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显然的端倪，往常十几年国产数据库的隆盛发展大要不错分裂为三个阶段。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身，他们大多源于自己业务发展需要，从单机数据库转向漫衍式，奏效扛住了互联网业务的高并发带来的数据洪峰，完了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，多半要津基础设施和要点行业的中枢系统启动进行国产替换。
如今，行业的相通棒转向了AI Agent，数据库肃肃插足3.0期间。如何安妥和知足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场景进行了家具的全面升级，为Agent、AI编程和智能运维三大场景提供原生的AI数据库智力。今日，腾讯云不仅发布了Agent Memory、DatabaseClaw两款Agent原生家具，也对旗下最中枢的云原生数据库TDSQL-C和漫衍式数据库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
数据库往常几十年的演进逻辑并莫得发生太大改换，其试验是为东谈主职业，比如阻挡台、注册过程、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改换了数据库的运行逻辑。
领先，多模态数据成为主流。往常，数据库处理的多半是订单、用户、往还纪录等结构化信息，但AI的爆发，使得数据形态发生了广宽变化，“当今92%的新增数据都利害结构化”，比如会话景色、行业学问、坎坷文、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，讹诈层的开荒复杂度急剧攀升，相等割裂和可怜。
“在一个复杂的企业级 AI Agent 讹诈架构中，咱们会依赖和传统数据库迥然相异的智力。”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。“这个期间果然需要的是多模存储和语义检索为原生的智力，并连合咱们既有家具缔结，举例高可用，支执SQL，高性能等，重新联想的家具。”
其次，是开荒模式的转动。往常使用数据库，全体照旧可猜想的、看望模式也相对固定。而Agent的并发领域远超东谈主工，对数据及时性也有更高的要求。尤其是当下，AI接济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讹诈启动径直看望数据库，带动了数据库实例的数目大幅上涨，而且Agent多方法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，使得传统数据库的联想显得比较贫窭，无法匹配。”王义成说。而Neon的数据也涌现，2025年以来，由AI Agent创建的实例数目也曾是开荒者创建的4倍之多。
再者，数据库调用模式也在发生变化。往常的数据库偏离线分析，而Agent转向及时检索与执续性牵记。传统的处理决策遇到了很大的瓶颈，比如坎坷文窗口有长度阻挡和资本焦虑，RAG检索又丢失结构化推理旅途，需要为Agent打造专属的牵记系统。
另外，跟着Agent智力的增强和数据库治理复杂度的进步，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在真实场景的落地中最大的问题常常不是模子智力不够，而是容易出现牵记断片。
亚博体育中国官网注册登录相比于往常问答型的东谈主工智能，Agent这类复杂的长线任务，需要多方法践诺，需要调用各式器具和skill，相等测验牵记智力。比如系统不仅要听懂当下的教导，更要牢记往常定下的代码法式、管制条目和鼓动节点。
不久前，Meta的AI对王人与安全总监就因为AI“教导淡忘”，开云体育(kaiyun)官网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的牵记痛点，腾讯云数据库重磅推出了Agent Memory职业，重新为Agent打造了一套牵记系统。其中枢是通过引入结构化与分层机制，对牵记进行调处管理。
比如对短期牵记进行压缩，腾讯云数据库自研了记号化压缩和坎坷文的卸载智力。以记号化压缩为例，主要有两种念念路：一种是摘抄压缩，将繁琐的原始全文提真金不怕火为一滑结构化的摘抄，去掉鬼话，留住事实，进步单条信息的密度；另一种是结构化图压缩——用一张图替代一堆翰墨，让结构化的图来呈现不同操作背后的因果关系、景色，用最少记号承载最大语义。
而且，腾讯云数据库针对短期牵记联想了一套三级压缩计谋，不错根据不同任务和负载，自动触发不同级别的处理。比如当坎坷文占比达到 60%时，自动用摘抄替换原文，相对和睦；而当坎坷文占比达到80%时，径直计帐不再相干的旧任务音信，为刻下任务腾出空间。
在长任务场景下，这套压缩机制不仅匡助Agent进步了30%的任务奏着力，也让Token最高省俭60%以上。“短期牵记咱们作念得比较跨越，业界莫得太多的决策。”腾讯云数据库副总司理罗成说。
针对恒久牵记，腾讯云数据库也联想了从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为场景，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，系统在践诺过程中大致调用更安定的要津信息，而不再依赖单一坎坷文，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牵记和恒久牵记以外，也在推动构建团队牵记。Agent在企业场景的讹诈常常依赖团队合营，这意味着企业级Agent需要能分享全体团队的坎坷文信息，清醒吞并套责任轨则和方法，让多个Agent能像团队相同合营。不难发现，在Agent从个东谈主器具转向组织合营的势必趋势下，腾讯云数据库也曾启动从牵记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，而况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，龙虎棋牌2026最新版下载AI也需要对会话的运功绩态、行业信息等，进行恒久的保存。
而每一种数据库都有各自的讹诈场景，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，存在多半异构的数据库系统。
“Agent可能花了80%的时间在找数据，独一20%的时间在念念考怎么用数据。“王义成说，Agent在践诺任务时，要拿到一份好意思满极新的数据，常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期间的企业级多模态的数据存储底座。它支执一键纳管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吞并个数据库内对王人。而且支执多模的狡计，一次查询能同期调遣语义、要津词、图谱、团聚四种智力，“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支执腹地SSD、云硬盘和对象存储的多级存储云原生联想，存算分离，弹性按需扩展。数据领域从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讹诈场景，下半年则要点打磨基于对象存储原生和调处怒放原数据职业的智力，而来岁上半年会贵重增强搀杂检索、交融检索，以及提供更好意思满的多模体验。
另外，针对AI Coding场景下数据库持续复制、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，既支执MySQL也支执原生PG，不错一站式对接腾讯云cloudbase的baas平台以及Cursor、FastGPT等这些AI 开荒者讹诈，用MCP、REST等左券调处接入。
这一次的升级中枢是引入数据库Branch智力，让1TB数据库从往常小时级复制压缩至秒级“分叉”；重复Serverless秒级启动、闲时归零的智力，更贴合 AI 编程“高频创建、低频使用”的长尾负载；提供AI Toolkit器具箱，完了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、恒久牵记、及时知悉这些复杂AI需求，开荒者不必再东拼西凑，一库直达。
此外，TDSQL-C为了更好适配Agent讹诈，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绝对解耦；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；原生支执行列混存，吞并份数据、吞并套日记、吞并份事务一致性——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，备份快照和无尽容量都顺遂处理。最终带来的成果是：极致性价比，TCO较同类家具下落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，普遍有两条路子。其中一条就是上述提到的DB for AI，让数据库更好地去知足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优化等责任。
这背后，是数据库的运维正在遭受一场不对称的接触。
DBA紧缺也曾是行业性贫困，即即是在大型企业亦然如斯，而数据库的分类相等复杂，这也加多了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多半创建数据库实例。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领域连忙扩张，而相沿业务的所稀有据库家具集群领域都在翻倍扩张，给后台负责运维的东谈主员带来广宽压力。“传统靠东谈主肉、靠SOP、靠加东谈主扛的路子基本上走到终点了。”小红书数据库DevOps内行许嘉正说。
看成腾讯云首个数据库Agent，DatabaseClaw不错作念到一句话巡检，而况生成结构化的巡检评释，而且无论下面跑的是MySQL、Redis照旧MongoDB，AI自动识别引擎，加载对应的会诊计谋。它不错逐条领路践诺狡计，告诉你哪些需要建索引、哪些需要改写、哪些其实不必管。
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谈，但好多业务东谈主员并不敢径直将AI的提倡用于真实的分娩环境。因为通用的AI莫得坎坷文，莫得调用里面的器具链，也莫得风险边缘和字据链的清醒，常常只是单纯根据SQL文本作念了神气化的分析。
与通用智能体不同的是，腾讯云DatabaseClaw基于往常十几年职业客户积蓄的十几万工单，将SOP过程千里淀为Skills，十分于让Agent在践诺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常常会给出一个不足为训的提倡，而DataBaseClaw会多作念一步，先找到慢SQL产生的具体原因，然后点石成金。
“DataBaseClaw大致相比较之前一个东谈骨干的活大致有十几倍着力的进步。”罗云说。
除了把内行老成真金不怕火葬为不错径直调用的Skills，DataBaseClaw也完了了多引擎的调处纳管。不同类型的数据库有我方的特点和运维器具，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完了了MySQL、Redis、MongoDB、TDSQL四大主流引擎的原生隐秘，DBA通过当然话语就不错查询数据的景色、生成报表，裁减全体使用门槛。
相比于提高着力和易用性，安全可控是企业勇于将Agent用于真实分娩环境的最要津一环。
不久前，一位SaaS企业创举东谈主就发帖称，他在使用智能体践诺测试任务时，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，把悉数分娩数据库给删除了。现实中，数据库关系到企业业务的安定，好多企业不敢将Agent用于真实的分娩环境中，一些分歧法式的操作可能对系统酿成不成逆的毁伤。
而DataBaseClaw则从三个层面提高Agent的安全严防。一是设立行为护栏，相比于简便通过Prompt工程对龙虾进行阻挡，DataBaseClaw用了轨则化或者执续化的形态在表层对龙虾进行阻挡，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阐发。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，树立了什么计谋，用户绝对可知。三是全链路进行审计，要津的信息脱敏，悉数链路只保留作念什么了，为什么要作念。
不难发现，DataBaseClaw通过融入东谈主类内行老成、设立安全护栏等形态，试验上是处理的是通用Agent咫尺智力领域有限和安全风险失控的贫困，匡助客户果然勇于将Agent用于数据库的真实运维环境中。
结 语
Agent带来了全新的数据使用形态和复杂多元的数据形态，又给底层的数据库带来了广宽的机遇和挑战。数据库的价值在AI期间莫得被收缩，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，也曾构建了从AI讹诈开荒到运维运行的好意思满链路。
模子决定了Agent的下限，而牵记决定了Agent的上限。在模子智力放缓、系统工程备受嗜好确当下龙虎棋牌app官网版，AI原生数据库就是腾讯在Agent期间给出的最好谜底。