LLM 0.37.3: poprawka po zmianie obsługi JSON w SQLite 3.54.1
LLM 0.37.3 Simona Willisona naprawia logowanie zepsute przez SQLite 3.54.1 w Homebrew. Wyjaśniamy zmianę w obsłudze JSON i proste obejście z funkcją json().
Simon Willison wydał LLM 0.37.3, czyli nową wersję swojego narzędzia do pracy z dużymi modelami językowymi z poziomu wiersza poleceń. To wydanie wyłącznie poprawkowe. Usuwa problem, który pojawił się w najnowszym pakiecie programu w menedżerze Homebrew. Przyczyną nie był błąd w samym LLM, tylko poprawka w bazie danych SQLite, na której opiera się mechanizm logowania narzędzia.
Wpis ukazał się na blogu Willisona 16 listopada 2026 roku. Sprawa jest drobna, ale dobrze pokazuje, jak zmiana w zależności niższego poziomu może nieoczekiwanie popsuć działające oprogramowanie.
Najważniejsze informacje
- LLM 0.37.3 to wydanie poprawkowe, przygotowane głównie z myślą o problemie z najnowszym pakietem w Homebrew.
- Homebrew dostarcza teraz najnowszą wersję SQLite 3.54.1. Zawiera ona poprawkę, która zepsuła kod logowania w LLM.
- W SQLite 3.54.0 wynik podzapytania z funkcją
json_arraybył osadzany jako tablica JSON. W 3.54.1 trafia do wyniku jako zwykły tekst. - Twórca SQLite D. Richard Hipp wyjaśnia, że poprawne jest nowe zachowanie, a błędem było dotychczasowe.
- Obejście polega na owinięciu podzapytania funkcją
json().
Na czym polegał problem
Willison sprowadza sprawę do jednego zapytania SQL:
select json_object('a', (select json_array(1)))
W SQLite 3.54.0 zapytanie zwraca obiekt, w którym klucz a wskazuje na tablicę JSON:
{"a":[1]}
W SQLite 3.54.1 to samo zapytanie daje inny wynik. Tablica zostaje potraktowana jak ciąg znaków i zapisana w cudzysłowie:
{"a":"[1]"}
Dla aplikacji, która zakłada pierwszy format, taka zmiana jest istotna. W LLM dotknęła ona kodu odpowiedzialnego za logowanie, a po stronie użytkowników ujawniła się wtedy, gdy Homebrew zaczął dostarczać nowszą wersję SQLite.
Stanowisko twórcy SQLite: to nie regresja, tylko poprawka
Ciekawy jest tu komentarz D. Richarda Hippa, twórcy SQLite. Według niego zmiana w 3.54.1 nie jest nowym błędem. Usuwa wadę, która była obecna wcześniej:
To była poprawka błędu. Zgodnie z dokumentacją (SELECT json_array(...)) zwraca tekst SQL, a nie JSON. Dlatego zachowanie z wersji 3.54.1 jest prawidłowe, a w 3.54.0 występował błąd.
Wynika z tego, że kod LLM, świadomie lub nie, opierał się na zachowaniu niezgodnym z dokumentacją SQLite. Gdy baza zaczęła działać tak, jak opisuje dokumentacja, logowanie przestało działać poprawnie.
Jak wygląda obejście
Rozwiązanie jest krótkie. Wystarczy jawnie przekazać wynik podzapytania do funkcji json():
select json_object('a', json((select json_array(1))))
Dzięki temu wartość z podzapytania jest traktowana jako JSON, a nie jako tekst, i wynik ma oczekiwaną postać. Ten wzorzec przyda się każdemu, kto w SQLite buduje obiekty JSON z wyników podzapytań, nie tylko użytkownikom LLM.
Szerszy kontekst
Willison od dawna rozwija narzędzia na styku modeli językowych i SQLite. We wpisie są tagi m.in. „sqlite”, „llm” i „d-richard-hipp”, co pokazuje, jak często te tematy pojawiają się na jego blogu. Z tego samego ekosystemu pochodzi niedawno opisywana przez nas wtyczka datasette-llm, która obsługuje endpointy zgodne z OpenAI.
Dla programistów płynie stąd praktyczna lekcja. Narzędzia dystrybuowane przez menedżery pakietów, takie jak Homebrew, korzystają z bibliotek systemowych lub dostarczanych razem z pakietem. Aktualizacja takiej zależności może zmienić działanie programu bez żadnej zmiany w jego kodzie. Tutaj wystarczyła wymiana SQLite z 3.54.0 na 3.54.1, żeby zapytanie zwróciło dane w innym formacie. Pomaga trzymanie się udokumentowanego zachowania bibliotek, a w przypadku JSON w SQLite także jawne użycie funkcji json() wszędzie tam, gdzie wartość ma być traktowana jako JSON.
Podsumowanie
LLM 0.37.3 naprawia skutki poprawki w SQLite 3.54.1, która zmieniła sposób osadzania wyników podzapytań w obiektach JSON i zepsuła logowanie w pakiecie z Homebrew. Według D. Richarda Hippa nowe zachowanie jest zgodne z dokumentacją, a rozwiązaniem jest jawne użycie funkcji json().
Źródła
Podobne publikacje
llm-echo 0.5: nowy licznik tokenów w pluginie Simona Willisona
Simon Willison zaktualizował llm-echo – debugowy plugin do LLM symulujący model AI, który teraz dokładniej liczy tokeny narzędzi i rozumowania.
llm-tools-datasette 0.1.1 naprawia błąd po migracji na httpx2
Simon Willison wydał poprawkę llm-tools-datasette 0.1.1, usuwając błąd wywołany migracją narzędzia LLM na bibliotekę httpx2 w wersji 0.33.

Recursive stawia na rekurencyjne samodoskonalenie AI w modelu Flint
Startup Recursive użył AI do zbudowania AI – model Flint powstał dzięki rekurencyjnemu samodoskonaleniu i bije konkurencję w kodowaniu.