Databricks показала ветвление баз данных для coding agents
Databricks описала рабочий цикл, в котором каждому coding agent выделяется изолированная ветка базы Lakebase. Такой подход предназначен для параллельной разработки, тестирования и проверки миграций без конфликтов в общей среде.
Databricks 8 октября 2026 года опубликовала описание Lakebase — подхода к ветвлению баз данных для разработки с участием coding agents. По описанию компании, база может создаваться в отдельной ветке менее чем за секунду независимо от размера исходной базы. Механизм copy-on-write позволяет веткам использовать данные родительской базы и добавлять хранилище только по мере расхождения.
Каждая ветка изолирована: агент может применять миграции, запускать тесты и удалить окружение после завершения работы. Ветки также могут масштабироваться до нуля, поэтому простаивающие окружения не потребляют вычислительные ресурсы. Это должно упростить параллельную работу нескольких агентов, которым иначе пришлось бы совместно использовать одну среду разработки или обращаться к недостаточно реалистичным мокам.
В качестве сквозного сценария Databricks описывает связку Git worktrees и хука Claude Code, автоматически создающего ветку Lakebase для каждого агента. Затем GitHub Actions создаёт временную ветку для каждого pull request, запускает миграции Drizzle, разворачивает предварительную версию приложения в Databricks Apps и публикует различия схемы. Компания также показывает применение веток для воспроизведения ошибок на определённом состоянии базы и безопасной проверки миграций.
Почему это важно
Для команд, использующих coding agents, ветвление базы может отделить эксперименты и миграции разных агентов друг от друга. Практическая ценность описанного подхода — в автоматизации тестовой среды на уровне данных, а не только кода.
