystems @ Ready 2025

https://www.youtube.com/embed/ZXULSWMmOD0
[Isso é um link incorporado, mas você não pode ver conteúdo incorporado diretamente no site, porque recusou os cookies necessários para acessá-lo. Para ver o conteúdo incorporado, você precisa aceitar todos os cookies nas suas Definições de cookies]