AI 正以前所未有的速度滲透進(jìn)每一個(gè)角落，“數(shù)據(jù)+智能”的化學(xué)反應(yīng)，數(shù)據(jù)庫(kù)與 AI 的深度融合，正在重塑我們對(duì)數(shù)據(jù)庫(kù)設(shè)計(jì)與應(yīng)用的想象。以 PostgreSQL 為核心的開(kāi)源技術(shù)大會(huì) HOW 2026 將于 4 月 27~28 日于濟(jì)南舉辦，這是第一期「Yolanda 科技見(jiàn)聞」與 HOW 2026 大會(huì)的特別聯(lián)動(dòng)直播。
墨創(chuàng)數(shù)跡創(chuàng)始人汪丹（Yolanda ）邀請(qǐng)三位大會(huì)出品人，前 PostgreSQL 分會(huì)會(huì)長(zhǎng)及中文社區(qū)主席、IvorySQL 專家顧問(wèn)委員蕭少聰，佰晟智算（深圳）技術(shù)有限公司聯(lián)合創(chuàng)始人 CEO、IvorySQL 專家顧問(wèn)委員白鱔，獨(dú)立開(kāi)源貢獻(xiàn)者、 igsty 作者、IvorySQL 專家顧問(wèn)委員馮若航，圍繞數(shù)據(jù)庫(kù)演進(jìn)、AI 時(shí)代的變量、DBA 發(fā)展路徑等話題進(jìn)行了一場(chǎng)深度對(duì)話。
核心觀點(diǎn)
·2023 年是 PostgreSQL AI 化的分水嶺。時(shí)機(jī) + 生態(tài) = 彎道超車：動(dòng)態(tài)擴(kuò)展撬動(dòng) 30 年成熟內(nèi)核，直接碾平專用向量數(shù)據(jù)庫(kù)賽道。
·數(shù)據(jù)庫(kù)不是海馬體，而是 AI 的整體狀態(tài)平面。PostgreSQL 的開(kāi)放架構(gòu)讓多模態(tài)數(shù)據(jù)處理可以在同一個(gè)數(shù)據(jù)庫(kù)內(nèi)實(shí)現(xiàn)。
·PostgreSQL 已經(jīng)是做 AI Agent 的最佳起步數(shù)據(jù)底座了。
·AI 原生數(shù)據(jù)庫(kù)的終極形態(tài)，或許是 AI 自己能夠擴(kuò)展和定制的數(shù)據(jù)庫(kù)。
·AI 不會(huì)完全取代 DBA，但會(huì)重新定義 DBA 的價(jià)值邊界。操作性知識(shí)會(huì)被壓縮，而品味、架構(gòu)能力、判斷力和學(xué)習(xí)能力的溢價(jià)會(huì)更高。
以下為直播實(shí)錄精華。
01
當(dāng) PostgreSQL 遇見(jiàn) AI，數(shù)據(jù)庫(kù)和 AI 正在發(fā)生化學(xué)反應(yīng)
最近幾年 AI 應(yīng)用大爆發(fā)，我們發(fā)現(xiàn)關(guān)注 PostgreSQL 的人越來(lái)越多，PG 不再是一個(gè)存儲(chǔ)數(shù)據(jù)的地方，這個(gè)誕生于 30 多年前的關(guān)系型數(shù)據(jù)庫(kù)，正在成為 AI 時(shí)代最炙手可熱的數(shù)據(jù)底座。這背后，是一場(chǎng)關(guān)于數(shù)據(jù)庫(kù)如何與 AI 共生的深刻變革。
馮若航：我一直在追蹤 PG 生態(tài)，關(guān)注整個(gè)數(shù)據(jù)庫(kù)生態(tài)的快速演進(jìn)。一個(gè)很明顯的信號(hào)是 2023 年初，PG 正好趕上了 ChatGPT 發(fā)布之后的 RAG（檢索增強(qiáng)生成）浪潮。具體來(lái)說(shuō)，Neon 和 Supabase 這兩個(gè) PG 生態(tài)公司敏銳地發(fā)現(xiàn)：向量嵌入可以存儲(chǔ)在數(shù)據(jù)庫(kù)中進(jìn)行相似性檢索。這就等于范式被開(kāi)發(fā)出來(lái)了，而 PG 生態(tài)里有一個(gè) PGVector 擴(kuò)展在 2021 年就已問(wèn)世，正好趕上了這波浪潮。這之后，很多需要用到向量數(shù)據(jù)庫(kù)的地方，就開(kāi)始使用 PG 了。
Stack Overflow 有一個(gè)連續(xù) 7 年的開(kāi)發(fā)者調(diào)研，我們從中去看 PG 的使用率和流行度，發(fā)現(xiàn)在 2023 年左右出現(xiàn)了一個(gè)爆炸式的階躍增長(zhǎng)。2023 年是一個(gè)分水嶺，向量數(shù)據(jù)庫(kù)這一波帶飛了 PG，AI 把 PG 的增長(zhǎng)拉到了一個(gè)新階段。
蕭少聰：我覺(jué)得未來(lái) PG 會(huì)是一個(gè)非常重要的工具，或者說(shuō)是承載 AI 數(shù)據(jù)底座的基石。其實(shí)在剛剛過(guò)去的 2025 年，我觀察到這樣一種情況，有些原生的 AI Agent 應(yīng)用，并不一定在用 PG。我們重新去看這種情況，發(fā)現(xiàn)這樣的應(yīng)用大多跟傳統(tǒng)業(yè)務(wù)沒(méi)有直接關(guān)系，有很多新嘗試。但當(dāng)這個(gè) Agent 做到一定程度以后，或者說(shuō) Agent 的使用達(dá)到一定規(guī)模后，就必須跟傳統(tǒng)的業(yè)務(wù)進(jìn)行整合，這時(shí)候 PG 又會(huì)成為一個(gè)最佳選擇，因?yàn)樗焐严蛄亢蜆?biāo)量整合了在一起，有足夠強(qiáng)大的體系級(jí)底座，不管在權(quán)限還是在各種功能整合上，它都可以通過(guò)一個(gè)數(shù)據(jù)底座幫助開(kāi)發(fā)者解決各種問(wèn)題。
我從 Agent 應(yīng)用開(kāi)發(fā)的角度發(fā)現(xiàn)，最開(kāi)始階段基本不用考慮數(shù)據(jù)庫(kù)。當(dāng)數(shù)據(jù)積累到一定體量，且開(kāi)始出現(xiàn)各種各樣的問(wèn)題時(shí)，PG 已經(jīng)是做 AI Agent 的最佳起步數(shù)據(jù)底座了。再加上它的分布式特性，豐富的擴(kuò)展能力，當(dāng)數(shù)據(jù)量更大的時(shí)候，也有很多解決辦法。當(dāng)然了，對(duì)于一些特殊應(yīng)用，也需要專門(mén)的 AI 數(shù)據(jù)庫(kù)或者處理方法，我相信整個(gè)世界就是開(kāi)源開(kāi)放的。
白鱔：黑格爾說(shuō)過(guò)，任何一個(gè)偉大的歷史事件都會(huì)發(fā)生兩次。我想第一次就是 2023 年的 OpenAI ChatGPT，第二次就是去年的 DeepSeek。這兩次歷史事件發(fā)生以后，AI 浪潮就已經(jīng)真正地進(jìn)入到我們的生活中。其實(shí) 2023 年最開(kāi)始用向量數(shù)據(jù)庫(kù)的時(shí)候，我的一些項(xiàng)目沒(méi)用 PG。但是后來(lái)我發(fā)現(xiàn)，很多宣稱是 AI 原生數(shù)據(jù)庫(kù)的，用起來(lái)并不方便，因?yàn)槲也粌H僅是要處理向量，我還要處理地理信息、圖數(shù)據(jù)、時(shí)序數(shù)據(jù)等等，這時(shí)候就發(fā)現(xiàn)還是得用 PG，所有的數(shù)據(jù)都可以放在一個(gè)數(shù)據(jù)庫(kù)里面，整個(gè)應(yīng)用架構(gòu)就簡(jiǎn)化了很多。再往后，PG 的插件架構(gòu)又帶來(lái)了更多、更大的可能性，我覺(jué)得這是 PG 非常獨(dú)特且強(qiáng)大的方面。
02
數(shù)據(jù)庫(kù)不是海馬體，而是 AI 的狀態(tài)平面
社區(qū)里有人把數(shù)據(jù)庫(kù)比作 AI 的海馬體，數(shù)據(jù)存儲(chǔ)在哪里，智能就在哪里生長(zhǎng)。比喻的目的往往不是為了準(zhǔn)確，而是多一種理解維度。AI 時(shí)代，數(shù)據(jù)庫(kù)的價(jià)值到底是怎樣的？具體場(chǎng)景下怎么選擇？
馮若航：如果用海馬體這個(gè)概念的話，我會(huì)把數(shù)據(jù)庫(kù)里的一個(gè)組件比喻成海馬體，比如向量查詢引擎，或者是全文檢索引擎這樣的組件。整個(gè)數(shù)據(jù)庫(kù)其實(shí)就相當(dāng)于大腦本身或者至少是記憶部分，一個(gè)數(shù)據(jù)庫(kù)有各種各樣的引擎，比如向量查詢、全文檢索、地理空間、存儲(chǔ)、事務(wù)等等，他們一起來(lái)完成一個(gè)完整的工作，所以數(shù)據(jù)庫(kù)更像是一個(gè) AI 的狀態(tài)平面。
順著海馬體的比喻，這里展開(kāi)說(shuō)說(shuō) PGVector 這樣的向量組件/擴(kuò)展。PGVector 最開(kāi)始是 2021 年的時(shí)候，一個(gè)社區(qū)的個(gè)人愛(ài)好者自己做的一個(gè)項(xiàng)目，后來(lái)大廠投入了很多資源，讓它成為了一個(gè)生產(chǎn)級(jí)別的向量組件。和這幾年的很多專門(mén)的向量數(shù)據(jù)庫(kù)對(duì)比，PGVector 實(shí)現(xiàn)了同樣的 SOTA 級(jí)性能表現(xiàn)，它更大的亮點(diǎn)是易用程度。PGVector 最開(kāi)始只有 2000 行代碼，到現(xiàn)在也就是 8000~9000 行代碼，用這種擴(kuò)展的方式，很快就能實(shí)現(xiàn)完整的向量功能。從這個(gè)維度看，我認(rèn)為 PGVector 是把整個(gè)專用向量數(shù)據(jù)庫(kù)的賽道直接給碾平了。對(duì)于 PG 來(lái)說(shuō)，這是一個(gè)彎道超車的故事，一方面，它有歷經(jīng) 30 年打磨的高度穩(wěn)定的數(shù)據(jù)庫(kù)內(nèi)核；另一方面，像 PGVector 這樣擴(kuò)展出來(lái)的增量功能經(jīng)過(guò)大廠的投入也超過(guò)了專用向量數(shù)據(jù)庫(kù)。從 2023 年開(kāi)始，我就已經(jīng)在生產(chǎn)環(huán)境看到很大規(guī)模的 PGVector 部署，當(dāng)下在做 AI 應(yīng)用的時(shí)候，大家已經(jīng)默認(rèn)選擇 PG 里面的 PGVector 了。
白鱔：對(duì)，PG 的開(kāi)放式架構(gòu)，社區(qū)活躍，整體的發(fā)展也很快。像 PGVector 這樣的插件，可以讓我們?cè)陂_(kāi)發(fā)一些簡(jiǎn)單應(yīng)用的時(shí)候，不需要借助其他東西。我覺(jué)得未來(lái)的趨勢(shì)就是怎么樣，可能今后我們的應(yīng)用都是面向 AI 的，也是用像 Claude Code 的這樣的 AI 工具寫(xiě)的，怎么樣讓 AI 應(yīng)用的開(kāi)發(fā)成本更低，就成為一個(gè)很關(guān)鍵的問(wèn)題，那么代碼量越小，AI 應(yīng)用的成本就會(huì)越低，這時(shí)候 PG 的優(yōu)勢(shì)是相當(dāng)明顯的。
蕭少聰：我知道在業(yè)界對(duì) PG 的一些特性或者能力是有一些詬病的，比如它很占內(nèi)存，但實(shí)際上這些問(wèn)題已經(jīng)解決了。我想從另外一個(gè)角度來(lái)聊聊，就是現(xiàn)在很多 AI 操作直接就不去折騰 SQL 這件事了。就是通過(guò)一些提示詞，或者一些更簡(jiǎn)單的調(diào)度方法，可以很輕松地做一些向量提取、獲取分析等操作。這些操作，對(duì)于現(xiàn)在很熱的 OPC（一人企業(yè)），或者小團(tuán)隊(duì)來(lái)說(shuō)，用來(lái)開(kāi)發(fā)解決具體問(wèn)題的 Agent，這就已經(jīng)夠用了。
但再往后，我發(fā)現(xiàn)很多人又開(kāi)始把這樣的應(yīng)用回歸到數(shù)據(jù)庫(kù)，回歸到像 PG 這樣的一個(gè)系統(tǒng)里來(lái)，當(dāng)有這樣需求的時(shí)候，就會(huì)發(fā)現(xiàn)之前寫(xiě)的那些短平快的應(yīng)用要遷移到 SQL 變得特別辛苦，因?yàn)橐婚_(kāi)始沒(méi)考慮規(guī)范化，那這個(gè)陣痛就是必經(jīng)之路，一旦進(jìn)入到一個(gè)規(guī)范化角度使用數(shù)據(jù)的時(shí)候，你可以對(duì)接的東西就多了。
雖然我們說(shuō)未來(lái)可能是 Agent 之間在溝通，數(shù)據(jù)庫(kù)非必須，但如果這個(gè)應(yīng)用最終需要服務(wù)于人類，要讓我們看得懂，還是必須形成一些規(guī)范化的動(dòng)作，要有結(jié)構(gòu)化，去支撐高可用、穩(wěn)定性等動(dòng)作，那么 PG 就會(huì)是一個(gè)天然的支撐體。
03
什么是真正的“AI 原生數(shù)據(jù)庫(kù)”？
許多數(shù)據(jù)庫(kù)標(biāo)榜自己是“AI Native”，但大多只是加了向量功能。真正的 AI 原生數(shù)據(jù)庫(kù)應(yīng)該具備什么能力？PG 的下一步演進(jìn)方向可能會(huì)是什么？
白鱔：現(xiàn)在很多都講自己是 AI 原生數(shù)據(jù)庫(kù)，其實(shí)我個(gè)人感覺(jué)還沒(méi)看到一個(gè)真正的原生數(shù)據(jù)庫(kù)?？赡芪磥?lái)的程序都是 AI 在寫(xiě)，它是否需要數(shù)據(jù)庫(kù)，需要什么樣的數(shù)據(jù)庫(kù)，這些需求還是不充分的，不是說(shuō)加上一個(gè)向量功能就是原生數(shù)據(jù)庫(kù)了。
我近兩年一直在做 AI 應(yīng)用，現(xiàn)在處理很多數(shù)據(jù)的時(shí)候，已經(jīng)不是完全關(guān)系型的處理模式了，而是用一種邏輯數(shù)據(jù)邏輯的模式。我們?cè)谕苿?dòng)一個(gè)叫“數(shù)據(jù)驅(qū)動(dòng)的語(yǔ)義化知識(shí)圖譜”，其實(shí)是用語(yǔ)義在處理數(shù)據(jù)。在這種情況下，不是所有地方都需要 SQL，有些是語(yǔ)義驅(qū)動(dòng)，很多中間數(shù)據(jù)就不需要了。以前我們的一個(gè)數(shù)據(jù)庫(kù)里有成千上萬(wàn)張表，90% 都是為了處理數(shù)據(jù)而設(shè)計(jì)的表，而不是真正的業(yè)務(wù)需要的表。而在 AI 時(shí)代，有可能只有 10% 的表就可以描述所有業(yè)務(wù)。這是我現(xiàn)在實(shí)踐的一個(gè)大概情況，未來(lái)數(shù)據(jù)庫(kù)肯定會(huì)發(fā)生變化，但我還沒(méi)有想清楚未來(lái)數(shù)據(jù)庫(kù)到底會(huì)長(zhǎng)成什么樣子。
我想 AI 原生數(shù)據(jù)庫(kù)就是真正為 AI 應(yīng)用場(chǎng)景去構(gòu)建的。我現(xiàn)在看到的一個(gè)路徑，是在像 PG 這樣優(yōu)秀的底座上繼續(xù)做大量改造，動(dòng)態(tài)地用插件方式來(lái)來(lái)構(gòu)建新能力，我相信 PG 可以越來(lái)越像一個(gè) AI 原生數(shù)據(jù)庫(kù)。
馮若航：我可以補(bǔ)充一下我的思考。我覺(jué)得 AI Native 數(shù)據(jù)庫(kù)或者是 Agent Native 數(shù)據(jù)庫(kù)，可以從下面這幾個(gè)層面來(lái)看。
內(nèi)核層面：第一，把數(shù)據(jù)庫(kù)的本職工作，也就是存儲(chǔ)數(shù)據(jù)和檢索數(shù)據(jù)做好，這是基本功。第二，具備可擴(kuò)展性。AI 的需求廣泛，無(wú)法預(yù)估 AI 會(huì)怎么用數(shù)據(jù)庫(kù)，能做好的事情就是把這些接口和鉤子給預(yù)留好。它需要向量，可以加一個(gè)向量擴(kuò)展；它需要圖，可以加個(gè)圖擴(kuò)展；它需要全文檢索，給它預(yù)留好全文檢索的接口。在內(nèi)核層面真正能稱得上是AI 原生的，就是把多模態(tài)和可擴(kuò)展性給做好，在這個(gè)維度上我認(rèn)為 PG 是做得最好的。
發(fā)行版擴(kuò)展層面：現(xiàn)在 RAG 已經(jīng)成為一個(gè)標(biāo)配，大家都在用向量，無(wú)需多言了。那么新出現(xiàn)的是什么？Agent 的Memory System（記憶系統(tǒng)），現(xiàn)在是百花齊放的階段。已經(jīng)出了各種記憶框架，你會(huì)發(fā)現(xiàn)很多底層用的都是 PG。都有哪些記憶呢？有場(chǎng)景記憶、工作記憶、長(zhǎng)期記憶、知識(shí)性記憶、經(jīng)驗(yàn)性記憶等等，這些記憶其實(shí)最后落到實(shí)處都是數(shù)據(jù)庫(kù)表，就是傳統(tǒng)的關(guān)系型數(shù)據(jù)；除此之外，還有模糊記憶，用向量來(lái)檢索；還有一類就是知識(shí)圖譜，就是圖的能力，PG19 應(yīng)該會(huì)有相關(guān)的更新；還有全文檢索，比如把 ElasticSearch 的能力，把 BM25 全文檢索的能力放到數(shù)據(jù)庫(kù)里。最后你會(huì)發(fā)現(xiàn)在一個(gè)數(shù)據(jù)庫(kù)里，你同時(shí)可以做精確 SQL 檢索、做模糊向量檢索、做圖檢索和做 BM25 全文檢索這幾種經(jīng)典的檢索范式。大體上我認(rèn)為 AI 原生數(shù)據(jù)庫(kù)要擁有為未來(lái)預(yù)留的可擴(kuò)展性。
非功能性能力層面：我當(dāng)下看到兩個(gè)最值得去探索的方向，一個(gè)是 Serverless，一個(gè)是 AI 能力克隆。在 PG18 里其實(shí)有一個(gè) Instant folk 能力，你可以在線把一個(gè)巨大的數(shù)據(jù)庫(kù)原地克隆 N 份，不占額外的存儲(chǔ)成本。對(duì)于 Agent 來(lái)說(shuō)，這就等于給了它一個(gè)試錯(cuò)沙箱。當(dāng)我需要變更功能的時(shí)候，先在克隆里面操作，驗(yàn)證無(wú)誤之后再把它合并到生產(chǎn)環(huán)境里。我認(rèn)為對(duì)于 Agent 來(lái)說(shuō)是這是數(shù)據(jù)庫(kù)應(yīng)該提供的一個(gè)核心能力。
蕭少聰：我補(bǔ)充一個(gè)小點(diǎn)。退回到數(shù)據(jù)庫(kù)出現(xiàn)的那一天，它到底在解決什么問(wèn)題，實(shí)際上就是在解決數(shù)據(jù)操作的一致性問(wèn)題。怎么理解？從自己開(kāi)發(fā)的一個(gè)應(yīng)用，變成團(tuán)隊(duì)開(kāi)發(fā)的應(yīng)用，要給很多人用，也會(huì)有其他應(yīng)用來(lái)讀取，就需要有一個(gè)相同的方法，大家用相同的操作方式去使用這些數(shù)據(jù)，得到相同的效果，這就是一種操作上面的一致性。這時(shí)候數(shù)據(jù)庫(kù)軟件出現(xiàn)了，叫做通用基礎(chǔ)軟件。
我相信在 AI 時(shí)代也是一樣。過(guò)去這樣的一個(gè)通用基礎(chǔ)軟件的數(shù)據(jù)庫(kù)，是給人編寫(xiě)程序和人類所使用的 App 去使用的，那么未來(lái)同樣的需求會(huì)出現(xiàn)在 AI Agent 這一端，它會(huì)變成什么樣子？我覺(jué)得這個(gè)還是交給后續(xù)的持續(xù)發(fā)展，跟隨逐步變化再去觀察。說(shuō)不定因?yàn)?PG 足夠開(kāi)放，你把 PG 協(xié)議扔給 Agent，告訴它需要用的時(shí)候自己做擴(kuò)展，它完全可以在這基礎(chǔ)之上做出很多可能人類看不懂、但是對(duì) Agent 溝通非常有效的東西，然后在 Agent 之間流傳。我想，這就是 PG 開(kāi)放生態(tài)所帶來(lái)的東西，未來(lái)可能有一堆這樣的擴(kuò)展吧。
如果給 PG 提一個(gè)期待，我講一個(gè)希望內(nèi)核組趕緊解決的一個(gè)問(wèn)題。我們?cè)谟孟蛄亢蜆?biāo)量，現(xiàn)在兩邊都是一個(gè)比較獨(dú)立的算子在運(yùn)行。到底是先用向量來(lái)過(guò)濾數(shù)據(jù)，還是先用標(biāo)量來(lái)過(guò)濾數(shù)據(jù)，這里頭其實(shí)是一個(gè)博弈狀態(tài)。后續(xù)的 PG 版本，是否有可能更快地打通兩個(gè)算子，能夠讓操作變得更加平滑，可觀測(cè)更強(qiáng)，可以按需調(diào)節(jié)，讓開(kāi)發(fā)者使用起來(lái)更加簡(jiǎn)單。
04
AI 可觀測(cè)性發(fā)展趨勢(shì)
AI 可觀測(cè)性成為一個(gè)越來(lái)越重要的話題，現(xiàn)狀如何？未來(lái)又有怎樣的發(fā)展趨勢(shì)？
白鱔：最近 Harness 特別火，也是因?yàn)樵谧鲆粋€(gè) AI 應(yīng)用的時(shí)候，不是像以前寫(xiě)代碼就可以完全控制住它，AI 生成的 Agent 有自己的不確定性。
我們講可觀測(cè)性缺失，更多是大模型應(yīng)用方面的問(wèn)題，還不是數(shù)據(jù)庫(kù)內(nèi)部的。比如 PG 數(shù)據(jù)庫(kù)，它的底層架構(gòu)特別好，可以看到索引構(gòu)建的進(jìn)度，是很放心的。當(dāng)然，PG 的一些指標(biāo)體系還可以持續(xù)完善，但它有很好的插件機(jī)制，有很多鉤子，我們需要觀測(cè)的任何指標(biāo)，在 PG 框架里都是可以解決的。
馮若航：關(guān)于可觀測(cè)性，我覺(jué)得分兩個(gè)問(wèn)題，一個(gè)是 AI Agent 怎么幫助提升數(shù)據(jù)庫(kù)的可觀測(cè)性，一個(gè)是數(shù)據(jù)庫(kù)怎么幫助提升 AI Agent 的可觀測(cè)性。對(duì)于前一個(gè)問(wèn)題，數(shù)據(jù)庫(kù)的可觀測(cè)性，已經(jīng)不再是一個(gè)問(wèn)題了，比如 PG 有很多觀測(cè)視圖，很多擴(kuò)展能力，包括我自己做的 PG 監(jiān)控系統(tǒng)，幾年前就已經(jīng)做到了 PG 里面所有的指標(biāo)應(yīng)收盡收。
更重要的問(wèn)題是 Agent 本身的可觀測(cè)性如何用數(shù)據(jù)庫(kù)來(lái)解決。一個(gè) Agent 的 Loop，它里面有很多事件，其實(shí)大家是想知道它里面到底發(fā)生了什么，它為什么是這么決策的？當(dāng)前 Agent 最大的一個(gè)隱患是提示詞注入，它去網(wǎng)上各種沖浪找東西查文獻(xiàn)，文獻(xiàn)里面如果有一行注入提示詞，很可能就把它帶偏了，它可能做出了一個(gè)不理智的決策，把你的密鑰發(fā)給別人，這個(gè)問(wèn)題怎么解決？我認(rèn)為 Agent 可觀測(cè)性將會(huì)成為一個(gè)獨(dú)立賽道，就像以前的應(yīng)用可觀測(cè)性一樣，大家需要理解 Agent 為什么做出這些決策，這些決策事件應(yīng)該有個(gè)地方保存。現(xiàn)在看到的做法還都很粗糙，比如只是存儲(chǔ)日志，沒(méi)有把它以專業(yè)的可觀測(cè)的決策樹(shù)鏈條畫(huà)出來(lái)，我認(rèn)為這是數(shù)據(jù)庫(kù)可以干的事情，在企業(yè)級(jí)場(chǎng)景里面，這件事的價(jià)值還會(huì)持續(xù)升級(jí)。
05
DBA 會(huì)被 AI 取代嗎？
這是每個(gè)數(shù)據(jù)庫(kù)從業(yè)者都在思考的問(wèn)題。答案既殘酷又充滿希望。“老人”如何保持競(jìng)爭(zhēng)力？“新人”的成長(zhǎng)路徑在哪里？
白鱔：這個(gè)話題幾乎每個(gè)活動(dòng)都會(huì)談到。前天我在長(zhǎng)沙和用戶也在聊這個(gè)問(wèn)題，聊了三個(gè)小時(shí)以后，大家信心都很足?，F(xiàn)場(chǎng)的 DBA 都很興奮，一點(diǎn)都沒(méi)覺(jué)得會(huì)被淘汰，反而感受到了自己的價(jià)值，能把以往的經(jīng)驗(yàn)喂給 AI。
前段時(shí)間我去一個(gè)公司，他們的運(yùn)維團(tuán)隊(duì)都在寫(xiě) Skills，甚至做了 KPI 要求，叫知識(shí)資產(chǎn)化。這是 AI 給我們帶來(lái)的一個(gè)改變，當(dāng)我們腦子里沒(méi)有知識(shí)的時(shí)候，就只能變成 Token 陪伴大家；但是當(dāng)腦子里還有知識(shí)的時(shí)候，是不會(huì)馬上被蒸餾完的。我們必須往前走，需求在變，能力增長(zhǎng)就要變。不過(guò)當(dāng)下的殘酷是變化太快了，是一種跨越式的發(fā)展，而不是我剛?cè)胄?DBA 的 90 年代了，那時(shí)候能裝個(gè)數(shù)據(jù)庫(kù)就已經(jīng)是專家了。
去年耶魯大學(xué)有一個(gè)學(xué)者說(shuō)了一個(gè)觀點(diǎn)：AGI 時(shí)代，勞動(dòng)價(jià)值將被算力成本重新定價(jià)。啥意思？傳統(tǒng)經(jīng)濟(jì)學(xué)中工資與技能稀缺性掛鉤，但是在 AGI 時(shí)代，勞動(dòng)者的收入上限取決于復(fù)制其技能所需的算力成本。舉個(gè)例子，以前我們經(jīng)常做 AWR 報(bào)告，需要專家才能把它分析清楚，你花三五千元請(qǐng)專家到現(xiàn)場(chǎng)，或者說(shuō)線上給一千元的費(fèi)用，基本沒(méi)有專家愿意干?，F(xiàn)在 AI 分析這樣一個(gè)報(bào)告需要多少錢(qián)？我們就免費(fèi)開(kāi)放了一個(gè)工具，分析一份報(bào)告的實(shí)際算力成本是 5 分錢(qián)到 1 毛 2。
你看，這就是一個(gè)很現(xiàn)實(shí)的問(wèn)題。坦白說(shuō)，簡(jiǎn)單的一線工作，AI 能夠做得很好，基本是完全替代。所以得讓自己成為腦子里有持續(xù)可蒸餾知識(shí)的 DBA。還是那句話，我們 DBA 必須往前走，保有被持續(xù)蒸餾的價(jià)值。
蕭少聰：我最近也在蒸餾自己，方法不是把我蒸餾完了，是把我每一部分的不同能力蒸餾出來(lái)，干不同的活。白老師給了大家很多鼓勵(lì)，我說(shuō)點(diǎn)冷冰冰的話。DBA 分兩種，第一種是真正從數(shù)據(jù)庫(kù)的基礎(chǔ)架構(gòu)思考學(xué)習(xí)過(guò)來(lái)的，打好了堅(jiān)實(shí)的基礎(chǔ)。我想這就是剛才白老師所講的，聽(tīng)到 AI 這東西來(lái)了會(huì)興奮的那波 DBA。為什么？臟活累活咱不用干了，那么多 AI 工具先用起來(lái)，解放雙手，然后去解決更有意義的價(jià)值。第二種 DBA 是對(duì)數(shù)據(jù)庫(kù)是做什么事情的、解決什么問(wèn)題的、底層架構(gòu)怎么設(shè)計(jì)的這些沒(méi)有深刻理解，只會(huì)敲幾個(gè)命令，今天做備份，明天做恢復(fù)，遇到備份恢復(fù)不了的情況就完全不知道怎么辦，這樣的 DBA 肯定沒(méi)活路了，這么說(shuō)可能很打擊人，AI 都不需要蒸餾你，AI 已經(jīng)能替代你完這些事情了。
前幾天我遇到了一個(gè)非常優(yōu)秀的年輕人，送了他一本書(shū)《數(shù)據(jù)庫(kù)系統(tǒng)概論》，一本老書(shū)，我自己做了很多筆記。我覺(jué)得面對(duì) AI 也不要慌，還是回到這些最基礎(chǔ)的東西上：一定去學(xué)清楚數(shù)據(jù)庫(kù)的底層邏輯，數(shù)據(jù)庫(kù)到底在解決什么問(wèn)題？怎么解決的？有一些這樣的底層思考。
換個(gè)角度看，對(duì)所有人來(lái)說(shuō)，AI 都提供了一個(gè)非常好的機(jī)會(huì)。從來(lái)沒(méi)有一個(gè)時(shí)代，有這樣一位老師，可以天天陪伴在我們左右，不懂的時(shí)候，他可以不停地教導(dǎo)，而且用我們所能理解的語(yǔ)言來(lái)講。我現(xiàn)在用 AI 不是純粹問(wèn)一個(gè)問(wèn)題，會(huì)先告訴 AI 我的水平在哪里，AI 就能用我們聽(tīng)得懂的語(yǔ)言和深度來(lái)幫助我們更快速成長(zhǎng)，過(guò)去是不會(huì)有任何一個(gè)老師這么來(lái)教的。
馮若航：我覺(jué)得肖老師說(shuō)的特別有道理。其實(shí) AI 沖擊最大的是中間的這一部分，最頂尖的專家受沖擊是比較小的，比如數(shù)據(jù)架構(gòu)師依然很有價(jià)值，品位、判斷這些都是沒(méi)法替代的，100% 會(huì)被替代的是運(yùn)營(yíng)性的操作知識(shí)；初學(xué)者或者是行外的研發(fā)與運(yùn)維，受沖擊也沒(méi)那么大，對(duì)他們來(lái)說(shuō)這是一個(gè)全新的機(jī)會(huì)。如果我要招人的話，肯定只招兩類人，一類是能驅(qū)動(dòng) AI agent/DBA Agent 去干活的老司機(jī)；一類是聰明的實(shí)習(xí)生，還是一張白紙，有無(wú)限可能。
DBA 還有一個(gè)優(yōu)勢(shì)在哪里呢？我認(rèn)為相對(duì)于前后端工程師，DBA 有一個(gè)結(jié)構(gòu)性優(yōu)勢(shì)。在整個(gè) IT 技術(shù)棧里，數(shù)據(jù)庫(kù)是非常硬核的部分，一個(gè)對(duì)數(shù)據(jù)庫(kù)有深度了解的 DBA 現(xiàn)在用 AI Agent 去做前后端開(kāi)發(fā)是相對(duì)容易的。我們應(yīng)該抓住這個(gè)優(yōu)勢(shì)，在這個(gè)機(jī)會(huì)窗口利用好它，VibeCoding，做 Agent，以數(shù)據(jù)庫(kù)作為基石，打造全棧產(chǎn)品。
過(guò)去的環(huán)境是用 5~10 年專門(mén)鉆研一個(gè)數(shù)據(jù)庫(kù)，從小白成長(zhǎng)為專家。但當(dāng)下，在生產(chǎn)環(huán)境中打磨的這條路徑已經(jīng)被 AI Agent 鎖死了，不會(huì)有這樣的環(huán)境給我們來(lái)干這些事了，那年輕人入行怎么彎道超車？我的建議是站在前人的肩膀上。什么意思？比如我把自己作為 DBA 的經(jīng)驗(yàn)蒸餾出至少 70% 做成軟件，那年輕人就可以直接站在這些蒸餾出來(lái)的專家經(jīng)驗(yàn)的基礎(chǔ)上，最佳策略就是直接用這些軟件，去培養(yǎng)自己的體感知識(shí)和判斷力。也就是說(shuō)，在 AI 的幫助下培育你自己的直覺(jué)和觀感，這是我認(rèn)為當(dāng)下最務(wù)實(shí)的路徑，專家沉淀出來(lái)的工具將會(huì)成為新人入門(mén)的一個(gè)可行路徑。
結(jié)語(yǔ)
整合與進(jìn)化的力量
三位專家的精彩分享與碰撞讓我們看見(jiàn) PostgreSQL 的 AI 進(jìn)化脈絡(luò)，它揭示了一個(gè)深刻的真理：在技術(shù)演進(jìn)中，整合與進(jìn)化往往比專業(yè)化更有生命力。
2026 年，我們正站在一個(gè)轉(zhuǎn)折點(diǎn)上。PostgreSQL 不再只是“也能做 AI”的數(shù)據(jù)庫(kù)，而是在重新定義什么是“AI 原生”的數(shù)據(jù)基座。它告訴我們：真正的智能不是推倒重來(lái)，而是讓已有的系統(tǒng)學(xué)會(huì)思考。在追逐新技術(shù)的同時(shí)，不要忘記那些經(jīng)過(guò)時(shí)間考驗(yàn)的基礎(chǔ)設(shè)施，它們往往蘊(yùn)含著更大的進(jìn)化潛力。系統(tǒng)如此，人亦如此。在 AI 時(shí)代，新一代 DBA 也正在重新定義自己。
4 月 27 - 28 日，1 場(chǎng)主論壇+12 大主題分論壇，覆蓋數(shù)據(jù)庫(kù)技術(shù)的關(guān)鍵路徑與前沿方向，一次性展開(kāi) PostgreSQL 在當(dāng)下與未來(lái)的完整技術(shù)版圖。歡迎報(bào)名參加，我們濟(jì)南見(jiàn)。
星空人工智能技術(shù)網(wǎng) 倡導(dǎo)尊重與保護(hù)知識(shí)產(chǎn)權(quán)。如發(fā)現(xiàn)本站文章存在版權(quán)等問(wèn)題，煩請(qǐng)30天內(nèi)提供版權(quán)疑問(wèn)、身份證明、版權(quán)證明、聯(lián)系方式等發(fā)郵件至1851688011@qq.com我們將及時(shí)溝通與處理。?。?a href="/">首頁(yè) > 大數(shù)據(jù) » 當(dāng) PostgreSQL 遇見(jiàn) AI，數(shù)據(jù)庫(kù)的 AI 進(jìn)化論