SelectDB AI 发布会：Agent Native 数据基础设施能力全景
## 二、统一：打破内外边界，融合多模数据
过去讨论“统一”，主要集中在数据源层面。然而进入 Agent 时代，这一维度已显不足。
企业数据形态持续丰富，Agent 需要处理的不再仅是结构化数据，还包括 JSON 半结构化、Text 全文、Vector 向量等多样数据类型。专用向量数据库带来的高内存成本、多系统协同及数据治理复杂度，反而成为新的制约。
马如悦明确指出：未来的数据分析引擎不仅要支持跨源查询，更需实现多模数据的统一分析。
为此，SelectDB 将统一能力拆分为两个层次：
- **内外数据源统一**：跨 Lakehouse、关系数据库与对象存储的数据访问。
- **多模数据统一**：结构化、全文、向量与半结构化数据的统一分析。
飞轮科技技术副总裁衣国垒在发布会上正式推出 SelectDB 的多模数据管理能力，观点犀利：“企业不缺向量数据库，缺的是统一的 AI 数据基础设施。”
通过将结构化、半结构化、全文与向量数据集成到同一分析引擎，SelectDB 提供原生向量检索、全文检索和多模分析能力。单一平台即可同时支持 BI 分析、实时分析、RAG 与 Agent 应用，推动企业从多系统并行模式转向“One Engine, All Data”的统一数据架构。
## 三、Agent Native：让 Agent 理解并运用数据
Agent Native 是发布会最具看点的部分。它不仅让 Agent 连接数据库，更使整个分析引擎及其存储的数据都天然对 Agent 友好。
### 01 语义层定义业务，MCP 连接所有 Agent
马如悦判断：Agent 时代最大的挑战并非生成 SQL，而是理解企业业务语义。这正是当前 Text-to-SQL 应用普遍遭遇的核心障碍。
为此，发布会正式推出了 MCP Server 与语义层能力。
通过内置 MCP Server，Claude Code、Codex、Cursor 等主流 Agent 可直接接入 SelectDB；语义层能力则允许企业统一定义指标、维度与业务逻辑，使 Agent 优先理解业务语义，再执行分析查询。
现场演示中，Agent 通过自然语言完成指标发现、维度查询与数据分析，呈现了从业务问题到分析结果的完整闭环。
### 02 CLI 与 Skill 协作，实现 DBA 工作智能化
除数据分析外，发布会还展示了 Agent 在数据库设计与运维领域的应用探索。
飞轮科技技术副总裁陈明雨指出：“将专家经验转化为可复用、可验证的能力，是智能运维真正落地的关键。”
为此，SelectDB 发布了面向 Agent 的 CLI 与 Skill 体系，将容量规划、表设计校验、慢查询诊断及云上运维等最佳实践封装为可执行工作流。
通过 Skill 与对应 CLI 工具协同，Agent 不仅能理解数据库架构规则，还能在安全边界内参与诊断、优化与运维工作，推动智能运维（AIOps）落地，提升企业效能。
## 四、Agent Observability：效果可观测、可评估
随着 Agent 应用逐步进入生产环境，新的可观测性挑战随之浮现。
哪些环节产生幻觉？Token 消耗发生在何处？Agent 为何选错工具或执行路径？这些问题背后，正是 Agent Observability 的新需求。
发布会正式推出面向 Agent 场景的可观测平台 Litefuse，并同步在阿里云 SelectDB 提供服务。Litefuse 将 Agent Trace 的采集、存储、分析、评估与数据集管理能力一体化整合，帮助开发者以更低成本和运维复杂度构建 Agent 可观测与评估体系。
飞轮科技副总裁肖康在演讲中介绍，相比 Langfuse，Litefuse 可实现最高 88% 的存储空间节省；文本检索可达秒级响应，性能较传统 LIKE 查询提升 5～10 倍。同时，Litefuse 兼容 Langfuse SDK，并保留对 OpenAI SDK、Anthropic SDK、LangChain、Dify 等 100 余个 AI 生态组件的支持。
更值得关注的是，Litefuse 已正式宣布开源。随着 Agent 应用加速从实验阶段迈向生产环境，可观测与评估能力正成为 AI 基础设施的关键组成。Litefuse 的开源不仅降低了企业构建 Agent Observability 平台的门槛，也推动这一能力从单点实践走向更广泛的生态共建。
国内头部大模型厂商阶跃星辰也分享了其 Agent Trace 实践。技术专家 Rick 指出，Agent 时代的可观测性已从“监控系统运行状态”演进为“理解 Agent 决策过程”。围绕 Prompt、Tool Call、多轮会话与 Token 成本等核心数据，阶跃星辰基于 SelectDB 构建了 Agent Trace 平台，实现了从运行观测到效果评估的数据闭环，为 Agent 持续优化提供支撑。
## 五、Cloud 弹性：应对 Agent 时代负载的不可预测性
Agent 时代带来新的资源挑战。与传统 BI 场景相对稳定的访问模式不同，Agent 请求天然具有随机性和突发性。一轮复杂推理可能触发数十次查询，资源需求难以提前预估。
因此，Serverless 与自动弹性正成为 Agent 时代分析平台的关键能力。
SelectDB 采用存算分离架构，使计算与存储可独立伸缩；凭借秒级弹性能力，在低峰期自动缩容，高峰期自动扩容；按量计费模式确保用户仅按实际查询消耗付费。
发布会上，阿里云产品专家凤豪宣布，阿里云数据库 SelectDB Serverless 版已于 2026 年 3 月正式商业化。该版本支持秒级弹性扩缩容，使 Agent 分析资源成本从固定预留转为按需付费。
这不仅降低了资源成本，也进一步简化了数据平台的运维复杂度，使团队能更专注于 Agent 应用与智能分析场景的建设。
## 六、从分析数据库迈向 Agent 实时分析引擎
纵观整场发布会，无论是 MCP Server、语义层、多模数据管理、CLI/Skill、Litefuse，还是 Serverless 架构，其核心目标均指向同一方向：将数据库演进为面向 Agent 的数据基础设施。
围绕极速、统一、Agent Native、Agent Observability 与 Cloud 弹性五大维度，SelectDB 给出了自己的方案。这或许正是数据基础设施迈向 Agent 原生时代的关键一步。