当数据库的主要用户不再是人类：我们在 AI Agent 场景下的架构实践与思考

📌 一句话摘要

本文探讨了 AI Agent 成为数据库主要用户后带来的架构挑战，分享了 TiDB 在成本控制、长上下文存储及架构简化方面的实战经验，并提出了面向 Agent 的记忆层基础设施 mem9。

📝 详细摘要

随着 TiDB Cloud 上超过 90% 的数据库集群由 AI Agent 自动创建，传统围绕人类设计的数据库假设正在失效。TiDB CTO 黄东旭通过三个核心案例揭示了 Agent 工作负载的特征：海量短命实例、长上下文数据化以及流量不可预测。文章提出，在 Agent 场景下，数据库方案是决定业务能否上线的商业前提。针对这些挑战，TiDB 采用了存算分离、逻辑隔离及资源控制等技术手段降低成本，并提倡将长上下文直接存入数据库以简化架构。最后，文章强调了“记忆层”作为 Agent 基础设施的重要性，并介绍了开源项目 mem9 如何通过专门的 API 解决跨 session 的信息恢复问题。

💡 主要观点

- AI Agent 改变了数据库的使用范式，从“一产品一库”转向“一 Agent 一库”。 Agent 场景下存在海量短命实例，要求数据库具备极高的元数据承载能力和 scale-to-zero 的弹性能力，以使商业模式在成本上成立。

简化架构比优化架构更有价值，长上下文应考虑直接收回数据库。 传统的“对象存储 + 元数据 + 缓存”链路在处理 30MB+ 上下文时过于脆弱，利用数据库的事务性和长字段能力可以大幅降低运维复杂度。

AI Agent 生成的 SQL 模式与人类完全不同，标准基准测试无法替代真实负载压测。 Agent 生成的 SQL 往往是不规则且非最优的，涉及复杂的上下文重建，必须针对真实工作负载进行查询计划调优。

记忆层（Memory Layer）将成为 Agent 基础设施的标配。 为了实现跨 session 的状态恢复和长期任务跟进，需要一层专门的 API 来处理记忆的沉淀、索引和注入，而非简单的无状态运行。

💬 文章金句

- 当数据库的主要用户从人类变成 AI Agent 时，过去二十年我们围绕「人类使用数据库」所构建的一切假设——容量规划、schema 设计、运维流程、定价模型——还能成立吗？

数据库方案不是性能优化项，而是决定业务能不能上线的前提条件。
AI Agent 生成的 SQL 和人类写的 SQL 不一样，标准基准跑得再好，也不代表生产没问题。
AI 时代的竞争优势不在模型大小，而在数据基础设施能否支撑 Agent 的工作方式。

📊 文章信息

AI 评分：94

来源：InfoQ 中文

作者：InfoQ 中文

分类：人工智能

语言：中文

阅读时间：23 分钟

字数：5512

标签： AI Agent, TiDB, 数据库架构, 长上下文, 存算分离

阅读完整文章

当数据库的主要用户不再是人类：我们在 AI Agent 场景下的架构实践与思考

🤖 問 AI