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

数据库时间的演进有着一条相对明显的条理，昔时十几年国产数据库的容或发展毛糙不错分辩为三个阶段。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，他们大多源于自己业务发展需要，从单机数据库转向溜达式，收效扛住了互联网业务的高并发带来的数据洪峰，收场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，渊博要津基础按序和要点行业的中枢系统驱动进行国产替换。

如今，行业的指导棒转向了AI Agent，数据库精采插足3.0期间。如何相宜和空闲AI Agent的需要，如故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数据库材干。今日，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和溜达式数据库TDSQL-B进行了系统性升级，全面适配AI原生。

01

Agent爆发，数据库面对多重挑战

数据库昔时几十年的演进逻辑并莫得发生太大更正，其内容是为东谈主作事，比如限度台、注册经由、文档都是给东谈主使用。但Agent依赖的是智能体之间的交互和器具的自主调用，数据库的用户从东谈主变成了Agent，新的范式和业务需要更正了数据库的运行逻辑。

最初，多模态数据成为主流。昔时，数据库处理的渊博是订单、用户、交游纪录等结构化信息，但AI的爆发，使得数据形态发生了宏大变化，“当今92%的新增数据都曲直结构化”，比如会话景色、行业学问、凹凸文、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、低蔓延的数据放在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，利用层的开拓复杂度急剧攀升，相等割裂和晦气。

“在一个复杂的企业级 AI Agent 利用架构中，咱们会依赖和传统数据库天壤悬隔的材干。”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。“这个期间委果需要的是多模存储和语义检索为原生的材干，并聚拢咱们既有产物坚定，举例高可用，支握SQL，高性能等，再行想象的产物。”

其次，是开拓模式的升沉。昔时使用数据库，全体照旧可想到的、探访模式也相对固定。而Agent的并发鸿沟远超东谈主工，对数据及时性也有更高的要求。尤其是当下，AI扶植编程让好多非专科东谈主士也不错通过多轮对话创建Agent，越来越多AI利用驱动班师探访数据库，带动了数据库实例的数目大幅高潮，而且Agent多法子任务又要求中间归档、随时回滚，传统备份复原跟不上节律。

“Agent所以东谈主类无法比较的速率去写代码、写用例、进行测试，跟团队作念全体的组织协同，使得传统数据库的想象显得比较用功，无法匹配。”王义成说。而Neon的数据也线路，2025年以来，由AI Agent创建的实例数目如故是开拓者创建的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转向及时检索与握续性顾忌。传统的管理有蓄意遇到了很大的瓶颈，比如凹凸文窗口有长度限制和资本躁急，RAG检索又丢失结构化推理旅途，需要为Agent打造专属的顾忌系统。

另外，跟着Agent材干的增强和数据库治理复杂度的普及，Agent也在反过来协助DBA和研发东谈主员更好地管理数据库，包括用当然谈话作念数据库的巡检、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在确切场景的落地中最大的问题时时不是模子智力不够，而是容易出现顾忌断片。

相比于昔时问答型的东谈主工智能，Agent这类复杂的长线任务，需要多法子推论，需要调用各式器具和skill，相等考验顾忌材干。比如系统不仅要听懂当下的辅导，更要谨记昔时定下的代码表率、管理条目和推动节点。

不久前，Meta的AI对都与安全总监就因为AI“辅导淡忘”，导致其个东谈主邮箱中200多封邮件被小龙虾批量删除。

针对Agent的顾忌痛点，腾讯云数据库重磅推出了Agent Memory作事，再行径Agent打造了一套顾忌系统。其中枢是通过引入结构化与分层机制，对顾忌进行融合管理。

比如对短期顾忌进行压缩，腾讯云数据库自研了标识化压缩和凹凸文的卸载材干。以标识化压缩为例，主要有两种念念路：一种是摘录压缩，将繁琐的原始全文提真金不怕火为一转结构化的摘录，去掉谣言，留住事实，普及单条信息的密度；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、景色，用最少标识承载最大语义。

而且，腾讯云数据库针对短期顾忌想象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。比如当凹凸文占比达到 60%时，自动用摘录替换原文，相对温存；而当凹凸文占比达到80%时，班师计帐不再关联的旧任务音书，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普及了30%的任务收效力，也让Token最高简约60%以上。“短期顾忌咱们作念得比较进步，业界莫得太多的有蓄意。”腾讯云数据库副总司理罗成说。

针对长久顾忌，腾讯云数据库也想象了从L0-L4的语义金字塔：其中L0包含原始的对话纪录，L1是从对话中提真金不怕火的原子化事实片断，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、习尚用户。

借助这一机制，系统在推论过程中简略调用更清醒的要津信息，而不再依赖单一凹凸文，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顾忌和长久顾忌除外，也在推动构建团队顾忌。Agent在企业场景的利用时时依赖团队合作，这意味着企业级Agent需要能分享全体团队的凹凸文信息，会通合并套职责规章和标准，让多个Agent能像团队不异合作。不难发现，在Agent从个东谈主器具转向组织合作的势必趋势下，腾讯云数据库如故驱动从顾忌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如故对外开源，而且在开源社区受到了接待。上线两周时间，Agent Memory的开源代码就获利了近5K的Stars。

除了Agent Memory，世界杯(中国)AI也需要对会话的运事业态、行业信息等，进行长久的保存。

而每一种数据库都有各自的利用场景，比如结构化的业务数据用SQL查询，学问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津词搜索。这也使得在企业的IT环境里，存在渊博异构的数据库系统。

“Agent可能花了80%的时间在找数据，只消20%的时间在念念考若何用数据。“王义成说，Agent在推论任务时，要拿到一份好意思满极新的数据，时时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。它支握一键纳管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合并个数据库内对都。而且支握多模的狡计，一次查询能同期援助语义、要津词、图谱、团员四种材干，“这是任何单一数据库咫尺很难作念到的”。

在存储架构上，TDSQL-B支握腹地SSD、云硬盘和对象存储的多级存储云原生想象，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，在保险高性能探访的同期大幅裁减存储资本。

据悉，本年Q2，TDSQL Boundless将会要点推露面向向量索引和全文索引的利用场景，下半年则要点打磨基于对象存储原生和融合洞开原数据作事的材干，而来岁上半年会平安增强羼杂检索、交融检索，以及提供更好意思满的多模体验。

另外，针对AI Coding场景下数据库时时复制、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，既支握MySQL也支握原生PG，不错一站式对接腾讯云cloudbase的baas平台以及Cursor、FastGPT等这些AI 开拓者利用，用MCP、REST等公约融合接入。

这一次的升级中枢是引入数据库Branch材干，让1TB数据库从昔时小时级复制压缩至秒级“分叉”；重迭Serverless秒级启动、闲时归零的材干，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，收场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、长久顾忌、及时洞悉这些复杂AI需求，开拓者无谓再东拼西凑，一库直达。

此外，TDSQL-C为了更好适配Agent利用，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顶解耦；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；原生支握行列混存，合并份数据、合并套日记、合并份事务一致性——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管理。最终带来的效力是：极致性价比，TCO较同类产物下跌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，渊博有两条阶梯。其中一条就是上述提到的DB for AI，让数据库更好地去空闲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经由中，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遇到一场不对称的干戈。

DBA紧缺如故是行业性艰辛，即就是在大型企业亦然如斯，而数据库的分类相等复杂，这也增多了DBA的运维难度。甚而vibe coding的流行，让好多非研发岗亭的东谈主也在渊博创建数据库实例。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马上彭胀，而守旧业务的所特殊据库产物集群鸿沟都在翻倍扩张，给后台负责运维的东谈主员带来宏大压力。“传统靠东谈主肉、靠SOP、靠加东谈主扛的门路基本上走到极端了。”小红书数据库DevOps民众许嘉正说。

算作腾讯云首个数据库Agent，DatabaseClaw不错作念到一句话巡检，而且生成结构化的巡检陈诉，而且岂论下面跑的是MySQL、Redis照旧MongoDB，AI自动识别引擎，加载对应的会诊政策。它不错逐条领略推论揣度，告诉你哪些需要建索引、哪些需要改写、哪些其实无谓管。

但瞎想与执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谈，但好多业务东谈主员并不敢班师将AI的提议用于确切的坐褥环境。因为通用的AI莫得凹凸文，莫得调用里面的器具链，也莫得风险角落和笔据链的意志，时时只是单纯根据SQL文本作念了体式化的分析。

与通用智能体不同的是，腾讯云DatabaseClaw基于昔时十几年作事客户积贮的十几万工单，将SOP经由千里淀为Skills，极度于让Agent在推论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时时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，然后鞭辟入里。

“DataBaseClaw简略相比较之前一个东谈骨干的活简略有十几倍效力的普及。”罗云说。

除了把民众素养真金不怕火葬为不错班师调用的Skills，DataBaseClaw也收场了多引擎的融合纳管。不同类型的数据库有我方的特质和运维器具，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收场了MySQL、Redis、MongoDB、TDSQL四大主流引擎的原生隐私，DBA通过当然谈话就不错查询数据的景色、生成报表，裁减全体使用门槛。

相比于提高效力和易用性，安全可控是企业勇于将Agent用于确切坐褥环境的最要津一环。

不久前，一位SaaS企业首创东谈主就发帖称，他在使用智能体推论测试任务时，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，把系数坐褥数据库给删除了。执行中，数据库关系到企业业务的清醒，好多企业不敢将Agent用于确切的坐褥环境中，一些分歧表率的操作可能对系统变成不行逆的毁伤。

而DataBaseClaw则从三个层面提高Agent的安全守护。一是竖立行径护栏，相比于直快通过Prompt工程对龙虾进行限制，DataBaseClaw用了规章化或者握续化的方式在表层对龙虾进行限制，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，用户统统可知。三是全链路进行审计，要津的信息脱敏，系数链路只保留作念什么了，为什么要作念。

不难发现，DataBaseClaw通过融入东谈主类民众素养、竖立安全护栏等方式，内容上是管理的是通用Agent咫尺材干界限有限和安全风险失控的艰辛，匡助客户委果勇于将Agent用于数据库的确切运维环境中。

结 语

Agent带来了全新的数据使用方式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期间莫得被减轻，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，如故构建了从AI利用开拓到运维运行的好意思满链路。

模子决定了Agent的下限在线买世界杯平台，而顾忌决定了Agent的上限。在模子材干放缓、系统工程备受深爱确当下，AI原生数据库就是腾讯在Agent期间给出的最好谜底。