#snowflake

The Chatbot I Built With OpenAI in 2025, and Why I Wouldn’t Build It That Way Today

Bối cảnh của bài viết là một chatbot được xây dựng bằng OpenAI API vào năm 2025. Nguyên nhân kỹ thuật dẫn đến quyết định thay đổi kiến trúc là việc sử dụng direct completion API với prompt engineering, thay vì sử dụng các model chuyên dụng hơn như GPT-4 Turbo. Hệ quả là hiệu suất không tối ưu với chi phí cao hơn và độ trễ đáng kể. Điều đáng học là việc lựa chọn model phù hợp và kiến trúc hệ thống phù hợp có thể cải thiện hiệu quả đáng kể, như việc chuyển sang sử dụng function calling và GPT-4 Turbo cho cùng một use case.

Bài này giúp lập trình viên tránh mắc phải những sai lầm khi xây dựng chatbot bằng OpenAI bằng cách rút ra kinh nghiệm từ dự án thực tế.

Measuring real-time performance per dollar under continuous load: CostBench’s first end-to-end results

CostBench là công cụ đo lường hiệu suất real-time trên mỗi đô la dưới áp lực load liên tục, đi xa hơn chỉ đo thời gian truy vấn. Nghiên cứu này phân tích toàn bộ chi phí khi biến luồng dữ liệu liên tục thành câu trả lời nhanh chóng, bao gồm cả yếu tố điện năng, phần cứng và cơ sở dữ liệu. Các thử nghiệm trên 4 workload khác nhau cho thấy hiệu suất trên mỗi đô la có thể chênh lệch lên đến 42 lần giữa các hệ thống. Kết quả này nhấn mạnh tầm quan trọng của việc đánh giá chi phí tổng thể chứ không chỉ hiệu suất đơn thuần khi lựa chọn công nghệ xử lý dữ liệu real-time.

Bài này giúp lập trình viên hiểu cách đánh giá hiệu suất thực tế dưới áp lực liên tục với chi phí tối ưu qua hệ thống CostBench.

The impersonator's product is the gap between meaning and spelling, so we measured both in Snowflake

Bối cảnh: Bài viết trình bày việc sử dụng Snowflake để phát hiện impersonator thông qua việc đo lường khoảng cách giữa nghĩa và cách viết trong tập dữ liệu gồm 45,400 tổ chức từ thiện. Nguyên nhân kỹ thuật: Tác giả đã chạy một câu lệnh SQL trên cột VECTOR(768) để phân tích 2,917,459 cặp dữ liệu thực tế. Hệ quả: Phân tích này giúp xác định những gì bộ phát hiện phát hiện được và bỏ sót, cho thấy hạn chế trong việc nhận dạng impersonator. Điều đáng học: Cách tiếp cận này có thể hữu ích cho các lập trình viên đang xây dựng hệ thống phát hiện gian lận hoặc xác thực danh tính trong các dự án sử dụng Snowflake.

Bài viết này giúp lập trình viên hiểu cách phát hiện gian lận bằng cách phân tích sự khác biệt giữa nghĩa và cách đánh máy trong SQL trên Snowflake.

DuckDB Just Put a $400K/Year Skill on Your Laptop

Bối cảnh: Khi các stack dữ liệu hiện đại như Iceberg + dbt thường đòi hỏi chi phí đám mây hàng chục nghìn đô mỗi năm, nhiều lập trình viên tìm cách luyện tập mà không tốn tiền. Nguyên nhân kỹ thuật: DuckDB là một hệ quản trị cơ sở dữ liệu OLAP trong tiến trình, vừa hỗ trợ đọc ghi bảng Apache Iceberg qua extension, vừa có thể chạy dbt Core như một plugin local. Hệ quả: Nhờ đó, một máy laptop có thể mô phỏng toàn bộ pipeline lakehouse – từ ingest, transform cho tới test – mà không cần tài khoản AWS, Azure hoặc GCP, từ đó giảm chi phí thực hành xuống gần zero. Điều đáng học: Khi thành thạo việc kết hợp DuckDB, Iceberg extension và dbt locally, bạn đã nắm được kỹ năng mà các công ty trả lương hàng năm lên tới 400.000 USD cho vị trí Data Engineer, mà không phải đầu tư vào dịch vụ đám mây. Bài viết khuyên bạn nên cài đặt DuckDB, thêm extension iceberg và khởi dbt dự án mẫu để bắt đầu thực hành ngay hôm nay.

DuckDB cho phép bạn thực hành stack data engineering trị giá 400K USD ngay trên laptop mà không cần chi phí cloud.

How we think about text classification in the LLM era

Trong kỷ nguyên LLM, text classification vẫn quan trọng nhưng cần kết hợp linh hoạt với các mô hình chuyên biệt. LLMs mang lại lợi thế nhờ hiểu ngữ cảnh rộng, nhưng không thay thế hoàn toàn các mô hình truyền thống vốn hiệu quả hơn trong tác vụ cụ thể. Medium vẫn duy trì sự cân bằng giữa hai phương pháp này.

Là người phát triển AI, bạn nên đọc bài này để hiểu cách LLMs thay đổi cách tiếp cận phân loại văn bản và khi nào nên tích hợp chúng vào dự án của mình mà không phải thay thế hoàn toàn các mô hình truyền thống.

Governed AI at the speed of Snowflake: How Collibra MCP powers Snowflake CoWork & CoCo

Collibra MCP cung cấp khả năng quản trị AI tích hợp với nền tảng Snowflake, hỗ trợ vận hành nhanh chóng các ứng dụng CoWork & CoCo nhờ quản lý dữ liệu và metadata hiệu quả.

Để hiểu cách Collibra MCP giúp Snowflake triển khai AI được kiểm soát và hiệu quả trong môi trường hợp tác nhanh chóng, giúp các đội phát triển và doanh nghiệp xây dựng hệ thống AI tin cậy và tuân thủ quy trình.

Sub-Second on a Billion Rows: Which Snowflake Warehouse Actually Keeps Up

Bài viết đánh giá hiệu năng của chín tùy chọn compute trên Snowflake, từ Postgres quản lý đến Interactive Analytics, nhằm xác định giải pháp nào xử lý được 1 tỷ dòng dữ liệu trong thời gian dưới 1 giây.

Là người phát triển cần tìm hiểu về hiệu năng của các kho lưu trữ Snowflake để tối ưu hóa quy trình xử lý dữ liệu lớn, đặc biệt khi áp dụng cho ứng dụng yêu cầu phản hồi cực nhanh trong môi trường phân tích dữ liệu.

Building a Context Layer for AI Agents

Xây dựng lớp ngữ cảnh (context layer) cho các tác nhân AI (AI Agents) bằng cách sử dụng các semantic view của Snowflake giúp tối ưu hóa độ chính xác dữ liệu và nâng cao hiệu suất trên toàn bộ hệ thống.

Lập trình viên cần đọc bài này để hiểu cách xây dựng một lớp ngữ nghĩa hiệu quả bằng Snowflake, giúp tối ưu hóa độ chính xác dữ liệu và tăng hiệu suất cho các AI agent hoạt động trên hệ sinh thái của mình.

How to Set Up Cross-Region Inference for CoCo in APJ

Để triển khai CoCo inference đa vùng (cross-region) trong khu vực APJ (Sydney, Tokyo, Singapore), cần lưu ý các ràng buộc bảo mật khi dữ liệu di chuyển giữa các region.

Lập trình viên cần đọc bài này để hiểu cách triển khai và tối ưu hóa mô hình AI của mình trên các khu vực miền Đông Á (APJ) bằng cách kết hợp các vùng miền khác, giúp cải thiện độ tin cậy và giảm chi phí khi triển khai dự án inference phân tán.

How Snowflake AI Functions Eliminate 80% of Custom Pipeline Code

Snowflake giới thiệu AI Functions giúp giảm tới 80% mã code pipeline tùy chỉnh bằng cách thay thế các script Python, API bên ngoài và công cụ orchestration bằng SQL tích hợp sẵn.

Lập trình viên cần đọc bài này để khám phá cách Snowflake AI tự động hóa việc xử lý dữ liệu bằng SQL thay vì viết lại các script Python hoặc kết nối API phức tạp, giúp tiết kiệm thời gian và cải thiện hiệu suất trong việc xử lý pipeline.

How Redis brings persistent memory to Snowflake Cortex Agents

Redis, với Redis Enterprise, giúp tích hợp bộ nhớ bền vững (persistent memory) vào Snowflake Cortex Agents, tối ưu hóa tốc độ xử lý và xây dựng ứng dụng nhanh chóng.

Lập trình viên muốn tối ưu hóa hiệu năng cho các ứng dụng AI/ML trong Snowflake Cortex bằng cách kết hợp Redis với bộ nhớ dư thời gian dài, đặc biệt khi cần xử lý các nhiệm vụ phức tạp như lưu trữ và truy vấn dữ liệu nhanh chóng trong các agent AI.

Agentic Intelligence for Contract Review on Snowflake

Snowflake triển khai AI agentic để rút ngắn thời gian rà soát hợp đồng xuống 70%, nâng cao phạm vi kiểm toán và mở rộng quy trình quản lý doanh thu.

Lập trình viên nên đọc bài này để hiểu cách tích hợp các công nghệ AI tự động hóa (như agentic intelligence) vào hệ thống quản lý hợp đồng, giúp tối ưu hóa hiệu suất, giảm thiểu công việc thủ công và mở rộng khả năng tích hợp với các nền tảng cloud như Snowflake.

Observe on Apache Iceberg: Unlocking Open Observability

Snowflake giới thiệu Observe trên Apache Iceberg ở chế độ private preview, cho phép lưu trữ telemetry dưới dạng bảng Iceberg mở trong S3 riêng, truy vấn được bởi bất kỳ engine nào.

Lập trình viên muốn tối ưu hóa quản lý dữ liệu và phát triển ứng dụng theo tiêu chuẩn mở sẽ tìm hiểu Apache Iceberg để khám phá cách lưu trữ và truy vấn dữ liệu hiệu quả hơn với Snowflake, giúp tiết kiệm chi phí và mở rộng khả năng tích hợp với các công cụ khác.

Query Time Ranges With Snowflake’s PERIOD Data Type

Query Time Ranges With Snowflake’s PERIOD Data Type Use native temporal ranges to look up effective records, join histories and allocate fleet operating hours. A rate changes on April 1. A report …

Private Data, Public Cloud — No Compromises

What if you could give OpenFlow access to your databases — the ones behind firewalls, in private subnets, or even sitting on-premises — without punching a single (inbound) hole in your network…

Snowflake Catalog Linked Database (CLD): Breaking Data Silos Without Moving Data

Snowflake Catalog Linked Database (CLD): Breaking Data Silos Without Moving Data Modern enterprises rarely keep all of their data in a single platform. Instead, their data ecosystems span cloud …

DCP: Snowflake’s Bridge to On-Prem Data

Snowflake đã phát triển Data Connectivity Proxy (DCP) để giải quyết bài kết nối dữ liệu từ đám mây đến hệ thống on-premise. DCP hoạt động như một cầu nối an toàn giữa Snowflake và các database nằm sau tường lửa mà không yêu cầu mở cổng vào (inbound ports), VPN hay địa chỉ IP công khai. Giải pháp này giúp doanh nghiệp giữ nguyên chính bảo mật mạng hiện tại trong khi vẫn truy cập được dữ liệu từ Snowflake. Bài viết giải thích chi tiết cách triển khai DCP với các bước cụ thể và yêu cầu kỹ thuật cần lưu ý.

DCP giúp kết nối Snowflake với cơ sở dữ liệu cục bộ mà không cần mở cổng vào, VPN hay địa chỉ IP công khai.

How Do You Connect AI Agents to Snowflake Without Giving Them Too Much Access?

Khi cần cho AI agent truy cập Snowflake để phân tích dữ liệu doanh thu, hỗ trợ vấn đề hoặc tóm tắt ngoại lệ vận hành, việc kiểm soát quyền truy cập trở nên quan trọng. Nguyên nhân kỹ thuật nằm ở việc Snowflake sử dụng role-based access control (RBAC) mà AI agent thường cần cấp quyền rộng để hoạt động đầy đủ. Hệ quả là agent có thể vô tình tiếp cận dữ liệu nhạy cảm hoặc thực hiện thao tác không mong muốn. Giải pháp là implement các view restricted hoặc External Function để giới hạn phạm vi truy cập theo nguyên least privilege principle. Điều đáng học là việc thiết kế architecture AI-Snowflake cần cân bằng giữa utility và security ngay từ đầu, như cách Snowflake Labs đã đề xuất với pattern Fine-Grained Access Control.

Bài hướng dẫn này giúp bạn kết nối AI agent với Snowflake mà vẫn đảm bảo bảo mật dữ liệu hiệu quả.

Why Snowflake Is Becoming a Go-To Platform for Modern Data Engineering

Xu hướng hiện đại là chuyển dịch từ data warehouse truyền thống cần quản lý hạ tầng sang cloud-native như Snowflake. Snowflake giải quyết bài toán scaling tự động với khả năng separate storage, compute và layers, cho phép xử lý cả structured và semi-structured data mà không cần tái cấu trúc. Hiệu suất vượt trội nhờ kiến trúc Massively Parallel Processing (MPP) và Snowpark API giúp tích hợp ML workflows. Các doanh nghiệp như Netflix và Adobe đã áp dụng thành công, giảm 70% thời gian xử lý data pipeline. Bạn nên đọc bài gốc để hiểu sâu hơn về cách Snowflake tối ưu hóa chi phí storage lên đến 50% so với các giải pháp truyền thống.

Bài viết này giải thích tại sao Snowflake đang trở thành nền tảng dữ liệu được ưa chuộng cho kỹ sư dữ liệu hiện đại.

Identity Resolution that Shows Its Work

Redpoint Identity Studio is a Snowflake Native Application that resolves customer identities inside your own environment, giving you full control over match logic and visibility into every decision…

Snowflake DCM Projects Setup Guide: Database Change Management

Snowflake DCM Projects Setup Guide: Database Change Management Let’s be honest, schema changes are easy when you have one environment. Add a column. Create a table. Modify a role. Deploy the …

Sharing and Governing Skills in Snowflake CoCo

Sharing and Governing Skills in Snowflake CoCo A walkthrough of Snowflake’s new Skills & Plugins Catalog Introduction If you’ve spent any time in CoCo (Snowflake’s agentic AI assistant …

Conformed Star Schema in Semantic Views — How Multi-Fact Models Share Dimensions Without Ambiguity

Conformed Star Schema in Semantic Views — How Multi-Fact Models Share Dimensions Without Ambiguity Part I: Declaring Structural Truth — Post 1 of 13 Two teams pull “revenue by region” for the …

Bài viết giải thích cách triển khai Conformed Star Schema giúp chia sẻ chiều giữa các mô hình nhiều thực thể mà không gây mơ hồ.

Semantic Governance in Snowflake: Governing Meaning Not Just Access

Snowflake giới thiệu Semantic Governance để giải quyết vấn đề quản lý dữ liệu khi doanh thu được báo cáo khác nhau (ví dụ: 42 triệu USD hay 47 triệu USD) do cách hiểu và định nghĩa khác nhau. Nguyên nhân kỹ thuật xuất phát từ việc các bảng data (tables) và view trong Snowflake không có thông tin ngữ nghĩa về định nghĩa metric, làm cho người dùng khó hiểu và sử dụng dữ liệu sai cách. Hệ quả là tổ chức phải đối mặt với quyết định kinh doanh dựa trên dữ liệu không nhất quán, gây lãng phí thời gian và làm giảm niềm tin vào data. Giải pháp của Snowflake sử dụng Data Dictionary và Dynamic Data Masking để ghi chú ngữ nghĩa và kiểm soát quyền truy cập chi tiết. Điều đáng học là quản lý ngữ nghĩa quan trọng không kém việc kiểm soát truy cập trong nền tảng data cloud hiện đại.

Semantic Governance trong Snowflake giúp bạn quản lý ý nghĩa dữ liệu chứ không chỉ quyền truy cập, giải quyết vấn đề số liệu không nhất quán trong tổ chức.

Prophecy Launches AI Data Prep Tools to Tackle the AI ROI Gap on Snowflake and Databricks

Prophecy Launches AI Data Prep Tools to Tackle the AI ROI Gap on Snowflake and Databricks Prophecy launches new AI data prep tools today, giving business users a step-by-step way to review what an AI …

Now everyone can put data to work

Meet the Data agent in ChatGPT Work. Connect company data, uncover insights, and build interactive dashboards with AI using natural language.

AI Document Intelligence using Node.js on Snowflake App Runtime

Snowflake App Runtime hỗ trợ chạy ứng dụng Node.js để phân tích tài liệu AI với khả năng xử lý PDF và đối chiếu nội dung với dữ liệu công khai từ Snowflake Marketplace. Hệ thống sử dụng Next.js để xây dựng giao diện người dùng ngay trên nền tảng Snowflake, giảm thiểu nhu cầu triển khai server bên ngoài. Giải pháp này tận dụng sức mạnh xử lý dữ liệu lớn của Snowflake mà không cần chi phí vận hành infrastructure riêng, nhờ cơ chế tự động scaling khi sử dụng Node.js runtime. Các lập trình viên có thể ứng dụng ngay mẫu code có sẵn từ Snowflake Marketplace để bắt đầu triển khai hệ thống xử lý tài liệu thông minh mà không cần thiết lập môi trường phức tạp.

Lập trình viên nên đọc bài này để biết cách triển khai AI Document Intelligence với Node.js trên Snowflake App Runtime.

ClickHouse Cloud vs. Snowflake: What drives the real-time performance-per-dollar gap

ClickHouse Cloud vượt trội với hiệu suất 412 lần tốt hơn mỗi dollar so với Snowflake trong bài test CostBench. Sự chênh lệch này bắt nguồn từ cách ClickHouse xử lý dữ liệu mới đến và trả lời query nhanh chóng. ClickHouse sử dụng columnar storage và vectorized execution cho phép xử lý batch operation cực nhanh. Trong khi đó, Snowflake dù có tính scale-out tốt nhưng lại tiêu tốn nhiều tài nguyên hơn cho các tác vụ tương tự. Điều đáng học hỏi ở đây là thiết kế storage và query engine tối ưu của ClickHouse cho workload real-time.

ClickHouse Cloud mang lại hiệu suất thực tế vượt trội hơn Snowflake giúp lập trình viên tối ưu chi phí xử lý dữ liệu lớn.

Is Snowflake Horizon Enough, or Do You Need a Dedicated Catalog?

Snowflake Horizon là giao diện người dùng mặc định nhưng có giới hạn phiên bản Business Standard. Nguyên nhân kỹ thuật là do các tính năng catalog nâng cao chỉ có trong Enterprise Edition như Data Marketplace và Exchange. Hệ quả là doanh nghiệp cần cân nhắc nhu cầu quản lý dữ liệu phức tạp trước khi nâng cấp. Điều đáng học là nếu bạn đang sử dụng Standard Edition nhưng cần các tính năng như Share hoặc Data Exchange thì Horizon sẽ không đủ đáp ứng. Quyết định nên dựa trên việc kiểm tra documentation để xác định chính xác các feature flag bị hạn chế bởi phiên bản.

Bài viết này giúp lập trình viên xác định khi nào nên dùng Snowflake Horizon và khi nào cần catalog riêng dựa trên giới hạn phiên bản và quy tắc quyết định từ tài liệu chính thức của Snowflake.

From Prototype to Production: How Our Design Team Ships

From Prototype to Production: How Our Design Team Ships How designers at Snowflake moved from a prototyping gallery to draft pull requests in production, with Stellar and CoCo as the guardrails. The …

ADBC (Arrow Database Connectivity): The Modern Replacement for ODBC/JDBC

“” is published by Admin.

Implement True Data-Layer Governance on Snowflake

Nhiều ứng dụng được xây dựng trên Streamlit hoặc React cần truy vấn Snowflake một cách an toàn đồng thời vẫn duy trì kiểm soát truy cập chi tiết. Bài viết hướng dẫn cách sử dụng inherited caller grants trong Snowflake để vai trò của người dùng thực thi tự động thừa hưởng các quyền cần thiết, từ đó loại bỏ nhu cầu tạo tài khoản dịch vụ riêng. Khi cơ chế này được bật, các nhà phát triển có thể áp dụng chính sách bảo mật ở mức hàng và cột trực tiếp từ lớp giao diện, giảm công việc quản lý quyền bằng cách loại bỏ việc định nghĩa vai trò trùng lặp và giảm số lượng ticket kiểm toán. Kết quả là mô hình quản trị lớp dữ liệu trở nên đơn giản hơn và dễ mở rộng khi số lượng ứng dụng Streamlit/React tăng. Phương pháp này hoạt động với các tính năng hiện có của Snowflake như secure views và masking policies, không yêu cầu cấp phép bổ sung hoặc thay đổi cơ sở hạ tầng.

Bài viết này giải thích cách thực thi quản lý cấp dữ liệu thực sự trên Snowflake bằng cách sử dụng inherited caller grants để mở khóa khả năng quản lý trong Streamlit và React.

Organize Your Agents Like Data Products

Bối cảnh: Khi doanh nghiệp bắt đầu tích hợp Cortex Agents vào hệ thống đã có các dịch vụ business logic, việc quản lý chúng trở nên phân tán và khó theo dõi. Nguyên nhân kỹ thuật: Các agent thường được triển khai mà không có schema rõ ràng, phiên bản, hoặc metadata lineage, dẫn đến sự thiếu sự nhất quán khi cập nhật hoặc sao chép. Hệ quả: Điều này gây ra trùng lặp code, tăngภาระ bảo trì và làm giảm độ tin cậy của đầu ra AI vì các team không thể truy xuất được nguồn gốc hoặc thay đổi của từng agent. Điều đáng học: Áp dụng nguyên tắc quản lý sản phẩm dữ liệu – xác định schema, ghi lại lineage, sử dụng CI/CD tự động và giám sát hiệu suất – giúp biến mỗi Cortex Agent thành một sản phẩm dữ liệu có thể tái sử dụng và mở rộng. Với cách này, các nhóm AI/ML có thể giảm thời gian triển khai mới xuống đáng kể và nâng cao độ tin cậy của các giải pháp tự động hóa trong môi trường doanh nghiệp.

Bài này giúp lập trình viên cách cấu trúc AI Agents như sản phẩm dữ liệu để tối ưu hóa quản lý và phát triển hiệu quả.

New in Snowflake Notebooks: More Visibility, Less Guesswork

Snowflake Notebooks vừa bổ sung tính năng mới để tăng khả năng quan sát và kiểm soát quá trình phát triển interactive cũng như production. Các tính năng này bao gồm improved lineage tracking và enhanced job monitoring giúp lập trình viên theo dõi luồng dữ liệu và tiến trình thực thi dễ dàng hơn. Việc tích hợp chặt chẽ với Snowflake Data Cloud cho phép giảm thiểu guesswork khi xử lý vấn đề performance debugging. Điểm đáng học là cách Snowflake Notebooks kết nối trực tiếp giữa development environment và production environment, giúp lập trình viên tiết kiệm thời gian troubleshooting nhờ các metric và dashboard visualization cụ thể.

Những tính năng mới về khả năng quan sát và kiểm soát trong Snowflake Notebooks giúp tăng hiệu quả làm việc và giảm thiểu các lỗi khi phát triển và triển khai.

Jedify Collaborates with Snowflake to Enable Enterprises with ‘always on’ Business Context

Jedify Collaborates with Snowflake to Enable Enterprises with ‘always on’ Business Context Through our new collaboration, Snowflake and Jedify help customers get more accurate answers to queries …

Snowflake-Powered Fleet Predictive Maintenance Analytics Dashboard

Snowflake-Powered Fleet Predictive Maintenance Analytics Dashboard Fleet telemetry systems generate thousands of operational events every day. Pressure readings, vibration signals, equipment usage …

Snowflake beat on almost everything. One number went the other way

Snowflake beat on revenue, profit and guidance, and shares rose over 20%. Its remaining performance obligations came in $370m below forecasts.

Dynamic Tables Just Got Faster and Far More Flexible — PART 3 (end)

Dynamic Tables Just Got Faster and Far More Flexible — PART 3 (end) A hands-on guide to Snowflake’s 2026 Dynamic Tables updates — with every example run against a live account. Disclaimer: I am …

Dynamic Tables Just Got Faster and Far More Flexible — PART 2

Dynamic Tables Just Got Faster and Far More Flexible — PART 2 A hands-on guide to Snowflake’s 2026 Dynamic Tables updates — with every example run against a live account. Disclaimer: I am …

How Suprema Gaming made its data platform agent-ready with ClickHouse Cloud

Suprema Gaming migrated its analytics platform from Snowflake to ClickHouse Cloud to power a company-wide shift toward agentic operations.