09 收尾

起点

你位于 build-workshop-v1，也就是你整场课程一直在配置的那个完整应用。 如果你在模块 07 中 checkout 过某个故障分支，请先执行那个模块的 stash 并切换重置流程， 然后再继续。预留约 10 分钟。

为什么

你会带着一个可运行的原型和这个仓库离开，可以展示给你的团队。两个半小时的动手构建过得很快； 在一场有讲师带领的三小时课程中，剩余的时间用于开场、过渡和收尾演示。本模块把你做过的事情 明确化：你可以演示什么、今天之后还有什么在继续运行，以及把它指向你自己系统所需的那一处 改动。

目标

能够说出你构建的每一个组成部分，并知道要把它指向你自己的数据需要改动的那一件事。

第 1 步：回顾你构建的成果

你拿到了纽约出租车应用，并且：

• 把它的历史分析迁移到了 ClickHouse Cloud，数据从对象存储导入 （模块 01）。
• 通过一个 ClickPipe 加入了来自托管 Postgres 的实时 CDC（模块 03）。
• 用 ClickHouse Agents 以对话方式探索了数据（模块 04）。
• 用 ClickStack 和 HyperDX 让应用变得可观测（模块 05）。
• 让你的 agent 基于这些遥测数据构建了一个 SRE 看板和告警（模块 06）。
• 用 AI SRE 诊断并修复了一次真实故障（模块 07）。
• 接通了一个在 Langfuse 中端到端追踪的应用内 AI 聊天（模块 08）。

第 2 步：带回家

你的 ClickHouse Cloud 资源会在试用期内持续存在：ClickHouse 服务、托管 Postgres、ClickPipe、 ClickHouse Agent 和 ClickStack 产物。Langfuse 的追踪数据保留在你的 Langfuse Cloud 项目中。 应用、行程写入器和遥测收集器都在本地，所以下次回来时重启 Docker 即可。请把 .env.workshop 私下保存好。这些足以让你现场向团队演示五件事：

• 一个基于 ClickHouse Cloud 的实时运营看板（模块 01-03），
• 一条从托管 Postgres 流式接入的变更数据捕获管道（模块 03），
• 用 ClickHouse Agents 对你的数据做对话式 BI（模块 04），
• 一个基于你的遥测数据、由 AI 构建的 SRE 看板和告警（模块 05-06），
• 以及一个在 Langfuse 中端到端追踪的应用内 AI 聊天（模块 08）。

第 3 步：扩展到你自己的数据

db/ 和 .env.workshop

获得价值的最短路径是把这条管道指向你自己的系统：

- 让 Postgres CDC ClickPipe 指向你自己的业务数据库，而不是课程提供的托管实例。
- 根据你的数据表调整 schema 和后端查询。
- 把你自己应用的 OpenTelemetry 数据发送到 ClickStack，并据此重建 SRE 仪表板。

如何验证你已完成

• 你可以不看资料就描述出端到端的架构。
• 你知道改动哪一个配置项就能让 CDC 指向你自己的数据库。

小结

你在一次坐下的时间里，在 ClickHouse Cloud 上构建了一个实时、可观测、AI 辅助的分析应用， 而且大部分打字工作是由 agent 完成的。这就是你要带走的结论：在你自己的技术栈上这一切 都是可复制的。

你已完成：接下来做什么

你的托管云资源会在试用期内持续存在；想用它们的时候重启本地应用即可。当你准备走得更远时， 可以任选下面几条：

• 带上你自己的数据。 把 Postgres CDC ClickPipe 指向你的运营数据库，并把表结构和查询 调整为你自己的表（模块 03 展示了它的形态）。
• 深入 ClickHouse Agents。 在 ai.clickhouse.cloud 上把一个 agent 指向你自己的数据集， 在出租车数据之外探索对话式 BI。
• 这个仓库是你的。 保留这个仓库和你保存的 .env.workshop；重跑任意一个模块， 或者把它交给同事，它完全支持 自主学习。

如果出了问题

• traces 或数据没出现？重新核对那个模块里对应的 You should see 检查点， 它给出了确切的预期输出。
• 环境准备或凭据有问题？故障排查 列出了 测试中出现过的每一个故障及其修复方法。
• 想要一个干净的基线？git switch build-workshop-v1 会把你带回完整的应用。

最终状态

你已经完成了本课程。去探索 ClickHouse 文档， 并重访任意模块以深入下去。