![]()
前几天，我看到了一个来自 Turso 创始人 Pekka 的观点：
SQLite 被认为是 AI agent 的理想数据库，因为它轻量级且适用于 AI agent 的各种场景，但仍然需要进化。
![]()
评论区里也有意思，有人会和大家分享自己为了 SQLite 的进化做了哪些事情（比如开源了 Super SQLite 之类的项目），也有人会推荐有哪些 SQLite 的进化版产品，并和大家讨论这些产品的优劣。
![]()
实际上，AI 应用开发者对轻量级数据库的诉求，远远不止 AI Agent 这一个场景。那些在 Web 时代和移动互联网时代支撑了万亿级应用的传统数据库，如今在面对 AI 应用的敏捷、轻量、高频迭代的需求时，都纷纷开始暴露出它们的水土不服。
除了传统数据库几个最明显的问题 ------ 部署复杂度高、资源占用多、过度设计影响执行效率 以外，很多 AI 应用都会把数据和模型紧密结合，在设备端（如手机、物联网设备）实现本地化运行，传统数据库通过客户端远程连接服务器的模式，也无法满足这种嵌入式，甚至离线嵌入式的需求。
![]()
为了让 AI 开发者不浪费太多时间在与数据基础设施的搏斗上，而是能够专注于 AI 算法与应用逻辑本身。我们需要一种新型数据库，能够将自己从这种无谓的消耗中解放出来。
0x01. seekdb 的来龙去脉
OceanBase 刚开始只是负责淘宝和支付宝的各种交易支付相关业务，然后是各种银行和金融机构，接下来是从泛互联网行业扩展到各行各业，详见：《开源 4 年、打磨 15 年、300 万行代码的开源项目》。
但在 AI 时代，对于开发者，类似于 SQLite 这种轻量级数据库的能力非常有限（向量能力和传统 SQL 能力难以兼得），而传统数据库又有部署复杂度高、资源占用多等问题。这两类数据库对于开发者来说，都不够友好。
因此，OceanBase 专门为 AI 时代的开发者，打造了一个开源免费、轻量易用、拥有强大 AI 搜索能力的数据库 ------ seekdb。个人笔记本安装无压力，让大家只要有机器，就能跑 OB！
![]()
GitHub 地址：github.com/oceanbase/seekdb
0x10. seekdb 简介
seekdb 是 OceanBase 专门为开发者打造的一款开箱即用、轻量级的数据库产品，专注于为 AI 应用提供高效的混合搜索能力，支持向量、全文及多模数据的统一存储与检索，是构建 AI 应用的新选择。
![]()
seekdb 在继承了淘宝和支付宝背后的 OceanBase 数据库核心引擎高性能优势与 MySQL 全面兼容特性的基础上，通过深度优化数据搜索架构，为开发者提供了更符合 AI 应用数据处理需求的各项能力。
产品能力矩阵对比
![]()
MySQL 8.0 移除了嵌入式能力
seekdb 的适用场景
- RAG 应用 ：面向以智能聊天机器人、知识库、领域专家系统为代表的 RAG 场景，seekdb 支持了完整的 RAG Pipeline 解决方案。内置文档解析处理功能，集成向量嵌入（Embedding）、重排序（Rerank）及大语言模型（LLM），支持向量/全文/标量混合搜索，在一个数据库实例内实现 Doc In Data Out。
- AI 辅助编程：面向 AI 辅助编程场景，seekdb 支持对代码仓库构建向量和全文索引，基于代码关键词或代码语义，进行高效的代码搜索和生成补全。
- AI Agent 平台类应用：面向 AI Agent 开发场景，seekdb 提供了快速启动和嵌入式部署能力，支持被快速拉起提供服务。提供高频增删改和实时查询能力，避免数据库性能瓶颈引起 AI 开发效率降低的问题。提供向量搜索、全文搜索及混合搜索特性和灵活的元数据管理能力，结合会话管理与记忆存储能力，无需再引入其他库就可快速构建 AI Agent。提供 MCP Server 组件，无缝接入 AI 生态。
- 语义搜索引擎：面向以电商商品搜索和推荐、多媒体内容检索、图片搜索等语义搜索场景，seekdb 支持对接主流向量嵌入模型并提供了向量搜索能力。同时提供了 Hybrid Index 功能，支持基于文本查询条件进行语义搜索，对用户屏蔽向量嵌入和查询结果 Rerank 的复杂流程。
- MySQL 应用现代化和 AI 化升级：seekdb 继承了 OceanBase 单机存储引擎、执行引擎、事务引擎、高级查询优化器的完整能力，高度兼容 MySQL，并在此基础上扩展 AI 能力。小规格可用于物联网边缘设备数据采集、小型应用开发和实验教学等场景，中大规格可用于各行业 OLTP、HTAP 或 AI 业务场景。
seekdb 的产品架构
![]()
- 部署模式：支持 Client/Server 和嵌入式两种部署模式。嵌入式模式下可将 seekdb 直接集成进 Python 应用，便于进行个人开发。
- 具有 ACID 事务语义的存储层：基于 LSM-Tree 架构的行存列存一体化存储引擎，自研高效的编码压缩机制降低存储成本。支持数据高频实时写入，和面向不同负载的高性能查询。
- 多模数据与索引层：支持基础类型，向量、大文本、JSON 、GIS、Array 等多模数据类型，并提供高效的索引支持。包括 HNSW / IVF 向量索引及索引量化算法，覆盖多种分词器和查询模式的基于 BM25 相关性计算算法的全文索引，适用于语义搜索的混合索引，及 JSON 多值索引、主键和二级索引、GIS 索引等。
- 支持混合负载的多模计算层：支持向量、全文、标量等条件的混合搜索。提供 AI Function 能力，实现库内实时推理。支持完整的 ACID 事务特性及基于 MVCC 的多版本并发访问能力，提供高级查询优化器和具备向量化执行能力的高效执行引擎。
- 统一应用接口：兼容 MySQL 原生驱动，提供基于 SQL 的支持多模数据的统一查询语言。并在此基础上提供了面向开发者更加友好的向量库/混搜 SDK。适配 LangChain、LlamaIndex、Dify 等 AI 应用开发框架。提供 MCP Server，无缝接入 AI 生态。
seekdb 的核心特性
![]()
- 开箱即用，极速开发，易学易用：单点架构设计，无其他组件依赖。支持 yum、docker、windows/macos 桌面版部署以及原生 Python 嵌入式集成。
- 支持 1C2G 小规格，垂直弹性扩缩容：服务端 1 核 CPU + 2GB 内存即可跑 VectorDBBench Performance1536D50K。
- 高性能向量索引、全文索引，支持向量、全文、标量混合搜索
- 向量搜索：支持高达 16,000 维向量存储，兼容 L2、内积、余弦相似度。
- 全文搜索：基于 BM25 算法，提供 Space、Beng、Ngram、IK、Jieba 等多种分词器。
- 混合搜索：一条 SQL 完成多路查询与重排序。
- 混搜场景升级，基于 Hybrid Index 指定文本也可进行语义搜索：只需写入文本数据，系统自动进行 Embedding 并生成向量索引，查询时仅需指定文本搜索条件。
- 无缝对接各类模型，内置 AI Function 实现库内实时推理 ：通过
DBMS_AI_SERVICE 系统包实现模型注册和管理。内置 AI_COMPLETE、AI_PROMPT、AI_EMBED、AI_RERANK 等函数。
- 基于 JSON 的动态 Schema：支持 JSON 数据类型及动态 Schema，提供 JSON 函数索引、多值索引。
- 数据实时写入，实时可查：基于 LSM-Tree，数据入库成功立即可查，同步构建各类索引。
- 兼容 MySQL 不止于 MySQL，支撑 HTAP 混合负载：深度兼容 MySQL 语法协议，一个实例同时支持联机交易和实时分析。
0x11. 快速部署 seekdb 体验环境
服务器配置要求详见官方文档：deploy-seekdb-testing-environment
1. 使用 yum install 快速部署
添加 seekdb 镜像源：
sudo yum-config-manager --add-repo https://mirrors.aliyun.com/oceanbase/OceanBase.repo
安装 seekdb 和 obclient 客户端：
sudo yum install seekdb obclient
如果在启动前需要更改配置，可以直接修改 /etc/oceanbase/seekdb.cnf，配置项很少可按需修改。
建议 cpu_count 和 memory_limit 最好大于 1C2G，亲测 1C1G 也 No Problem。
# 示例配置
port=1234
base-dir=/var/lib/oceanbase
data-dir=/var/lib/oceanbase/store
redo-dir=/var/lib/oceanbase/store/redo
datafile_size=2G
datafile_next=2G
datafile_maxsize=50G
cpu_count=4
memory_limit=2G
log_disk_size=2G
启动与管理 seekdb：
# 启动 seekdb
sudo systemctl start seekdb
# 查看启动状态 (显示 Service is ready 即成功)
sudo systemctl status seekdb
# 连接 seekdb
obclient -h127.0.0.1 -uroot -P1234 -A oceanbase
# 停止服务
sudo systemctl stop seekdb
# 开机启动
sudo systemctl enable seekdb
2. 嵌入式安装
seekdb 提供了嵌入式部署方式，可以作为一个"库"运行在你的应用程序内部。
Python 示例
import seekdb
# Open a database
seekdb.open()
# Connect to a database
conn = seekdb.connect()
# Use the connection
cursor = conn.cursor()
cursor.execute("select version();")
results = cursor.fetchall()
print(results)
# Close the connection
conn.close()
运行结果
$ python3 sample.py
[('1.2.34-OceanBase NewProduct-v5.6.7.8',)]
3. 其他部署方式
除此之外，OB 官方还提供了 seekdb 的 Docker 镜像和桌面版管理工具，篇幅有限这里就不展开介绍了，感兴趣的同学可以移步文档查看（oceanbase.ai/docs）。
![]()
0xFF. 写在最后
回想去年，我第一次用 OceanBase 数据库做 RAG 应用，当时用 16GB 内存的 MacBook Pro 启动 OB 竟然还会因为内存不够而失败☹️，那时候的 OB 强大却略显"高冷"。
而 seekdb 的出现，让我有一种"士别三日当刮目相看"的感觉。OceanBase 从昔日"高不可攀"的金融级数据库，到如今"触手可及"的 seekdb，OceanBase 团队这次真正看懂了开发者在 AI 时代对数据库期望的样子：无痛的上手体验，不吃资源、配置简单、开箱即用，却依然强大可靠。
![]()
GitHub 地址：github.com/oceanbase/seekdb
现在的 seekdb 也许还不是"最终形态"，但它绝对是一个令人兴奋的起点，让我们一起见证这款"更懂 AI 的数据库"成长之路。
