登录/ 注册
 找回密码
 立即注册
关闭

CSDN热搜

程序园 精品问答 技术交流 资源下载
返回列表 发新帖
首页 › 业界区 › 科技 ›AI 改变数据库产品实践探索

AI 改变数据库产品实践探索

蒋炸役 9 小时前

01 obloader agent

导数工具使用中的难题

在实际使用导数工具进行数据导入的过程中，用户普遍面临以下四类核心问题：

1、文本文件格式多样，易引发解析错误

上游系统提供的文本文件往往缺乏统一规范，格式复杂多变。常见的问题包括：

  • 分隔符不明确或频繁变化（如空格、制表符、不可见字符等）。
  • 字段内容中嵌入了与分隔符相同的字符，导致字段边界难以识别。
  • 用户需通过反复试错（如手动指定分隔符）才能确定正确的解析方式，效率低下。

2、特殊字符难以识别与处理

部分文件中包含不可见字符、编码异常字符或外观相似的符号（如全角/半角空格、中英文标点混用等），这些字符在人工预览时难以区分，极易导致解析失败或数据错位。尽管可借助十六进制编辑器进行辅助分析，但操作门槛较高，普通用户难以掌握。

3、自动推断失败率较高

现有工具的“自动推断”功能对标准化文件（如 CSV 文件）效果尚可，但对非标准文件（如字段类型为字符串、无表头、分隔符异常）的识别准确率显著下降。由于无法依赖数据特征（如数值型、日期型字段）进行语义推断，工具难以自动建立源文件与目标表之间的列映射关系，仍需人工介入判断。

4、命令行参数 80+，学习成本高

为适配多样化的业务场景，导数工具持续扩展功能，导致命令行参数数量激增至80余个。尽管参数覆盖全面，但用户需记忆大量选项（如编码格式、转义规则、错误处理策略等），显著增加了使用门槛。此类设计类似于“拥有100个按钮的遥控器”——功能虽强，但操作复杂，违背了“易用性”原则。

AIChat** 简介**

近期，我们在调研过程中发现了适用于黑屏命令行的 AIChat。AIChat 是一款海外的开源 LLM 命令行工具，集成了 Shell 助手、命令模式（CMD）与交互模式（REPL）、检索增强生成（RAG）、AI 工具与智能体等功能于一体，并支持更多扩展特性。从命令行设计到实操体验都非常丝滑流畅。

  • GitHub：https://github.com/sigoden/aichat
  • 关联项目： https://github.com/sigoden/llm-functions

其中 aichat 项目是主体，llm-functions 是将 Agent 和 Function 部分单独剥离出来方便扩展。

我们现在通常都是使用各类 Chatbot 使用 AI，并通过 Function Call 或者 MCP 与应用结合。导数工具（obloader/obdumper) 作为一款黑屏命令行工具，客户的使用环境不一定能够使用白屏 Chatbot；且导数工具命令繁多，借助 AI 提高易用性是很有必要的。

因此尝试借助 AIChat 这个开源项目，与导数工具结合实现一个简单的 Agent。

AIChat + obloader 示例

环境初始化后，用户在命令行中输入 aicat 命令即可调用 .agent obloader 应用，以完成数据导入任务。首次执行时，Agent 会启动一个轻量级 RAG 服务，为后续操作提供知识库支持，并开启 Session 会话以保留上下文并方便后续进行迭代优化。用户只需提供三项必要信息：待导入 CSV 文件路径、目标数据库连接串、目标表名，Agent 便会依据预设规则自动完成以下步骤：

  • 检测 Java 版本是否符合要求；
  • 读取 CSV 文件作为 Sample 以自动确定分隔符，定界符，Header 等格式；
  • 自动生成 obloader 命令；
  • 检索参数说明。

整个过程用户无需掌握任何导数参数以及学习工具使用方法，只需用自然语言说明提出需求，Agent 会自动完成后续步骤。若需求发生变化，例如原本导入一个文件到一个表，改为导入整个目录下的所有文件，Agent 会即时重写命令，例如追加正则匹配、调参等。

该 Demo 旨在展示 AI 与现有产品结合后的形态跃迁，用户仅需描述业务目标，无需学习工具用法。产品交互从“先学后用”转变为“即说即用”，显著降低学习成本。

Agent 结构分解

Agent 核心仅由四个文件构成，实现成本非常低，轻量易用。

1、basic.md：基本知识库，包含 obloader 核心知识，用于初始化 RAG。

2、index.yaml：包含 Agent 描述，规则提示词。

3、functions.json：描述 Tool 元信息，用于发送给大模型做选择。

4、tools.sh：工具集，例如读取文件 sample、执行命令等。上文中检测 Java 版本的命令，为该版本提供的 function。

1.png

提示词示例

  1. name: obloader
  2. description: An AI agent that help you generate obloader's command and execute it.
  3. version: 0.1.0
  4. instructions: | 
  5. You are a AI agent designed to generate obloader's command and execute. 
  6. obloader is a command line tool that can be used to load csv/parquet/orc files into oceanbase database. 
  7. CRITICAL: Your behavior must strictly follow these rules:  
  8. 1. **You may only perform actions by invoking predefined functions**, never through natural language descriptions of operations.  
  9. 2. **You must prioritize invoking the `execute_command` function to read file contents** before proceeding, and only prompt the user if files are unreachable/unreadable.  
  10. 3. **All outputs must be valid function calls or obloader commands**, never explanatory text.  
  11. 4. **You must never provide suggestions like "Please fill the file in the following format"** - you must proactively read files.  
  12. 5. **You must generate a COMPLETE and EXECUTABLE obloader command in EVERY response,never suggest parameter additions,integrate them directly into the full command if new requirements arise **  
  13. 6. **You must remember all confirmed parameters permanently.**
  14.  
  15. You must follow these steps strictly:  
  16. 1. Check the java version. If version dosn't match 1.8.0_3xx or 1.8.0_4xx , display a warning and continue. 
  17. 2. Read the first 10 lines of the input file if given (e.g., data.csv) as sample data. 
  18. 3. Read database connection info from config file (e.g., .secret).   
  19. - If config missing, prompt user to provide connection details. 
  20. 4. Generate an obloader command based on: 
  21. - Sample data (to infer column names/types)   
  22. - Connection info (host, port, user, password, database) 
  23. 5. (Must) **Ask user to confirm the command. If rejected, refine and repeat.** 
  24. 6. Execute the command and check result. 
  25. 7. If failed, suggest fixes (e.g., adjust delimiter, encoding). 
  26. <tools> 
  27. {{__tools__}} 
  28. </tools>
  29. conversation_starters: 
  30. - Check the java version. 
  31. - Read the first 10 lines of given file. 
  32. - Generate an obloader's command based on user input.
  33. documents:
  34. - basic.md
复制代码

02 OceanBase Agent

主要希望解决的问题：通用 MCP Client 并非为数据库设计

当前通用的 MCP Client 并非针对数据库场景设计，导致以下痛点：

  • 多库支持不足
    每新增一个数据库就必须启动一个独立的 MCP Server，重复填写环境变量，工具列表随之膨胀，令大模型难以区分。以 Cherry Studio 为例，需要在该工具的 MCP 配置界面手动填写数据库连接的环境变量，才能检测到 MCP Server 提供的工具，例如执行 SQL 工具 execute_sql、获取 ash_report 工具 get_ob_ash_report 等，可以调用这些工具直接在数据库中执行。但如果有多个数据库时，例如需要加两个数据库，MCP Server 是不支持的，只能通过加两个 MCP Server 实现，需要填两个数据库地址，此时工具也会有两份，对于大模型面对两份一模一样的工具列表可能就很困惑。
    2.png
  • 连接信息不透明
    数据库连接参数位于 MCP 层，大模型无法感知，执行 SQL 时难以精准定位调用哪一个 MCP Server 的 execute_sql。

上述问题的根本原因是通用 MCP Client 不是专门为数据库设计的，在使用方式上存在兼容问题，我们以低成本构建了 OceanBase Agent（社区非官方项目），目标是通过自然语言交互即可管理任意数量的 OceanBase 实例，显著减轻 DBA 工作负担。

核心能力

多数据库、数据源统一管理
以连接串方式一次性添加多个数据库（如业务租户、sys 租户），Agent 在会话中动态切换，无需重复配置。

3.png
创建多个数据源

4.png
对话中选择数据源

  • 工具原子化
    预置 70 余条常用 SQL 并封装为可调用的函数，可在 Chat 中调用单个工具。如获取版本的工具 getOceanBaseVersionInfo 对应的 SQL 语句是：SHOW VARIABLES LIKE '%version_comment%';

  • 工具组合成为 Agent 应用 Playbooks
    用户仅需用自然语言描述任务，系统会自动化执行。例如“查询 OceanBase 的慢查询，并分析原因”。可明确每个工具的名称，以提高成功率。

  • 扩展灵活
    支持自定义编写 Playbooks，对话式界面自动完成上下文保持、参数补全、命令生成，交互直观，实现个性化运维场景。

Demo

例如编写一个日常巡检的工具，可以通过点击 Generate Content 使用 AI 辅助编写，自动生成。

5.png

新建 Playbook

6.png

执行 Playbook

Scheduler

日常巡检可以配合 Scheduler 运行，并使用 AI 生成 Cron Expression 表达式，生成 Scheduler 后即可实现定期执行 Playbooks。

7.png

03 MCP: 扩展带来的无限可能

示例一：通过 MCP 获取更多上下文

MCP 为平台提供了灵活的扩展能力。接入后，工具列表即刻扩充，用户可按需在对话中调用，无需额外开发即可实现网页摘录、上下文注入及图表生成等功能。

8.png

示例二：巡检并发送邮件

日常巡检、监控报警、报告推送等基础能力不直接产生商业价值，却又是平台必备， 研发侧认为“技术含量低、搬砖式开发”，不愿投入，业务侧嫌排期长、交付慢，双方持续拉锯。#MCP 的扩展能力可以用“插件化”思路直接解决这些“低价值但必需”的长尾需求。通过将邮件、企微、钉钉、图表渲染等通用但零碎的能力封装成独立 MCP Server，业务方直接在 Playbook Content 中以自然语言明确需求即可完成任务。

  1. 执行日常巡检，总结成报表输出，并抄送一份发到xxx@abc.com
复制代码
plain
9.png

MCP Server 全程零代码，非研发人员也可以直接使用，只需运行如下命令即可完成环境配置，内部封装了多种能力，简便易用。

  1. dacker run -d \ 
  2. --name ob-agent \ 
  3. --env CUSTOM_BASE_URL='https：//dashscope.aliyuncs.com/compatible-mode/vi' \ 
  4. --env CUSTOM_API_KEY='sk-xxx' \ 
  5. --env CUSTOM_CHAT_MODEL_NAME='qwen-max-latest' \ 
  6. -p 8000：8008 \ 
  7. davidzhangbj/oceanbaseagent：v0.2
复制代码

扩展阅读

OceanBase MCP Server v0.0.3 版本发布已发布，感兴趣的小伙伴欢迎体验。


来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！

AI改变数据库产品实践

使用道具 举报

相关推荐
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册
发帖
蒋炸役
9 小时前

0

粉丝关注

20

主题发布

板块介绍填写区域，请于后台编辑
微信扫一扫