腾讯云数据库正在通过“DB For AI”和“AI in DB”两条腿，构建属于Agent期间的AI原生数据库。
文｜游勇
编｜周路平
数据库本领的演进有着一条相对显明的条理，昔时十几年国产数据库的郁勃发展轻便不错分辨为三个阶段。1.0期间，以腾讯云为代表的一批互联网厂商的数据库系统出生，他们大多源于本身业务发展需要，从单机数据库转向散播式，收效扛住了互联网业务的高并发带来的数据洪峰，竣事了国产数据库的高可用和高可靠。
到2.0期间，自主可控的需求紧随而来，国产替代成了业内的主导标的，无数要道基础设施和重心行业的中枢系统启动进行国产替换。
如今，行业的请示棒转向了AI Agent，数据库老成插足3.0期间。如何适宜和闲暇AI Agent的需要，仍是成为了全行业的课题。
就在上周，腾讯云数据库面向Agent场景进行了产物的全面升级，为Agent、AI编程和智能运维三大场景提供原生的AI数据库能力。本日，腾讯云不仅发布了Agent Memory、DatabaseClaw两款Agent原坐褥物，也对旗下最中枢的云原生数据库TDSQL-C和散播式数据库TDSQL-B进行了系统性升级，全面适配AI原生。
01
Agent爆发，数据库靠近多重挑战
数据库昔时几十年的演进逻辑并莫得发生太大篡改，其施行是为东说念足下事，比如限度台、注册历程、文档都是给东说念主使用。但Agent依赖的是智能体之间的交互和器用的自主调用，数据库的用户从东说念主变成了Agent，新的范式和业务需要篡改了数据库的运行逻辑。
最初，多模态数据成为主流。昔时，数据库处理的无数是订单、用户、交往纪录等结构化信息，但AI的爆发，使得数据形态发生了雄壮变化，“当今92%的新增数据都短长结构化”，比如会话现象、行业常识、荆棘文、图片视频等。
以前，单一模子的数据库会针对特定类型数据进行优化。比如订单、账户等结构化、强事务的数据，放在MySQL；半结构化、低延伸的数据放在MongoDB或Redis；非结构化的大文献放在对象存储。
这也意味着，多模态数据自然就洒落在异构系统之间，而一朝需要跨系统交融分析，足下层的开采复杂度急剧攀升，相当割裂和祸害。
“在一个复杂的企业级 AI Agent 足下架构中，咱们会依赖和传统数据库截然相背的能力。”腾讯云副总裁王义成说，比如查询不再只是基于关系模子，而需要向量和语义；数据不再只是是结构化，而可能是文本、图片。“这个期间着实需要的是多模存储和语义检索为原生的能力，并纠合咱们既有产物坚忍，举例高可用，支抓SQL，高性能等，重新遐想的产物。”
其次，是开采模式的转机。昔时使用数据库，合座照旧可预感的、探询模式也相对固定。而Agent的并发限制远超东说念主工，对数据及时性也有更高的要求。尤其是当下，AI援救编程让许多非专科东说念主士也不错通过多轮对话创建Agent，越来越多AI足下启动径直探询数据库，带动了数据库实例的数目大幅高涨，而且Agent多法子任务又要求中间归档、随时回滚，传统备份规复跟不上节律。
“Agent所以东说念主类无法相比的速率去写代码、写用例、进行测试，跟团队作念合座的组织协同，使得传统数据库的遐想显得比较禁锢，无法匹配。”王义成说。而Neon的数据也意见，2025年以来，由AI Agent创建的实例数目仍是是开采者创建的4倍之多。
再者，数据库调用模式也在发生变化。昔时的数据库偏离线分析，而Agent转向及时检索与抓续性挂念。传统的处治决策遇到了很大的瓶颈，比如荆棘文窗口有长度截至和老开心焦，RAG检索又丢失结构化推理旅途，需要为Agent打造专属的挂念系统。
另外，跟着Agent能力的增强和数据库治理复杂度的造就，Agent也在反过来协助DBA和研发东说念主员更好地护士数据库，包括用当然话语作念数据库的巡检、故障排查以及SQL优化。
02
DB For AI，为Agent重作念数据底座
跟着Agent在千行百业加快落地，业内也发现，Agent在确实场景的落地中最大的问题时时不是模子才调不够，而是容易出现挂念断片。
相比于昔时问答型的东说念主工智能，Agent这类复杂的长线任务，需要多法子履行，需要调用多样器用和skill，相当试验挂念能力。比如系统不仅要听懂当下的指示，更要铭记昔时定下的代码圭表、抑止条目和鼓吹节点。
不久前，Meta的AI对皆与安全总监就因为AI“指示渐忘”，导致其个东说念主邮箱中200多封邮件被小龙虾批量删除。
针对Agent的挂念痛点，腾讯云数据库重磅推出了Agent Memory工作，重新为Agent打造了一套挂念系统。其中枢是通过引入结构化与分层机制，对挂念进行斡旋护士。
比如对短期挂念进行压缩，腾讯云数据库自研了符号化压缩和荆棘文的卸载能力。以符号化压缩为例，主要有两种念念路：一种是选录压缩，将繁琐的原始全文提真金不怕火为一滑结构化的选录，去掉谣言，留住事实，造就单条信息的密度；另一种是结构化图压缩——用一张图替代一堆笔墨，让结构化的图来呈现不同操作背后的因果关系、现象，用最少符号承载最大语义。
而且，腾讯云数据库针对短期挂念遐想了一套三级压缩战略，不错根据不同任务和负载，自动触发不同级别的处理。比如当荆棘文占比达到 60%时，自动用选录替换原文，相对柔和；而当荆棘文占比达到80%时，径直清算不再干系的旧任务音讯，为现时任务腾出空间。
在长任务场景下，这套压缩机制不仅匡助Agent造就了30%的任务收效用，也让Token最高从简60%以上。“短期挂念咱们作念得比较卓越，业界莫得太多的决策。”腾讯云数据库副总司理罗成说。
针对长久挂念，腾讯云数据库也遐想了从L0-L4的语义金字塔：其中L0包含原始的对话纪录，L1是从对话中索取的原子化事实片断，L2是将原子事实组织成行径场景，L3则是从场景中归纳出用户画像、偏好、风气用户。
借助这一机制，系统在履行过程中概况调用更厚实的要道信息，而不再依赖单一荆棘文，比如底层的原子事实只在需要核实细节时才按需检索。
甚而，腾讯云数据库在短期挂念和长久挂念以外，也在推动构建团队挂念。Agent在企业场景的足下时时依赖团队合营，这意味着企业级Agent需要能分享合座团队的荆棘文信息，会通并吞套责任规则和门径，让多个Agent能像团队一样合营。不难发现，在Agent从个东说念主器用转向组织合营的势必趋势下，腾讯云数据库仍是启动从挂念层面匡助企业作念着相应的数据准备。
而腾讯云数据库的Agent Memory仍是对外开源，况兼在开源社区受到了迎接。上线两周时间，Agent Memory的开源代码就得益了近5K的Stars。
除了Agent Memory，开元棋牌app官方平台免费下载AI也需要对会话的运奇迹态、行业信息等，进行长久的保存。
而每一种数据库都有各自的足下场景，比如结构化的业务数据用SQL查询，常识库语料又要用向量的调回，日记跟文档又要用全文搜索作念要道词搜索。这也使得在企业的IT环境里，存在无数异构的数据库系统。
“Agent可能花了80%的时间在找数据，只须20%的时间在念念考奈何用数据。“王义成说，Agent在履行任务时，要拿到一份完好意思崭新的数据，时时需要穿越多套数据系统，支吾不同数据库的延时，以及适配多种数据库的一致性公约。
针对这一痛点，腾讯云数据库发布了最新的TDSQL Boundless，这是一个面向AI期间的企业级多模态的数据存储底座。它支抓一键纳管MySQL/PG、Mongo/Redis、COS、ES等数据源，让文本、图片、音视频等不同模态数据不错在并吞个数据库内对皆。而且支抓多模的筹画，一次查询能同期诊治语义、要道词、图谱、团聚四种能力，“这是任何单一数据库面前很难作念到的”。
在存储架构上，TDSQL-B支抓腹地SSD、云硬盘和对象存储的多级存储云原生遐想，存算分离，弹性按需扩展。数据限制从GB平滑增长到数十TB无需手动分库分表，冷热数据自动分层至对象存储，在保险高性能探询的同期大幅裁减存储老本。
据悉，本年Q2，TDSQL Boundless将会重心推露面向向量索引和全文索引的足下场景，下半年则重心打磨基于对象存储原生和斡旋盛开原数据工作的能力，而来岁上半年会留意增强混杂检索、交融检索，以及提供更完好意思的多模体验。
另外，针对AI Coding场景下数据库常常复制、测试与回滚的新需求，腾讯云TDSQL-C也作念了一次系统性升级，既支抓MySQL也支抓原生PG，不错一站式对接腾讯云cloudbase的baas平台以及Cursor、FastGPT等这些AI 开采者足下，用MCP、REST等公约斡旋接入。
这一次的升级中枢是引入数据库Branch能力，让1TB数据库从昔时小时级复制压缩至秒级“分叉”；相通Serverless秒级启动、闲时归零的能力，更贴合 AI 编程“高频创建、低频使用”的长尾负载；提供AI Toolkit器用箱，竣事了亿级向量零损调回、列存及时期析提速10倍、向量检索内存再降75%——RAG、长久挂念、及时瞻念察这些复杂AI需求，开采者无须再东拼西凑，一库直达。
此外，TDSQL-C为了更好适配Agent足下，重构了新一代存储架构，通过重写日记系统、写入旅途和读取旅途透澈解耦；引入多数派写入公约，构建地域级全平等架构，告别木桶效应；原生支抓行列混存，并吞份数据、并吞套日记、并吞份事务一致性——TP/AP不再需要两套库两条链路；冷数据再下千里到对象存储COS，备份快照和无穷容量都顺遂处治。最终带来的成果是：极致性价比，TCO较同类产物下落200%+；IO零抖动、全链路无损变更；数据零丢失，3 AZ金融级强同步、RPO=0。
03
AI in DB，给数据库装一只龙虾
数据库领域关于AI的实践，广泛有两条阶梯。其中一条就是上述提到的DB for AI，让数据库更好地去闲暇Agent的运行需要；另一条则是AI in DB，将Agent引入数据库的运维和治理历程中，让Agent匡助研发或者DBA作念数据库巡检、故障排查以及SQL优化等责任。
这背后，是数据库的运维正在遭受一场不对称的干戈。
DBA紧缺仍是是行业性盘曲，即就是在大型企业亦然如斯，而数据库的分类相当复杂，这也增多了DBA的运维难度。甚而vibe coding的流行，让许多非研发岗亭的东说念主也在无数创建数据库实例。在如斯表里交困的情况下，用Agent来进行数据库的智能运维就成了刚需。
小红书就是一个典型案例。业务的高速成长使得小红书的数据限制马上彭胀，而支抓业务的所稀奇据库产物集群限制都在翻倍扩张，给后台负责运维的东说念主员带来雄壮压力。“传统靠东说念主肉、靠SOP、靠加东说念主扛的门道基本上走到异常了。”小红书数据库DevOps巨匠许嘉正说。
算作腾讯云首个数据库Agent，DatabaseClaw不错作念到一句话巡检，况兼生成结构化的巡检阐明，而且岂论下面跑的是MySQL、Redis照旧MongoDB，AI自动识别引擎，加载对应的会诊战略。它不错逐条剖释履行斟酌，告诉你哪些需要建索引、哪些需要改写、哪些其实无须管。
但瞎想与现实之间依然还存在鸿沟。比如Agent对线上SQL慢查能分析得头头是说念，但许多业务东说念主员并不敢径直将AI的提议用于确实的坐褥环境。因为通用的AI莫得荆棘文，莫得调用里面的器用链，也莫得风险旯旮和凭证链的意志，时时只是单纯根据SQL文本作念了形状化的分析。
与通用智能体不同的是，腾讯云DatabaseClaw基于昔时十几年工作客户蕴蓄的十几万工单，将SOP历程千里淀为Skills，格外于让Agent在履行多样任务时都有一套最好用户实践。比如当数据库出现慢SQL的问题，通用Agent时时会给出一个不足为法的提议，而DataBaseClaw会多作念一步，先找到慢SQL产生的具体原因，然后一口说念破。
“DataBaseClaw概况相比较之前一个东说念骨干的活概况有十几倍效用的造就。”罗云说。
乐橙体育(中国)官网入口除了把巨匠教训真金不怕火葬为不错径直调用的Skills，DataBaseClaw也竣事了多引擎的斡旋纳管。不同类型的数据库有我方的特色和运维器用，比如MySQL要看缓冲池掷中率，Redis要盯内存碎屑，MongoDB要查慢操作。而DatabaseClaw用单一的Agent竣事了MySQL、Redis、MongoDB、TDSQL四大主流引擎的原生秘籍，DBA通过当然话语就不错查询数据的现象、生成报表，裁减合座使用门槛。
相比于提高效用和易用性，安全可控是企业勇于将Agent用于确实坐褥环境的最要道一环。
不久前，一位SaaS企业独创东说念主就发帖称，他在使用智能体履行测试任务时，由于凭据不匹配，Agent竟自主搜索代码库找到一个无关的 API Token，把总共坐褥数据库给删除了。现实中，数据库关系到企业业务的厚实，许多企业不敢将Agent用于确实的坐褥环境中，一些分歧圭表的操作可能对系统变成不能逆的挫伤。
而DataBaseClaw则从三个层面提高Agent的安全防御。一是开采行径护栏，相比于简便通过Prompt工程对龙虾进行截至，DataBaseClaw用了规则化或者抓续化的形状在表层对龙虾进行截至，比如只读权限和分析权限分离，一些变更类的操作需要用户二次证实。二是让龙虾的操作环境白盒化，DataBaseClaw部署在用户可见的环境上，龙虾安设了什么Skills，建树了什么战略，用户十足可知。三是全链路进行审计，要道的信息脱敏，总共链路只保留作念什么了，为什么要作念。
不难发现，DataBaseClaw通过融入东说念主类巨匠教训、开采安全护栏等形状，施行上是处治的是通用Agent面前能力范畴有限和安全风险失控的盘曲，匡助客户着实勇于将Agent用于数据库的确实运维环境中。
结 语
Agent带来了全新的数据使用形状和复杂多元的数据形态，又给底层的数据库带来了雄壮的机遇和挑战。数据库的价值在AI期间莫得被淘气，反而在增强。如何为Agent的高效运行打造一个AI原生数据库，正在成为数据库厂商们集体探索的标的。
在这条迈向AI原生数据库的路上，腾讯云基于全栈自研的数据库底座，围绕DB For AI和AI in DB的双重布局，仍是构建了从AI足下开采到运维运行的完好意思链路。
模子决定了Agent的下限开元棋牌平台app2026最新版下载，而挂念决定了Agent的上限。在模子能力放缓、系统工程备受怜爱确当下，AI原生数据库就是腾讯在Agent期间给出的最好谜底。