登录社区云,与社区用户共同成长
邀请您加入社区
记住”只是基础,数字生命需要具备“可理解的生命力”,简单而言,是对话需要沉淀为情感标签与记忆向量,经历需要组织成可追溯的因果链条,并能被模型直接调用,成为多 Agent 思考与反应的真实依据。在 OceanBase 构建的 AI 数据底座上,数字生命和用户的每一次互动、他的每一段记忆都被妥善保存、实时分析、智能调动,正是这样的技术支撑,让数字生命拥有了“生长”的能力。快看漫画,作为国内领先的漫画平
seekdb[2] 是一款 MySQL 高度兼容、AI 原生且轻量的跨平台数据库,支持嵌入式与服务器两种运行形态。它以 Agent 为核心设计场景,同时适用于 RAG、企业知识检索、智能应用后端与本地数据处理等场景。seekdb 将关系数据管理、向量检索、全文检索、半结构化与空间数据处理、数据库内 AI 调用,以及面向 Agent 的 Fork/Diff/Merge 数据工作流放入同一个数据库内核
升级过程中,OMA 评估工具可提前识别改造点与兼容风险,OMS 数据同步引擎实现全量+增量的自动化迁移与反向同步,并支持在线数据校验与差异修复,确保业务切换的完整性与一致性,真正实现业务在线、应用无感、风险可控的升级体验。下一步,OceanBase 将持续深化与公积金行业的协同共建,持续升级 AI 数据库及公积金行业解决方案,进一步强化“存、搜、算、管”一体化能力,推动公积金服务从“能办、智办”向
OceanBase 进一步通过 LTAP 推动数据库与数据湖的融合,LakeBase 将关系型、JSON、地理空间、文本、图片、视频等不同类型的数据纳入统一的数据基础,并支持混合检索,让 AI 应用能够更直接地访问完整的业务上下文。最直接的答案是:组件数量的大幅减少。16 年的技术积累,让 OceanBase 在原有 TP 与 AP 能力基础上,逐步构建起面向 AI 场景的数据能力体系——通过 A
实测数据显示,相较于传统的记忆管理方案,集成 OceanBase Powercontext 后,准确率提升 49%、延迟降低92%,系统的 Token 消耗大幅降低,仅为原有默认方案的 18%。得益于海量业务场景的长期实践,OceanBase 的所有能力模块——无论是核心的 TP 引擎,还是新兴的向量检索,都经过了海量数据与极端复杂场景的反复验证与优化。回望 AI 工程化的发展历程,我们经历了从
OceanBase 一直沿着“一体化数据库”的方向演进:从核心交易场景的分布式在线交易,到 Oracle 兼容、HTAP、多模型能力和混合搜索。在刚刚过去的 OceanBase Hours 上,OceanBase 正式发布了湖库一体的 AI 数据库。这不只是负载类型和数据模型的又一次升级,而是一个更根本的变化——数据库的用户变了。AI 数据库不是为了支持图片、PDF 或向量,而是因为数据库第一次迎
但直接相加有个问题:如果向量搜索的分数范围是 0~1,而全文搜索的分数范围是 0~30,那全文搜索的分数天然就压过了向量搜索,即使向量搜索认为某个文档非常相关,也抵不过全文搜索的一个中等分数。需要记住的其实还是这个老生常谈的基础概念:向量搜索负责语义召回,全文搜索负责关键词兜底,标量过滤负责把范围框住,融合算法负责把多路结果排到一张榜单里。OceanBase 混合搜索支持在单条 SQL 中融合向量
信也许多业务最初使用MySQL分库分表方案支撑,在该方案中,以下四个痛点对DBA而言应该并不陌生。**第一,研发效能黑洞,跨库查询与分表治理问题。**我们内部有一套面向研发的自动化平台,但当分表数量较多时,排查问题需要做跨分片聚合查询,往往需要DBA协助,流程比较繁琐。而且,大部分业务代码被迫适配中间件逻辑,严重拖累敏捷迭代的交付节奏。**第二,扩容如履薄冰,极高运维风险。**一方面随着业务持续增
最后,ScalePQO 为每个模板簇训练一个共享排序模型,在减少模型数量的同时,保留对相似模板的适配能力。更重要的是,IMLane 的解耦调度设计为异构资源的充分利用提供了可能——GPU 、远程服务器、甚至 LLM 推理服务,都可以以Lane为单元被灵活调度,让数据库引擎真正成为 AI 时代的数据处理中心。取而代之的是,IMLane 为 AI 函数维护独立的调度队列。未来,随着 AI 函数在数据分
OceanBase AI 数据库以湖库一体架构打破数据孤岛,以 HTAP 能力实现实时穿透,以 OceanBase DataStudio 赋能智能数据治理——让央国企收获的不只是一个合规报送平台的数据库,而是一个让 DRP 全域数据流通起来的数智根基,支撑从监管合规到经营决策的全方位数据需求,实现从“被动检查”到“主动治理”的模式跃迁,为央国企在智能经济时代的稳健前行保驾护航。跨周期对比分析:利用
每个子域 Agent 都有自己清晰的边界——数据范围(哪些表、视图、数据源)、Ontology 范围(哪些 Object、Link、Function)、Action 范围(可调哪些查询、分析、执行 Action)、知识范围(文档、SOP、指标解释),以及行为约束(默认只读还是可执行、何时必须人工确认)。典型流程是这样的:用户提出真实业务问题,Agent 用当前空间可用的数据、指标和 SQL 能力完
OceanBase DataStudio 则把这些能力产品化成数据团队能使用的工作台:数据接入、数据加工、任务编排、语义建模、质量治理、权限管理、血缘分析、数据集发布和数据服务,都可以在一条链路中完成。一个是 AI 列——你可以理解成表上挂的实时计算列,数据写进来的时候自动跑 Embedding、打标之类的模型计算,结果直接写回表里,而且带事务保证:一批音频要么全部算完,要么全部失败回滚,不会出现
作者:陈松,算秩未来。
它把多模态数据——图片、音视频、PDF、网页快照、向量、JSON、结构化字段——作为数据库的一等数据对象统一管理,并在同一套体系内提供事务、一致性、实时高可用、混合搜索、分析计算和在线服务能力。OceanBase 多模表解决的问题,不是 AI 数据库能不能存图片、PDF 或向量,而是当 Agent 成为数据库的第一用户后,数据库如何继续管理完整的业务对象,而不是一堆彼此孤立的数据类型。多模表中大量
向量搜索在 AI 数据库里一定是最常见的一种计算方式,但在实际场景里,我们往往首先通过关系过滤将全局数据缩小为一个更小的候选集(例如“只看最近 30 天的订单”),接下来在候选集上做向量、全文、图的混合搜索。原先的做法,往往是采用多个不同的系统——Kafka 做接入,Flink 做流处理,Spark 做批处理,HDFS 做持久化,ClickHouse 做分析,HBase 做宽表,Elasticse
今天,OceanBase 打磨 AI 数据库的土壤,来自阿里与蚂蚁集团最前沿、最复杂、也最核心的真实 AI 场景,包括支付宝 AI 付、蚂蚁阿福、灵光、淘宝 AI 购物助理,以及通义千问、高德、飞猪等业务。OceanBase 会坚定投入这一方向,与客户和伙伴一起,把企业数据建设成可靠、开放、实时、可扩展的 AI 数据底座,让 AI 真正进入业务、理解业务,并持续创造业务价值。数据的一致性、权限的管
它将数据库的事务、一致性与实时处理能力,与数据湖的开放、海量存储和多样化计算能力统一起来,把结构化、半结构化、非结构化数据纳入统一管理体系,打通在线服务与离线分析,消除多系统拼装带来的数据割裂、链路冗余与工程复杂性,为现代 AI 应用提供可靠、实时、可扩展的数据底座。这带来的价值是,让企业的数据架构保持开放和可演进,未来新的计算引擎也可以在同一数据基础上扩展。过去的数据链路是线性的,各环节相互割裂
OceanBase 锁问题排查的核心是定位持锁会话及其上锁 SQL。本文提供了一套实用 SQL 脚本,通过 `GV$OB_LOCKS` 等视图精准定位锁对,并揭示了两个关键特性:锁按主键顺序逐行申请,以及锁重试存在“锁管理器”与“占用线程”两种模式;同时分析了存储过程(PL)中锁重试的整块回滚机制,帮助 DBA 高效处理复杂锁等待场景。
Agent无法注册和配置数据库是AI工作流的断点。seekdb D0 提供一个URL,让Agent通过SKILL.md自主创建实例、执行SQL,集成混合搜索与Branch,实现零门槛数据接入。
Flink对接OceanBase OBKV-HBase,兼容HBase API,支持流批写入与毫秒级延迟,适用于HBase平滑迁移、实时数仓入湖及AI数据底座构建。
Agent Harness是模型外的核心基础设施,含编排、记忆、上下文等12组件。OceanBase正构建统一数据底座,让运行时数据成为原生公民,支撑生产级智能体。
OceanBase联合东软打造智慧人社方案,以分布式数据库重构技术底座,破解高并发、数据孤岛等难题。重庆项目支撑千万级参保人群,实现数据统一与业务稳定运行。
OceanBase通过信通院《向量数据库技术要求》全量测试,47项涵盖功能、运维、安全、兼容性、扩展性、高可用及工具生态,验证其向量数据库能力完备。
摘要:2023年AI辅助开发实现重大跨越,从代码补全升级到页面级生成。Weavefox通过Vibe Coding方式构建AI全栈应用,结合BaaS(后端即服务)实现前后端一体化交付。文章解析了BaaS的核心能力,包括数据库管理、身份认证和云函数服务,并探讨了数据安全保障机制。同时指出Vibe Coding在数据库Schema调整方面的局限性,以及BaaS作为AI应用规模化加速器的重要作用。最后介绍
专为AI Agent设计的OceanBase seekdb-cli,通过原生JSON输出、安全护栏与错误自纠正机制,以极低的试错成本大幅降低大语言模型Token消耗,全面重塑智能时代的数据库交互范式。
三月,浙江大学与 OceanBase 团队合作的论文“CoLA: Model Collaboration for Log-based Anomaly Detection”被国际数据库领域顶级会议 VLDB 2025(International Conference on Very Large Data Bases)遴选为 Best of VLDB 2025,并受邀扩展投稿至数据库领域权威期刊 VL
上个月,seekdb M0 先解决了跨 session 记忆的问题。这一次,我们进一步把经验拆成了 Experience + Skill,目标不是让 Agent 记住更多历史,而是让它从过去的工作中真正学到东西。
OceanBase seekdb 1.1.0推出Fork Table特性,支持毫秒级创建基于一致性快照的数据表分支。通过写时复制与快照隔离技术,实现零存储成本复制与完全读写隔离,为AI开发、A/B测试、模型训练等场景提供类似Git分支的数据版本管理能力。该特性允许开发者在同一份数据上并行实验、安全迭代,大幅提升数据敏捷性,并预告未来将扩展至Fork Database。
在AI辅助编程时代,开发者使用 Cursor 进行开发时,可能会因AI助手不熟悉OceanBase推出的AI原生搜索数据库 seekdb,无法获取精准的技术解答。seekdb Cursor Extension 可向 Cursor AI 注入官方文档知识,使其理解 seekdb 核心概念、提供合规代码建议并精准解答技术问题。该扩展支持一键安装与双模式文档检索,操作简便,能有效减少开发者查阅文档的时间
在金地集团看来,OceanBase 的分布式特性能满足预算管理系统在性能上的要求、HTAP 能力能以更高的效率和更低的成本满足混合负载的要求、对 MySQL/Oracle 等数据库的兼容能力为数据的汇聚提供了便利,可以做到大部分的业务少量修改后即可自动迁移,真正做到一库解决业务问题,同时降低数据迁移成本,也兼顾未来的技术演进。新