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时期的AI原生数据库。
文｜游勇
编｜周路平
数据库时期的演进有着一条相对光显的线索，以前十几年国产数据库的欢快发展大要不错永诀为三个阶段。1.0时期，以腾讯云为代表的一批互联网厂商的数据库系统降生，他们大多源于自己业务发展需要，从单机数据库转向分散式，见效扛住了互联网业务的高并发带来的数据洪峰，已毕了国产数据库的高可用和高可靠。
到2.0时期，自主可控的需求紧随而来，国产替代成了业内的主导见解，大批要道基础规律和要点行业的中枢系统驱动进行国产替换。
如今，行业的指点棒转向了AI Agent，数据库肃穆参预3.0时期。如何合适和闲隙AI Agent的需要，也曾成为了全行业的课题。
就在上周，腾讯云数据库面向Agent场景进行了居品的全面升级，为Agent、AI编程和智能运维三大场景提供原生的AI数据库才调。今日，腾讯云不仅发布了Agent Memory、DatabaseClaw两款Agent原生居品，也对旗下最中枢的云原生数据库TDSQL-C和分散式数据库TDSQL-B进行了系统性升级，全面适配AI原生。
01
Agent爆发，数据库濒临多重挑战
数据库以前几十年的演进逻辑并莫得发生太大转换，其骨子是为东说念主就业，比如把握台、注册过程、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具的自主调用，数据库的用户从东说念主变成了Agent，新的范式和业务需要转换了数据库的运行逻辑。
最初，多模态数据成为主流。以前，数据库处理的大批是订单、用户、来回纪录等结构化信息，但AI的爆发，使得数据形态发生了宏大变化，“面前92%的新增数据都短长结构化”，比如会话景象、行业常识、高下文、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、低延长的数据放在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，而一朝需要跨系统和会分析，垄断层的开发复杂度急剧攀升，相称割裂和祸害。
“在一个复杂的企业级 AI Agent 垄断架构中，咱们会依赖和传统数据库截然相悖的才调。”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。“这个时期实在需要的是多模存储和语义检索为原生的才调，并谀媚咱们既有居品坚强，举例高可用，支抓SQL，高性能等，再行遐想的居品。”
星空体育中国官网入口其次，是开发模式的出动。以前使用数据库，举座如故可料到的、看望模式也相对固定。而Agent的并发鸿沟远超东说念主工，对数据及时性也有更高的要求。尤其是当下，AI援手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垄断驱动径直看望数据库，带动了数据库实例的数目大幅高潮，而且Agent多身手任务又要求中间归档、随时回滚，传统备份收复跟不上节拍。
“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，跟团队作念举座的组织协同，使得传统数据库的遐想显得比较繁重，无法匹配。”王义成说。而Neon的数据也显现，2025年以来，由AI Agent创建的实例数目也曾是开发者创建的4倍之多。
再者，数据库调用模式也在发生变化。以前的数据库偏离线分析，而Agent转向及时检索与抓续性悼念。传统的处理决策遇到了很大的瓶颈，比如高下文窗口有长度把握和本钱心焦，RAG检索又丢失结构化推理旅途，需要为Agent打造专属的悼念系统。
另外，跟着Agent才调的增强和数据库治理复杂度的培育，Agent也在反过来协助DBA和研发东说念主员更好地照拂数据库，包括用当然言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在简直场景的落地中最大的问题通常不是模子才调不够，而是容易出现悼念断片。
相比于以前问答型的东说念主工智能，Agent这类复杂的长线任务，需要多身手履行，需要调用各式器具和skill，相称历练悼念才调。比如系统不仅要听懂当下的教导，更要记起以前定下的代码轨范、抑止要求和鼓励节点。
不久前，Meta的AI对皆与安全总监就因为AI“教导渐忘”，皇冠体育(CrownSports)官网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的悼念痛点，腾讯云数据库重磅推出了Agent Memory就业，再行动Agent打造了一套悼念系统。其中枢是通过引入结构化与分层机制，对悼念进行调治照拂。
比如对短期悼念进行压缩，腾讯云数据库自研了标记化压缩和高下文的卸载才调。以标记化压缩为例，主要有两种念念路：一种是摘记压缩，将繁琐的原始全文提真金不怕火为一瞥结构化的摘记，去掉妄言，留住事实，培育单条信息的密度；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、景象，用最少标记承载最大语义。
而且，腾讯云数据库针对短期悼念遐想了一套三级压缩政策，不错根据不同任务和负载，自动触发不同级别的处理。比如当高下文占比达到 60%时，自动用摘记替换原文，相对温存；而当高下文占比达到80%时，径直清算不再关系的旧任务音问，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培育了30%的任务见效用，也让Token最高简略60%以上。“短期悼念咱们作念得比较超过，业界莫得太多的决策。”腾讯云数据库副总司理罗成说。
针对恒久悼念，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是从对话中索要的原子化事实片断，L2是将原子事实组织成行动场景，L3则是从场景中归纳出用户画像、偏好、民风用户。
借助这一机制，系统在履行过程中梗概调用更踏实的要道信息，而不再依赖单一高下文，比如底层的原子事实只在需要核实细节时才按需检索。
以致，腾讯云数据库在短期悼念和恒久悼念除外，也在推动构建团队悼念。Agent在企业场景的垄断通常依赖团队相助，这意味着企业级Agent需要能分享举座团队的高下文信息，理解并吞套职责规则和圭臬，让多个Agent能像团队雷同相助。不难发现，在Agent从个东说念主器具转向组织相助的势必趋势下，腾讯云数据库也曾驱动从悼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也曾对外开源，而且在开源社区受到了接待。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，世界杯(中国)AI也需要对会话的运处事态、行业信息等，进行恒久的保存。
而每一种数据库都有各自的垄断场景，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，存在大批异构的数据库系统。
“Agent可能花了80%的时间在找数据，唯有20%的时间在念念考何如用数据。“王义成说，Agent在履行任务时，要拿到一份好意思满清新的数据，通常需要穿越多套数据系统，应酬不同数据库的延时，以及适配多种数据库的一致性左券。
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时期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。而且支抓多模的计算，一次查询能同期颐养语义、要道词、图谱、团聚四种才调，“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。数据鸿沟从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，在保险高性能看望的同期大幅缩小存储本钱。
据悉，本年Q2，TDSQL Boundless将会要点推出头向向量索引和全文索引的垄断场景，下半年则要点打磨基于对象存储原生和调治绽放原数据就业的才调，而来岁上半年会提防增强羼杂检索、和会检索，以及提供更好意思满的多模体验。
另外，针对AI Coding场景下数据库频频复制、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 开发者垄断，用MCP、REST等左券调治接入。
这一次的升级中枢是引入数据库Branch才调，让1TB数据库从以前小时级复制压缩至秒级“分叉”；类似Serverless秒级启动、闲时归零的才调，更贴合 AI 编程“高频创建、低频使用”的长尾负载；提供AI Toolkit器具箱，已毕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、恒久悼念、及时洞悉这些复杂AI需求，开发者毋庸再东拼西凑，一库直达。
此外，TDSQL-C为了更好适配Agent垄断，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彻解耦；引入多数派写入左券，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理。最终带来的末端是：极致性价比，TCO较同类居品下落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，精深有两条阶梯。其中一条就是上述提到的DB for AI，让数据库更好地去闲隙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过程中，让Agent匡助研发或者DBA作念数据库巡检、故障排查以及SQL优化等职责。
这背后，是数据库的运维正在际遇一场不对称的战斗。
DBA紧缺也曾是行业性辛勤，即即是在大型企业亦然如斯，而数据库的分类相称复杂，这也增多了DBA的运维难度。以致vibe coding的流行，让许多非研发岗亭的东说念主也在大批创建数据库实例。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鸿沟赶紧扩张，而撑抓业务的所罕有据库居品集群鸿沟都在翻倍扩张，给后台负责运维的东说念主员带来宏大压力。“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绝顶了。”小红书数据库DevOps大家许嘉正说。
当作腾讯云首个数据库Agent，DatabaseClaw不错作念到一句话巡检，而且生成结构化的巡检论说，而且非论下面跑的是MySQL、Redis如故MongoDB，AI自动识别引擎，加载对应的会诊政策。它不错逐条领会履行洽商，告诉你哪些需要建索引、哪些需要改写、哪些其实毋庸管。
但梦想与施行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的提议用于简直的分娩环境。因为通用的AI莫得高下文，莫得调用里面的器具链，也莫得风险边缘和凭证链的相识，通常只是单纯根据SQL文本作念了神情化的分析。
与通用智能体不同的是，腾讯云DatabaseClaw基于以前十几年就业客户积蓄的十几万工单，将SOP过程千里淀为Skills，至极于让Agent在履行各式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通常会给出一个不足为训的提议，而DataBaseClaw会多作念一步，先找到慢SQL产生的具体原因，然后振领提纲。
“DataBaseClaw梗概相比较之前一个东说念骨干的活梗概有十几倍效用的培育。”罗云说。
除了把大家警告真金不怕火葬为不错径直调用的Skills，DataBaseClaw也已毕了多引擎的调治纳管。不同类型的数据库有我方的特色和运维器具，比如MySQL要看缓冲池射中率，Redis要盯内存碎屑，MongoDB要查慢操作。而DatabaseClaw用单一的Agent已毕了MySQL、Redis、MongoDB、TDSQL四大主流引擎的原生遮盖，DBA通过当然言语就不错查询数据的景象、生成报表，缩小举座使用门槛。
相比于提高效用和易用性，安全可控是企业勇于将Agent用于简直分娩环境的最要道一环。
不久前，一位SaaS企业首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，把统共分娩数据库给删除了。施行中，数据库关系到企业业务的踏实，许多企业不敢将Agent用于简直的分娩环境中，一些分歧轨范的操作可能对系统形成不行逆的挫伤。
而DataBaseClaw则从三个层面提高Agent的安全小心。一是开辟行动护栏，相比于简便通过Prompt工程对龙虾进行把握，DataBaseClaw用了规则化或者抓续化的格局在表层对龙虾进行把握，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说明。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，建设了什么政策，用户十足可知。三是全链路进行审计，要道的信息脱敏，统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大家警告、开辟安全护栏等格局，骨子上是处理的是通用Agent面前才调规模有限和安全风险失控的辛勤，匡助客户实在勇于将Agent用于数据库的简直运维环境中。
结 语
Agent带来了全新的数据使用格局和复杂多元的数据形态，又给底层的数据库带来了宏大的机遇和挑战。数据库的价值在AI时期莫得被邋遢，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见解。
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，也曾构建了从AI垄断开发到运维运行的好意思满链路。
模子决定了Agent的下限2026世界杯中国体彩官网入口，而悼念决定了Agent的上限。在模子才调放缓、系统工程备受深爱确当下，AI原生数据库就是腾讯在Agent时期给出的最好谜底。