一個(gè)是數(shù)據(jù)庫(kù)DevOps場(chǎng)景，另一個(gè)是數(shù)據(jù)洞察場(chǎng)景，前者是為了用AI治理好數(shù)據(jù)庫(kù)，后者是為了用好數(shù)據(jù)。

文｜游勇

編｜周路平

數(shù)據(jù)庫(kù)作為IT基礎(chǔ)設(shè)施的一部分，無(wú)論是資源的利用效率，還是對(duì)風(fēng)險(xiǎn)告警的管控，都關(guān)系到企業(yè)業(yè)務(wù)能否正常高效運(yùn)行。因此數(shù)據(jù)庫(kù)的治理一直是業(yè)內(nèi)所關(guān)注的話(huà)題。

9月17日，在2025騰訊全球數(shù)字生態(tài)大會(huì)上，騰訊云數(shù)據(jù)庫(kù)團(tuán)隊(duì)正式推出數(shù)據(jù)庫(kù)AI服務(wù)（TencentDB AI Service，簡(jiǎn)稱(chēng)TDAI），引入智能體能力，探索AI與數(shù)據(jù)庫(kù)的結(jié)合。

騰訊云希望從數(shù)據(jù)庫(kù)DevOps與數(shù)據(jù)洞察兩大核心場(chǎng)景入手，用AI幫助企業(yè)治理好數(shù)據(jù)庫(kù)以及用好數(shù)據(jù)。

01

SQL風(fēng)險(xiǎn)預(yù)警，不再“事后滅火”

在DBA（數(shù)據(jù)庫(kù)管理員）的日常工作中，對(duì)數(shù)據(jù)庫(kù)事前的風(fēng)險(xiǎn)治理，需求旺盛，但沒(méi)有被很好的解決。

“2024年到2025年，每個(gè)月我們都看到有客戶(hù)由于SQL使用不好，導(dǎo)致了SQL的事前風(fēng)險(xiǎn)出現(xiàn)問(wèn)題?！彬v訊云數(shù)據(jù)庫(kù)副總經(jīng)理羅云告訴數(shù)智前線。

比如，曾有頭部企業(yè)遭遇過(guò)一場(chǎng)驚險(xiǎn)的事故。一位工程師在日常優(yōu)化時(shí)，隨手添加了一條看似普通的SQL清理語(yǔ)句。這條本該在非業(yè)務(wù)高峰默默執(zhí)行的SQL，卻在系統(tǒng)高負(fù)載時(shí)啟動(dòng)，逐行掃描整個(gè)數(shù)據(jù)庫(kù)，這個(gè)風(fēng)險(xiǎn)SQL不僅持續(xù)吞噬著數(shù)據(jù)庫(kù)實(shí)例的資源，甚至導(dǎo)致部分交易系統(tǒng)被迫中斷。

這是業(yè)界一起典型的“事后滅火”的數(shù)據(jù)庫(kù)治理案例。以往，都是業(yè)務(wù)SQL打標(biāo)、現(xiàn)網(wǎng)SQL事后審計(jì)等方式被動(dòng)應(yīng)對(duì)，但始終無(wú)法破解風(fēng)險(xiǎn)SQL”先上線，再發(fā)現(xiàn)”的死循環(huán)，陷入低效治理的惡性循環(huán)。

背后面臨一個(gè)行業(yè)的深層次難題，在現(xiàn)行的數(shù)據(jù)庫(kù)管理體系中，開(kāi)發(fā)者與DBA的視角不同，開(kāi)發(fā)者聚焦業(yè)務(wù)邏輯但缺乏SQL風(fēng)險(xiǎn)感知能力，DBA深諳SQL優(yōu)化卻難以介入開(kāi)發(fā)階段，兩者認(rèn)知的鴻溝是風(fēng)險(xiǎn)SQL治理的癥結(jié)所在。當(dāng)風(fēng)險(xiǎn)SQL最終引發(fā)故障時(shí)，DBA往往只能被動(dòng)響應(yīng)，卻難以追溯代碼層面的問(wèn)題源頭。

而既懂?dāng)?shù)據(jù)庫(kù)，又懂代碼的AI能填補(bǔ)DBA與研發(fā)之間的鴻溝，“AI就像是膠水，粘合了人類(lèi)組織分工導(dǎo)致的業(yè)務(wù)和認(rèn)知上的鴻溝?！绷_云說(shuō)。

騰訊云數(shù)據(jù)庫(kù)團(tuán)隊(duì)針對(duì)數(shù)據(jù)庫(kù)運(yùn)維場(chǎng)景引入了三個(gè)智能體，都是目前行業(yè)痛點(diǎn)最顯著、同時(shí)也是較為容易入手的場(chǎng)景。

一是SQL事前風(fēng)險(xiǎn)預(yù)測(cè)智能體。AI可以看到SQL背后的代碼長(zhǎng)什么樣，不再是一個(gè)黑盒，可以提前識(shí)別風(fēng)險(xiǎn)，比如SQL在上線前，智能體可以明確告知，哪一行代碼會(huì)引入風(fēng)險(xiǎn)，甚至阻止代碼被系統(tǒng)提交，“就像看病一樣，治未病是最好的”。

二是DDL變更風(fēng)險(xiǎn)評(píng)估智能體。通過(guò)預(yù)檢、仿真與預(yù)測(cè)全鏈路管控風(fēng)險(xiǎn)，預(yù)測(cè)SQL性能演變趨勢(shì)，有效預(yù)防“修復(fù)即故障”的運(yùn)維陷阱，最終輸出詳盡風(fēng)險(xiǎn)評(píng)估，在低成本試錯(cuò)中確保變更安全可控。

三是高負(fù)載止損值守智能體。AI當(dāng)前并不能100%把風(fēng)險(xiǎn)扼殺在苗頭，而該智能體可以24小時(shí)實(shí)時(shí)盯著數(shù)據(jù)庫(kù)的資源負(fù)載情況，發(fā)現(xiàn)險(xiǎn)情直接給DBA發(fā)告警，并且告訴DBA怎么樣可以恢復(fù)，但最終由DBA來(lái)決策，減少處理故障應(yīng)急的時(shí)間，“目前我們傾向于把它做成半自動(dòng)的。”

騰訊云數(shù)據(jù)庫(kù)通過(guò)上述三個(gè)智能體構(gòu)建了覆蓋“開(kāi)發(fā)-測(cè)試-上線-值守”的一站式風(fēng)險(xiǎn)SQL防控體系。而羅云透露，目前這三個(gè)智能體都能做到95%以上的準(zhǔn)確率。而且因?yàn)槭窃陬A(yù)警層面，最終決策由人來(lái)做，可以有效避免大模型的幻覺(jué)問(wèn)題。

不過(guò)，羅云告訴數(shù)智前線，這些智能體目前重點(diǎn)還是在騰訊內(nèi)部場(chǎng)景打磨，先把產(chǎn)品做扎實(shí)，下半年或者明年初會(huì)正式向市場(chǎng)推廣。

而未來(lái)，騰訊云會(huì)有更多Agent與數(shù)據(jù)庫(kù)的結(jié)合實(shí)踐，比如售前咨詢(xún)、性能分析以及診斷分析智能體，“可能未來(lái)會(huì)有更多分職責(zé)的小智能體”。

但每個(gè)場(chǎng)景都有對(duì)應(yīng)的Agent，如何讓這些Agent自動(dòng)調(diào)用和協(xié)同工作也是未來(lái)需要解決的難題。羅云看來(lái)，未來(lái)這些Agent前面會(huì)有一個(gè)具備意圖識(shí)別能力的主Agent。用戶(hù)提通用問(wèn)題，會(huì)先由主智能體判斷交給哪些小的智能體來(lái)執(zhí)行。

02

數(shù)據(jù)洞察，無(wú)需靠人工問(wèn)數(shù)

相比于DevOps的智能體在運(yùn)維層面，幫助企業(yè)用AI治理好數(shù)據(jù)庫(kù)，數(shù)據(jù)洞察的智能體，則是解決數(shù)據(jù)的價(jià)值如何被挖掘的問(wèn)題。

以前，企業(yè)需要數(shù)據(jù)，以人工問(wèn)數(shù)為主，比如老板提了一個(gè)需求，數(shù)據(jù)分析師寫(xiě)SQL，然后把結(jié)果給到老板。

這顯然是一個(gè)非常被動(dòng)且低效的方式。

一是認(rèn)知片面，人的經(jīng)驗(yàn)面臨著分析視角的局限性，難以覆蓋數(shù)據(jù)中潛在的交叉關(guān)聯(lián)與隱性規(guī)律；

二是感知遲鈍，海量數(shù)據(jù)動(dòng)態(tài)變化產(chǎn)生的微弱信號(hào)極易被人腦的計(jì)算瓶頸與注意力分散所淹沒(méi)，錯(cuò)失業(yè)務(wù)異常的黃金響應(yīng)窗口；

三是響應(yīng)滯后，從數(shù)據(jù)變化到人工介入的分析鏈路存在不可控時(shí)延，強(qiáng)依賴(lài)于分析者是否能及時(shí)發(fā)現(xiàn)數(shù)據(jù)變化，導(dǎo)致洞察價(jià)值隨時(shí)間衰減。

而智能體則將數(shù)據(jù)洞察的過(guò)程變成了動(dòng)態(tài)感知和主動(dòng)決策，不再被動(dòng)等待指令。比如每臺(tái)機(jī)器的資源規(guī)劃是否合理，是否需要采購(gòu)新的資源，原有機(jī)器是否面臨汰換等，這些數(shù)據(jù)，即便老板不問(wèn)，也可以通過(guò)智能體推送數(shù)據(jù)洞察的結(jié)論，持續(xù)看到趨勢(shì)變化。

之前，業(yè)界普遍的做法是NL2SQL，讓老板用自然語(yǔ)言與智能體對(duì)話(huà)，實(shí)時(shí)反饋結(jié)果。在羅云看來(lái)，騰訊云數(shù)據(jù)庫(kù)的做法會(huì)更進(jìn)一步，會(huì)通過(guò)智能體持續(xù)捕捉數(shù)據(jù)和表的結(jié)構(gòu)變化，推測(cè)不同字段背后可能會(huì)導(dǎo)致哪些風(fēng)險(xiǎn)，從而主動(dòng)規(guī)避。

03

為何要自建智能體基礎(chǔ)設(shè)施？

在打造這些智能體背后，騰訊云數(shù)據(jù)庫(kù)團(tuán)隊(duì)也自建了智能體基礎(chǔ)設(shè)施，包含了自研的數(shù)據(jù)庫(kù)大模型、全域上下文、工具集。

之所以要自建基礎(chǔ)設(shè)施，一個(gè)很關(guān)鍵的因素是，當(dāng)前業(yè)界智能體相關(guān)基礎(chǔ)設(shè)施無(wú)法滿(mǎn)足TDAI智能體服務(wù)（TDAI Agent Service）的核心訴求。

2025年初，騰訊云數(shù)據(jù)庫(kù)團(tuán)隊(duì)開(kāi)始啟動(dòng)了Agent項(xiàng)目，起初嘗試過(guò)用開(kāi)源模型調(diào)prompt，兩三個(gè)月發(fā)現(xiàn)行不通，專(zhuān)業(yè)性不夠，性?xún)r(jià)比也不高，“有點(diǎn)高攀不起”。

羅云發(fā)現(xiàn)，數(shù)據(jù)庫(kù)有大量的領(lǐng)域知識(shí)，要打造智能體的大腦，靠當(dāng)前的通用大語(yǔ)言模型行不通，存在大量幻覺(jué)，難以滿(mǎn)足復(fù)雜業(yè)務(wù)場(chǎng)景的需求。

最終，騰訊云數(shù)據(jù)庫(kù)選擇自研了垂類(lèi)大語(yǔ)言模型，很快，騰訊云數(shù)據(jù)庫(kù)團(tuán)隊(duì)轉(zhuǎn)向做垂類(lèi)大語(yǔ)言模型，通過(guò)SFT和強(qiáng)化學(xué)習(xí)，實(shí)現(xiàn)了當(dāng)前的效果。

另外，當(dāng)前業(yè)界智能體記憶系統(tǒng)側(cè)重記錄用戶(hù)偏好和對(duì)話(huà)上下文，未與企業(yè)私域數(shù)據(jù)深度打通，或者難以關(guān)聯(lián)數(shù)據(jù)庫(kù)血緣關(guān)系或業(yè)務(wù)元數(shù)據(jù)，在企業(yè)級(jí)智能體應(yīng)用場(chǎng)景中價(jià)值有限。

而騰訊云數(shù)據(jù)庫(kù)團(tuán)隊(duì)搭建的全域上下文（Context）系統(tǒng)，能夠整合Memory（長(zhǎng)短期記憶）、Catalog（元數(shù)據(jù)推理）、DeepSearch（深度檢索），構(gòu)建企業(yè)級(jí)數(shù)據(jù)中樞，實(shí)現(xiàn)企業(yè)數(shù)據(jù)與智能體記憶的深度融合。

不難發(fā)現(xiàn)，騰訊云數(shù)據(jù)庫(kù)團(tuán)隊(duì)通過(guò)對(duì)底層基礎(chǔ)設(shè)施的重構(gòu)，確保了智能體能夠契合數(shù)據(jù)庫(kù)治理和數(shù)據(jù)洞察的需要。

另外一層考慮是，通過(guò)做智能體，騰訊云數(shù)據(jù)庫(kù)孵化了多個(gè)數(shù)據(jù)庫(kù)垂類(lèi)大語(yǔ)言模型，以及Agent contents、 智能體工具集等一套組件，在騰訊云的規(guī)劃里，未來(lái)可以通過(guò)API的方式將基礎(chǔ)設(shè)施開(kāi)放出來(lái)?，讓開(kāi)發(fā)者搭建自己的智能體。