fenic - İnsanlar ve ajanlar için semantik DataFrame’ler (Semantic DataFrames)

• PySpark/SQL tarzı işlemleri (select, filter, join, group_by, agg) ve dil modellerini çağıran semantik operatörleri tek bir sorgu modeli içinde birlikte ele alan bir DataFrame sorgu motoru
  • Belge/transkript/log/eval trace/ticket/tablo/API’leri tiplendirilmiş satırlara (typed rows) ve tekrarlanabilir iş akışlarına dönüştürür
• extract, classify, summarize, embed, semantik join gibi AI operatörleri sorgu modeline gömülüdür ve şema ile tipe sahip operatörler olarak çalışır
  • Normal filtreleri semantik filtrelerden önce çalıştırır; otomatik batching/rate limiting/yeniden deneme/cache ile gereksiz LLM çağrılarını ve maliyetleri azaltır
• Pipeline’ın kendisi çıktıdır — satır bazlı lineage, explain, sorgu başına token/maliyet metrikleriyle denetlenebilir
  • Gecikmeli yürütme ve cache ile yeniden çalıştırılabilir; adlandırılmış tablo/görünüm/MCP aracı seviyesine yükseltilebilir
  • Keşif sonuçları sohbet geçmişinde kaybolmaz, kod/veri/pipeline olarak kalır
• Yapılandırılmamış metni Pydantic şemasına bağlayarak sorgulanabilir yapılandırılmış sütunlar olarak döndürür
  • Tam anahtar eşleşmesi yerine anlama dayalı join (semantic join) desteği
  • Markdown/Transcript/JSON (jq)/HTML/embedding’leri birinci sınıf mantıksal tipler olarak ele alır ve PDF parsing desteği sunar
  • S3/Hugging Face üzerindeki CSV·Parquet verilerini okuma desteği
• Kendi sorgu planlama ve inference yürütme katmanına sahiptir; genel veri işlemlerinde Polars/DuckDB kullanır
  • Verileri Apache Arrow ile değiş tokuş eder ve yerel ortamda kolayca çalıştırılabilir
• Inference’a özgü rate limit/timeout/deterministik olmayan çıktılarla başa çıkmak için asenkron yürütme/yeniden deneme + backoff/cache/tip kontrolüne odaklanır
• İnsanların ve ajanların aynı pipeline’ı yazması, denetlemesi ve yeniden kullanması için tasarlanmıştır
  • Kodlama ajanları için fenic skill install ve statik denetleyici fenic check sunar
• Pipeline’ları kataloğa araç olarak kaydedip MCP üzerinden sunar
  • Veri pipeline’larını ajanların çağırabileceği tiplendirilmiş araçlara dönüştürür
  • Kendini ajanlar için deklaratif context engineering olarak tanımlar
• Ağır toplu inference’ı ajan runtime’ının dışına ayırır (decoupled)
  • Daha öngörülebilir, daha hızlı tepki veren ajanlar ve iyileştirilmiş kaynak kullanımı sağlar
• Apache-2.0 lisansı