8 月 16 日，由 OceanBase 社区与魔搭社区联合主办的“OceanBase 城市交流会 · SQL 遇上 AI ”在杭州成功举办。

本次活动聚焦 “数据库与 AI 协同，赋能企业智能转型” 这一核心主题，不仅有网易企业邮箱、网易云音乐、某知名卡牌游戏公司等行业标杆的实战案例拆解，更有基于 LangGraph 和 OceanBase 实现 Agentic RAG 系统构建、OceanBase 向量能力深度解析等硬核技术分享。

OceanBase 开源生态技术部总经理封仲淹

OceanBase 开源生态技术部总经理封仲淹在开场致辞中指出，下一代数据库需具备开源、多模融合与云原生三大核心特征。然而，随着 AI 技术的爆发式发展，数据库的未来形态正面临前所未有的挑战。

他通过回顾过去 20 多年以 LAMP 架构推动移动互联网发展、进而带动 MySQL 普及的历史，类比提出 AI 驱动下数据库需重构技术架构以适应智能时代需求。封仲淹强调，本次会议是让大家通过交流和学习获得实际收获，探索 AI 与数据库融合的未来可能性。

网易邮箱研发专家金山分享通过 OceanBase 的分布式架构、高压缩特性及资源隔离能力，有效解决了企业邮箱业务的存储成本、扩展性及运维效率痛点。

实践表明，OceanBase 在性能、稳定性及生态适配层面具备显著优势，为 ToB 业务场景下的数据库选型提供了可复用的标杆案例。

网易邮箱研发专家金山

网易邮箱作为企业通信核心工具，兼具对外业务协作与内部办公管理功能，需保障数据安全、存储稳定性及资源高效利用。随着数据规模增长（核心集群达 180TB），原有架构面临扩容成本高、资源抢占、数据分布不均衡等问题，亟需技术升级。

同时国家政策要求企业采用国产软硬件。团队调研多款国产数据库后，OceanBase 凭借国际权威性能认证、高压缩率、分布式能力等优势，成为替代原有架构的首选方案。

高压缩率：实测压缩比达 4:1 到 5:1，显著降低存储成本，减少扩容需求；

分布式性能：基准测试中，OceanBase 三节点集群性能超原有架构的两倍，分布式架构下 QPS 达16万且 CPU 使用率持平，展现出优异的并发处理能力；

资源隔离与均衡：租户隔离机制，有效控制小库资源占用，避免资源争抢；结合分片权重设置与自动均衡能力，解决数据分布不均问题，提升系统整体稳定性。

迁移关键实践：

• 架构设计：采用二级分区（按用户ID）、中间代理层（OB Proxy）与 OLB 负载均衡，保障分布式场景下的稳定性与扩展性；
• 应用层改造：调整唯一 ID 生成逻辑（序列化机制）、优化索引策略（慎用全局索引）、适配驱动版本及密码规则，降低迁移风险；
• 性能调优：通过连接池配置优化（按节点总数调整）、分区策略调整（按时间/用户ID）、日志处理（Clog 直解析）提升系统效率。

性能瓶颈突破

• 全局索引查询性能：未带分区字段导致全表扫描，通过添加分区字段优化查询路径；
• 二级分区管理：

• 原有架构分区表迁移后为二级分区，低版本 OceanBase 不支持二级分区添加和删除。自 V4.2.5 版本起开始支持；

• 最初 binlog 生成速度为 25 MBit/s，RPS 为 5万，不满足业务要求。官方优化后 Binlog V4.2.0 版本已经提升到 140 MBit/s，RPS 达到 25 万，有效支撑了大规模数据实时同步场景，显著提升了系统吞吐能力与稳定性。

运维效率提升

• OCP 平台价值：提供集群资源监控、SQL 性能分析及故障定位功能，降低运维复杂度，助力发现冗余资源（如 CPU 配额过高）；
• 协作机制：与 OceanBase 团队深度合作，快速响应问题（如索引优化、版本升级），保障迁移平滑性。

功能增强需求

• 期望 OMS 系统支持滚动升级（无需停服）及开源，以适配实时监听场景；
• 持续优化 Clog 到 binlog 转换效率，探索与 OMS 更深度集成，应对大规模集群需求。

技术生态共建：网易邮箱团队高度认可 OceanBase 的快速迭代能力与技术支持，计划进一步扩大 OceanBase 在企业邮箱及其他业务场景中的应用范围。

网易云音乐资深研发工程师吕娅婷介绍了网易云音乐通过自研 NDC 架构，成功实现从 DDB 到 OceanBase 的 PB 级数据迁移，验证了 OceanBase 在高并发、大规模数据场景下的稳定性与性能优势。

网易云音乐资深研发工程师吕娅婷

网易云音乐在高并发场景下，原有自研分布式数据库 DDB（基于 MySQL 构建）存在资源利用率低、扩缩容复杂、高可用性不足、性能瓶颈等问题。基于上述痛点，结合国家政策对国产数据库的支持，网易云音乐选择 OceanBase 作为新一代数据库，以实现高可用、低成本、易运维的架构升级。

高可用性：RTO（恢复时间目标）小于8秒，保障业务连续性；

资源成本优势：实测存储空间仅为 DDB 的1/4，显著降低存储成本；

兼容性良好：天然兼容 MySQL 协议，降低迁移与运维门槛；

金融级稳定性：已在金融核心业务场景中验证，具备高可靠性和处理能力；

生态活跃：社区支持完善，具备持续迭代与问题响应能力。

• 全量与增量数据同步：支持 OLTP、OLAP 及消息队列（如Kafka）场景；
• 无状态解析节点：支持并行拉取与解析，提升资源利用率；
• 表内并发写：自动响应上游主从切换，实现高可用与不停服迁移。

正向同步策略

• 并行解析模式：提升解析速度至每秒 140MB 以上；
• “一拉多推”模式：减少对源端 MySQL 的连接压力；
• GB 级每秒同步速度：保障大规模数据迁移效率。

反向同步策略

• Binlog 与 CDC 两种模式：Binlog 模式通过 OB Log Proxy 拉取 Clog 并转换为 Binlog 格式，提升兼容性。

兼容性问题

• 为适配 OceanBase，系统从 MySQL 8.0.33 降级至 8.0.25，并移除部分不兼容的 DML 语法；
• 引入内存模式与双缓存机制，提升反向同步效率，应对不同流量场景。

运维效率提升

• 面对数百个同步任务，团队通过 NDC 架构实现自动化运维，减少人工干预；
• 推动 OceanBase 开发团队支持不停服迁移功能，提升迁移组件的高可用性。

性能瓶颈突破

• 当前 Clog 生成受限于 XA 事务转换，仅能串行生成，影响下游变更事件响应速度；
• 团队提出优化建议，希望 OceanBase 开发团队未来支持 Clog 并行解析，提升整体性能。

未来方向，希望可以推进 AI 赋能迁移工具开发，基于 MCP 平台实现多 Agent 协同，降低长期同步任务运维成本。进入核心业务试点与大规模迁移阶段，完善 OceanBase 生态体系建设。

同时持续优化反向同步效率，探索与  OceanBase 团队更深入的技术合作，推动功能持续迭代。

卡牌游戏公司高级开发工程师周强分享了基于 OceanBase 向量数据库的智能客服与推荐系统优化实践。

卡牌游戏公司高级开发工程师周强

该案例为行业提供了可复用的向量数据库应用范式，尤其在 AI 驱动的智能客服、推荐系统等场景中，充分展现了 OceanBase 在数据一致性、高性能检索与一体化架构方面的核心优势。

随着 AI 和机器学习技术的广泛应用，向量数据库因其在非结构化数据处理和语义搜索中的高效性，成为智能客服、推荐系统等场景的关键技术支撑。

然而，传统数据库在处理高维向量数据时面临以下痛点：

效率瓶颈：高维向量计算复杂度高，传统架构难以满足实时检索需求；

架构复杂性：需依赖多系统协同（如向量数据库 + 关系型数据库），链路长且运维成本高；

一致性缺失：多库间数据同步易导致状态不一致，影响业务可靠性。

OceanBase 凭借以下特性成为卡牌游戏公司的首选方案：

• 一体化架构：支持结构化数据与向量数据统一存储与计算；
• 原生向量支持：内置向量类型与索引算法（如 HNSW、IVF），提升检索效率；
• 分布式扩展能力：支持 TB 级数据弹性扩容；
• 事务一致性保障：ACID 事务确保数据与向量更新的原子性与一致性。

智能客服系统通过 AI 技术实现 24 小时不间断服务。

核心流程包括：

• 意图识别：基于大模型解析用户问题；
• 语义匹配：通过 768 维向量与 HNSW 索引算法在知识库中高效检索相似问题；
• 动态回复生成：结合关键词查询与向量匹配结果，生成个性化回复。

OceanBase 的应用价值：

• 一体化存储：结构化知识库与向量数据统一管理，避免多库同步与一致性问题；
• 高性能检索：原生支持 HNSW 索引，实现毫秒级语义匹配；
• 事务保障：知识库更新与向量数据同步在同一事务中完成，确保数据可靠性；
• 开发友好性：兼容 MySQL 协议，降低团队学习与协作成本。

原有推荐系统痛点：

• 依赖多数据库协同工作，存在链路长、延迟高、一致性差等问题；
• 用户行为数据与向量更新异步，影响推荐时效性；
• 需多次数据库请求完成推荐逻辑，响应速度受限。

基于 OceanBase 的系统重构方案：

• 统一数据存储：OceanBase 原生支持向量与结构化数据融合，实现帖子内容与向量的统一管理；
• 事务一致性保障：在同一事务中完成数据与向量的更新，避免多库同步带来的数据不一致问题；
• 单次查询优化：通过一次数据库请求即可完成推荐逻辑，显著降低网络延迟，提升系统响应速度；
• 短期向量：实时捕捉用户即时兴趣，如临时关注的硬件信息，提升推荐的时效性；
• 长期向量：基于30天行为数据滚动计算，维护用户稳定兴趣偏好，如对特定游戏类型的偏好；
• 动态融合机制：根据用户行为变化动态调整短期与长期向量的权重，实现个性化推荐的精准匹配。

卡牌游戏公司通过引入 OceanBase 向量数据库，成功重构智能客服与推荐系统，实现了以下关键突破：

• 技术架构简化：统一数据存储与事务处理，降低系统复杂度；
• 性能显著提升：推荐延迟降低、响应速度加快，用户体验优化；
• 运维成本下降：由多系统维护转向单一系统管理，提升运维效率；
• 业务价值增强：通过短期与长期向量融合，实现更精准的个性化推荐，提升用户满意度与转化率。

LangChain Ambassador 张海立深入探讨了数据库与 AI 编程融合的技术路径，从 RAG 与 Agentic Agent 的协同优化到 MCP 协议的标准化实践，再到 AI 编辑器对开发者体验的革新，为行业提供了从理论到落地的完整解决方案。

LangChain Ambassador 张海立

数据库正从传统数据存储工具演进为 AI 编程的核心支撑平台。张海立指出，结合 RAG、Agentic Agent 和 MCP 等技术，数据库不仅能高效管理数据，还能参与内容生成、工具调用与上下文管理，推动 AI 编程的智能化与工程化。

传统 RAG 的局限性：

• 线性流程导致召回率低（约 80%），依赖单一向量数据库难以满足复杂业务需求；
• 需引入全文搜索、图数据库、Web 搜索等多元检索方式提升准确性。

Agentic Agent 技术的引入：

• Agentic Agent 通过工具调用能力（如 Function Call、JSON Mode）整合多种数据源，实现动态检索与内容生成；
• 自查自纠机制（Self-Reflection）确保生成内容的质量，通过多轮数据收集与评估优化结果，形成自适应流程；
• 实践案例中，结合 OceanBase 等多模态数据库与搜索引擎（如Google）显著提升了检索效率与业务适配性。

MCP（Model Context Protocol）作为标准化协议，统一管理模型上下文中的资源、工具与提示词，解决工具碎片化问题。服务端提供数据库连接、SQL 执行等能力，客户端从宿主应用获取信息，提升上下文串联效率。

OceanBase 的 MCP 实践支持桌面版、云版、OCP 版等多种形式，配置简单（如连接地址、账号密码）即可启用；整合静态资源、提示词与工具集，开发者可通过关键词（如“@oceanbase”）直接调用数据库操作，无需传统 SQL 客户端。

在 Cloud Code 中集成 MCP 后，开发者可通过命令行直观查看工具列表及功能，执行数据库操作（如表管理、数据查询），提升调试效率。

新增“学习模式”解释命令逻辑，将编辑器转化为智能助手，帮助开发者理解底层实现，降低学习成本。MCP 通过统一接口简化数据库访问流程，开发者无需掌握 JDBC 或复杂 SQL 语法，仅需关注业务需求即可完成数据操作。对非工程化背景的开发者（如前端工程师），MCP 显著降低了数据库使用门槛，使其能快速融入日常开发流程。

当前，OceanBase 在向量存储能力上虽处于基础阶段，但已与主流 AI 框架（如 LangChain、LlamaIndex）完成初步整合，支持向量数据库生态的接入与管理。例如，LangChain 框架已提供 OceanBase Vector Store 的适配接口，开发者可通过以下方式实现功能扩展与生态协同：

多模态大模型：视频、音频等非结构化数据的检索与生成将成为下一代技术重点，推动数据库与 AI 工具的深度整合。

上下文工程：管理模型上下文窗口中的内容（如数据压缩、隔离、检索）将成为核心能力，数据库在非结构化与结构化数据处理中的作用进一步强化。

垂直行业优化：医疗、金融等行业对精准检索与生成的需求驱动定制化解决方案，需结合领域知识图谱与专用数据库（如 OceanBase）提升业务适配性。

OceanBase 高级技术专家蔡飞志

实践案例（如 OceanBase PowerRAG 产品）验证了技术在问答知识库与竞调报告生成场景中的有效性，为行业提供了可复用的技术路径与选型参考。

蔡飞志指出，尽管大型语言模型（LLM）与 RAG（检索增强生成）技术在问答知识库等场景中应用广泛，但行业整体面临“冰火两重天”的困境：市场需求火热，但技术落地率低。当前80%的项目仍停留在 Demo 阶段，仅20%进入生产环境。

核心挑战包括文档格式多样性（如 PDF、多版本 Word）、数据处理复杂性、性能优化瓶颈及从 Demo 到生产应用的稳定性适配问题。

文档切片与向量化

• 推荐使用 Markdown 格式进行文档切片，因其天然支持分段且效果更优。
• 本地部署建议采用 BGM 系列模型进行向量嵌入，其在中文、英文及多语言场景中表现突出，云上推荐使用阿里云 text-embedding 系列；

向量数据库选型

• 优先选用 OceanBase，因其支持向量、标量混合检索，兼容结构化与非结构化数据存储，并具备监控与运维能力，避免数据更新延迟问题。

大模型部署策略

• 针对 RAG 任务，推理型模型（如 DeepSeek）因响应慢且干扰检索过程，优先选择云端非推理型模型，通过开源组件快速搭建 Demo 应用，但需注意生产环境的性能调优与稳定性适配。

生产环境需处理大规模、多格式文档（如图片、PDF、表格），依赖版面分析技术分类解析内容，并通过结构化存储提升检索效率。

结合向量检索与全文索引，通过多路召回提升准确率（提升10%-15%），解决 embedding 模型的语义误差问题。OceanBase 数据库支持中、英、泰文分词器，实现标量与向量混合过滤、短语搜索及自然语言查询；

通过前过滤算法优化检索效率。传统向量嵌入模型难以识别内容间的主从关系（如“计算机组件”与“PC”），需通过构建图结构或利用文档关联关系（如跳转链接）进行二次检索，提升父子层级概念的匹配精度。

采用 Agentic Retrieval 技术，通过模型分析问题本质并动态调整检索策略。例如，通过多步查询验证中文分词器支持能力，或结合日志分析工具提取关键信息辅助社区问答

PowerRAG 产品应用集成工作流、RAG 能力及多算法模型的一站式解决方案，具备 OceanBase 在工程实践上的经验沉淀，适合知识库问答、竞调报告生成等多类场景。

公有云 PowerRAG 已开放公测，支持文档上传与对话体验；私有云版本提供更强的工作流搭建能力。

智能体与 RAG 融合：动态 Agenting RAG 和 固有工作流，提升模型可靠性与生产化落地能力。

多模态大模型突破：视频、音频检索与生成技术成为下一代趋势，推动非文本数据处理需求。

垂直行业深度优化：医疗、金融等行业对精准度要求严苛，需定制化优化 RAG 解决方案。例如，医疗场景需结合领域知识图谱提升检索相关性。

魔搭社区工程师李家伟的分享系统阐述了 MCP 协议如何通过标准化接口重构模型与外部能力的协作模式，并以魔搭社区为载体，展示了开源生态在降低技术门槛、加速场景落地中的关键作用。

魔搭社区工程师李家伟

MCP 作为模型与外部工具交互的核心协议，旨在降低工具使用门槛、扩展模型能力边界。其核心价值包括：

能力扩展：支持多模态交互（如生图、生视频）及复杂任务处理，突破传统语言模型对实时数据的依赖；

生态兼容：通过标准化接口连接模型厂商与能力提供商，促进跨系统数据交换与功能调用；

效率优化：用户可通过简单指令（如高德地图 API 接入）实现能力调用，全流程仅需数秒，加速 AI 产品化落地。

魔搭社区定位为开放、中立的非盈利平台，已吸引超1600万用户，开源模型超7万个，覆盖多领域任务。其生态建设围绕三大核心展开：

全链工具支持：提供数据处理、模型微调、评测、推理 API 等开源工具链，支持近万个模型 API 调用；

MCP 生态拓展：托管超5000个 MCP，服务调用超亿次，涵盖高德地图、通义灵码等场景；推出 MCP 广场，支持用户搜索、贡献及部署 MCP，通过官方认证保障安全性；

开放协作机制：联合模型厂商（如通义实验室、Kimi）及开发者共建生态，通过 MCP 实验场、OpenAPI 等工具促进技术共享与测试。

针对 ToC 场景数据库使用门槛高的痛点，推出 OceanBase Workshop 平台，用户可通过自然语言完成数据库集群创建、数据查询等操作，无需理解复杂技术术语。

跨平台集成案例，如高德地图 MCP 接入流程简化至4-5秒，与 Cherry Studio、Kimi Playground 等平台深度集成，通过 OpenAPI 实现 MCP 能力内嵌；通过“学习模式”解释命令逻辑，将工具转化为智能助手，降低技术学习门槛。

未来，随着多模态交互与垂直领域需求的深化，MCP 与开放社区的结合将成为推动AI技术普惠化的重要引擎。

生态开放深化：持续吸引垂直领域模型（如医疗、金融）接入 MCP 平台，推动多模态能力行业应用；

用户体验优化：强化 MCP 实验场、开发者教育功能，加速技术普及；

社区驱动创新：依托魔搭社区用户反馈机制，形成“开发-测试-迭代”闭环，提升产品与需求匹配度。

特别鸣谢，本期主持人：

本次交流会不仅展示了 OceanBase 在分布式架构、向量数据库、AI 协同等领域的技术领先性，更凸显了开源生态与行业场景深度融合的价值。

从网易系企业的生产级实践，到 RAG、MCP 等前沿技术的探索，数据库与 AI 的协同正在重塑企业智能转型路径。

未来，随着多模态大模型、垂直行业优化等趋势的深化，OceanBase 与开发者社区将持续推动数据库技术边界拓展，为企业构建智能时代的核心竞争力提供强有力的支持。

想了解更多资讯

扫码关注👇

了解更多考试相关

扫码添加上智启元官方客服微信👇