Pesquisar

Expanded Baseline Export to include XSL Transforms (#815)
Enhanced "Check out branch" to first refresh list of remote branches to eliminate failure due to stale information (#823)

Fixed

Fix Import All not importing items that do not already exist when compileOnImport is not set (#798)
Fix baselining output more consistent, human readable (#814)
Import All now imports configuration file before everything else (#806)
Fixed another instance of deletes showing as owned by undefined user (#812)
Fix Revert not syncing files with IRIS (#789)
Fix "Export All" stopping prematurely because a tracked item no longer exist in the namespace (#821)
Import All now outputs a warning instead of an error when an item is in the wrong path (#291)
Fixed an error where classes with compilation errors would revert to broken versions on export (#830)
Fixed installation of the package on IRIS versions with the IRISSECURITY database (#770)

csvgen by Evgeny Shvarov

v1.6.1

Added primary key support in case data is in IDs pkey is a new parameter ( "" by default) - if set, it should mean the name of the column that csvgen will build a primary key and idkey index for, so the value of this column could be referenced as IDs from other tables and objects will be swizzled by ID

InterSystems Testing Manager for VS Code by John Murray

v2.0.3

Improve positioning of assertion failure markers.
Remove need to define helper SQL functions via DDL.
Promote use of vscode-per-namespace-settings package for webapp setup.
Update DC contest text in README.

iris-globals-contest by Oliver Wilms

v0.0.19

Convert 8/30/25 to 8/30/2025

下载最多的应用

Intersystems-Monitoring

by Teunis Stolker

WebTerminal

by Nikita Savchenko

MDX2JSON

by Eduard Lebedyuk

zpm-registry

by Evgeny Shvarov

DeepSeeWeb

by Anton Gnibeda

ObjectScript-Math

by Peter Steiwer

iris-web-swagger-ui

by Semion Makarov

Test Coverage Tool

by Timothy Leavitt

passwordless

by Sergey Mikhailenko

yaml-utils

by Benjamin De Boe

Discussão (0)1

Entre ou crie uma conta para continuar

Resumo

Claire Zheng · Set. 3

#Resumo #Developer Community Oficial

文章

#InterSystems IRIS

直播回放：从FHIR到OMOP，灵活的转换有效推动数据资产的应用落地

by Claire Zheng

直播回放 | 以医疗AI枢纽构建智能协同生态：InterSystems IRIS AI 组件注册中心

by Claire Zheng

公告

#InterSystems IRIS for Health

线上研讨会 | 以医疗AI枢纽构建智能协同生态：InterSystems IRIS AI 组件注册中心

by Claire Zheng

Artigo

Guillaume Rongier · Set. 3 3min de leitura

Open Exchange

#ObjectScript #Python #InterSystems IRIS

Ce court article traite du PEP 8, le guide de style Python.

Qu'est-ce que le PEP 8?

En bref, le PEP 8 fournit des directives et des bonnes pratiques pour écrire du code Python.

Discussão (0)0

Entre ou crie uma conta para continuar

Artigo

Claire Zheng · Set. 3 8min de leitura

#HealthShare #InterSystems IRIS #InterSystems IRIS for Health #TrakCare

InterSystems提供统一数据战略，聚焦复杂行业中的速度、安全性与实时洞察能力。

文章要点

InterSystems是一家深耕数据管理、集成与分析领域48年的私营企业，2024年营收达11.3亿美元。
其旗舰产品InterSystems IRIS旨在为多样化需求（包括生成式AI与机器学习）提供全面数据平台支持。
针对医疗健康与供应链等复杂领域，推出InterSystems IRIS for Health与InterSystems Supply Chain Orchestrator等专业化解决方案。
InterSystems提供通过“贴近数据源处理（processing closer to data）”的架构设计，提升性能、强化安全性并降低运营成本。
核心价值主张包括：易用性、深度集成、行业定制化方案快速落地及强健的客户支持。

👉直播回放 | 以医疗AI枢纽构建智能协同生态：InterSystems IRIS AI 组件注册中心

分析师观点

近期，在InterSystems分析师关系峰会期间，通过与InterSystems的交流，我们发现该公司专注于其基础的“永恒设计”理念，并坚定不移地致力于提供强大的数据管理和医疗信息系统。InterSystems自1979年以来便是一家私有且持续盈利的公司，凭借系统出色的性能、可扩展性、互操作性及可靠性，已确立其在数据管理、集成与分析领域的全球领导地位。该公司的InterSystems IRIS看上去是其战略的核心支柱，旨在提供一个统一的数据平台。我们观察到，该平台旨在处理从传统数据库管理到生成式人工智能、机器学习和高级分析等更现代需求在内的广泛功能。这一广泛的能力集旨在使IRIS成为企业在复杂数据环境中导航的通用解决方案。

InterSystems方法中更引人注目的一个方面是，它强调“贴近数据源处理（processing closer to the data）”。这种架构设计旨在带来诸多益处，如更快的处理速度、增强的安全性以及潜在的成本降低。在数据量激增且实时洞察至关重要的时代，这样的架构可能成为一个显著的区别因素。这表明其设计深思熟虑，旨在缓解与数据移动和分布式处理相关的一些常见瓶颈。该公司的优势在于为关键任务型应用提供服务，在这些应用中，性能和可靠性至关重要。当现有系统无法再满足业务需求时，InterSystems似乎常常成为解决方案，显著提高处理速度。

该公司还非常注重针对特定行业的解决方案，尤其是在医疗领域。其HealthShare、TrakCare和InterSystems IntelliCare产品体现了对医疗机构和组织所面临的独特挑战的深刻理解。这种专业化是一个明智之举——医疗是一个数据密集且高度依赖合规性的行业，现成的通用解决方案往往难以满足需求。通过提供定制化的电子健康记录和信息交换平台，InterSystems旨在解决这一重要领域的关键痛点。同样，其在金融服务和供应链领域的表现证明该公司有更广泛的战略，即将其拥有的数据管理专业知识应用于其他复杂行业。

我们发现，该公司致力于使数据实现“AI Ready（AI就绪）”，这一点尤其值得关注。随着人工智能在各种业务功能中的日益普及，可靠地访问和利用实时数据的能力至关重要。InterSystems专注于确保数据为人工智能和机器学习计划做好准备，这凸显了他们对当前市场需求的深刻理解。他们强调易于学习和使用，并承诺通过针对特定行业的解决方案包，快速实现价值，这也很好地契合了当今快节奏环境中对敏捷部署的需求。此外，InterSystems提供行业领先的支持，这表明了他们对客户成功的长期承诺，而这正是企业客户关注的关键因素。我们认为，如果您的组织面对着复杂数据和集成挑战，同时寻求利用数据做出更好决策的，那么InterSystems可以成为您可靠的合作伙伴。

👉直播回放 | 以医疗AI枢纽构建智能协同生态：InterSystems IRIS AI 组件注册中心

关注Smart Data Fabric（智能数据编织）

InterSystems智能数据编织是一种先进的企业架构，它通过按需访问、转换和协调来自多个来源的信息，简化和加速了对数据资产的访问。智能数据编织既可以作为独立产品存在，也是InterSystems面向行业的应用程序的基础支撑。该方法嵌入了广泛的分析功能，包括生成式人工智能、数据探索、商业智能、自然语言处理和机器学习，可在不干扰现有系统的情况下增强数据的可用性。该架构为企业提供一致、实时的数据视图，助力企业做出更优决策、提升客户体验并提高运营效率。在数据管理方面，它通过统一不同的数据源来解决数据孤岛问题，对于复杂环境中的访问和集成现代化至关重要。

智能数据编织与人工智能技术的集成，允许直接嵌入预测性、决策优化型和生成式人工智能工具，从而推动智能应用的发展，如支持人工智能的顾问和情景规划。在新兴的人工智能技术栈中，InterSystems智能数据编织作为基础层，为人工智能模型提供统一、高质量的数据，加速决策智能化，并支持人工智能驱动的工作流程中的实时分析。其真实世界应用案例包括金融服务领域的风险管理和合规性，以及供应链编排中的规范性洞察和敏捷运营。

智能数据编织的广度和深度给我们留下了深刻印象，在分析师峰会上重点介绍的两个案例研究——一家全球零售商和一家创新型医疗保健提供商概述了他们对智能数据编织的采用情况，展现了一种全面的方法。InterSystems无疑具备在该领域大规模运营的资质和业绩记录。然而，问题依然存在：他们会被邀请加入这场AI盛宴吗？该公司当然拥有在重新架构的人工智能数据栈中成为可行参与者的技术解决方案，但当高级IT主管们寻求建立值得信赖的供应商名单以支持他们的人工智能之旅时，其品牌认可度是否意味着它难以跻身“热门之选”呢？

👉直播回放 | 以医疗AI枢纽构建智能协同生态：InterSystems IRIS AI 组件注册中心

展望未来

基于我们的观察以及本周讨论所引发的思考，InterSystems正将自己定位为一家全面的数据解决方案提供商，尤其侧重于专业化的行业应用，特别是医疗领域。我们将重点追踪的一个关键趋势是，其“贴近数据源处理（processing closer to the data）”的架构在现实场景中，究竟能多有效地为客户带来切实、可衡量的益处。尽管理论上的优势显而易见，但在大型、多样化的企业环境中，该架构的实际实施情况及其产生的影响才是关键所在。

简而言之，在此次活动中，InterSystems近50年来对创新的执着追求以及其庞大的业务规模令我们印象深刻。

当我们纵观整个市场时，InterSystems的定位并非是一场重大变革，而是对其既定战略的强化：将数据管理领域的深厚专业知识应用于特定的高价值行业。

与Databricks或Snowflake等更广泛的数据平台提供商相比，InterSystems似乎采取了更为垂直整合和专业化的发展路径，尤其是在医疗领域。Databricks和Snowflake提供的是更为通用的数据湖仓和云数据仓库解决方案，而InterSystems则致力于提供更全面、针对特定行业的解决方案包，特别是其面向医疗领域的TrakCare和HealthShare等产品。InterSystems的数据集成能力也十分突出，尤其是在那些拥有多种类型数据存储且无法迁移至单一技术的组织中。我们认为，其专业化和集成能力使其能够满足更为精细的行业需求，而这些需求可能是更通用的平台所忽视的。

对于InterSystems而言，一个关键问题是，鉴于超大规模企业和云原生数据平台拥有庞大的营销和研发预算，它打算在哪些领域与这些对手直接竞争，以及如何与它们开展良好合作。我们认为，对于那些在核心业务中要求极高可靠性、实时性能和复杂互操作性的组织来说，InterSystems具备得天独厚的优势。在人工智能应用日益广泛的背景下，InterSystems面临的挑战尤其在于：不仅要清晰阐述这些区别于技术规格的独特之处，还要展示出切实的业务成果。InterSystems必须在要求严苛的行业中，展示出人工智能驱动的解决方案，在提高效率、降低成本和推动新产品创新方面带来可衡量改进的具体案例。

HyperFRAME研究团队上周在波士顿参加了多个聚焦于ETL和数据集成的分析师活动，各方传递出的一个一致信息是，人工智能计划对实时集成数据的需求日益增长。InterSystems的战略与这一更广泛的市场趋势高度契合，特别是其强调“AI Ready（AI就绪）”的数据，以及通过“贴近数据源处理（processing closer to the data）”来减轻ETL负担。未来，HyperFRAME将追踪InterSystems如何在日益拥挤的数据平台市场中持续展现自身特色，尤其是其“AI Ready（AI就绪）”如何得以广泛应用及其为客户在未来几个季度带来的可衡量的业务成果。

👉直播回放 | 以医疗AI枢纽构建智能协同生态：InterSystems IRIS AI 组件注册中心

文章来源及作者信息

👉本文翻译自：HyperFRAME Research

👉点击查看原文

👉作者信息

@Stephanie Walter | 人工智能技术栈常驻分析师

Stephanie Walter是一位成果导向型的技术高管兼常驻分析师，在云计算、软件即服务（SaaS）、中间件、数据和人工智能领域拥有超过20年的创新领导经验。她曾在IBM担任高级职务，也以兼职高管的身份参与工作，凭借工程专业知识与商业战略及市场洞察力的结合，指导产品从概念构思到推向市场的整个生命周期。从软件工程与架构设计，到执行产品管理，她在初创企业、成长阶段企业和大型企业环境中，推动大规模转型、培养技术人才并解决复杂挑战。

@Steven Dickens | HyperFRAME Research首席执行官

Steven Dickens被誉为技术与商业转型领域的杰出领军人物，他是HyperFRAME Research的首席执行官兼首席分析师，多次被AR Insights评为全球十大分析师之一，还是《福布斯》的撰稿人。其专业见解备受顶级媒体青睐，《华尔街日报》和CNBC等一线媒体纷纷向他寻求观点，他也是施瓦布网络（Schwab Network）和彭博社（Bloomberg）等电视网络的常客。

Discussão (0)1

Entre ou crie uma conta para continuar

Anúncio

Kevin Kindschuh · Set. 3

#Artificial Intelligence (AI) #InterSystems Demo Games #Vídeo #InterSystems IRIS for Health

Participación en #InterSystems Demo Games

⏯️ AI Smart Data Fabric

Muestra cómo IRIS for Health puede potenciar el desarrollo de la IA con un Smart Data Fabric para entrenar y alimentar vuestros modelos de IA.

Ponentes:
🗣 @Kevin Kindschuh, Senior Sales Engineer, InterSystems
🗣 @Jeffrey Semmens, Sales Engineer, InterSystems

👉 ¿Os gusta esta demo? Apoyad al equipo votando por ella en los Demo Games.

Discussão (0)1

Entre ou crie uma conta para continuar

2025年8月InterSystems 开发者社区摘要：Open Exchange 应用

class(%Net.DB.Iris).Function()

[4.0.6] - 2025-08-13

Fixed

New Contributors

[2.13.0] - 2025-08-20

Added

Fixed

InterSystems 开发者社区中文版：每周摘要（8月25日-31日）

Introduction au PEP 8

Qu'est-ce que le PEP 8?

分析师观点 | 为什么您的数据平台未能兑现AI承诺，InterSystems如何助力解决这一问题？

文章要点

分析师观点

关注Smart Data Fabric（智能数据编织）

展望未来

文章来源及作者信息

[Video demo] AI Smart Data Fabric

⏯️ AI Smart Data Fabric