DBdoctor：打造面向数据库全生命周期的 AI 数据库管理团队

过去一年，我们一直在探索 AI 如何真正赋能数据库管理，我们尝试过更长的 Prompt、更大的Context、更多的 Tool，也尝试让一个 Agent 完成越来越复杂的数据库任务。在不断的产品实践中，我们越来越深刻地意识到：AI 真正的价值，不是让 DBA 多一件工具，而是要让数据库团队多一位同事。工具，需要人去操作，同事，则能够主动承担工作，它可以主动发现异常、分析原因、提出方案，与团队共同完成数据库管理，而不是等待每一次指令。

我们相信，这才是 AI 数据库管理真正的发展方向，也正是基于这样的思考，我们重新设计了DBdoctor。

数据库管理，不缺工具，缺的是能够一起工作的"同事"

过去二十年，数据库管理软件不断演进。监控越来越完善，巡检越来越智能，SQL 审核越来越成熟，性能分析越来越精准。数据库管理并不缺工具，真正缺少的，是能够把这些能力组织起来，共同解决问题的"同事"。

同时数据库异常从来不会按照产品模块发生。一次 CPU 飙高，可能涉及慢 SQL、锁等待、资源争用，也可能与数据库参数、业务流量变化有关；一次数据库变更，也不仅仅是执行一条 SQL，而是涉及风险评估、执行验证、回滚预案和过程审计。现实中的 DBA，很少依赖某一个工具完成所有工作，他们会在监控平台、诊断工具、SQL 治理平台、工单系统之间不断切换，与团队成员持续沟通、不断验证分析结果，最终完成整个处置流程。

真正解决问题的，从来不是某一款软件，而是一支专业的 DBA 团队。所以，我们越来越相信：

数据库管理需要的，不是一个什么都会的 AI，而是一支能够持续协作的 AI 数据库管理团队。

我们没有打造一个更大的 Agent，而是打造了一支 AI 数据库管理团队

很多 AI 产品都在不断增强一个 Agent 的能力，更大的上下文、更多的工具、更复杂的 Prompt，希望一个 Agent 能够完成所有事情。但数据库管理并不是一道问答题，它更像是一项团队工作。因此，在 DBdoctor 中我们没有继续打造一个"超级 Agent"，而是重新设计了整个 AI 架构。

整个团队由 小D同学 负责统一协调。用户只需要描述目标，小D 同学便会自动理解需求、拆解任务，并组织最合适的数据库专家共同完成工作。

• 监控告警哨兵负责第一时间发现异常。

• 根因诊断专家负责快速定位问题。

• 深度巡检专家持续发现潜在风险。

• 锁分析师泳道图可视化溯源。

• SQL 质量管理专家负责 SQL 全生命周期治理。

• 慢 SQL 治理专家持续推动性能优化。

• SQL 安全变更专家负责风险控制。

• 异构SQL迁移专家负责异构转换，加速信创。

• 未来，还会有更多数据库专家不断加入这支 AI 团队。每位 Agent 都拥有明确职责，每位 Agent 都专注自己的专业领域。真正复杂的数据库任务，不再依赖某一个 Agent，而是交给整个团队共同完成。

真正的团队，不只是多个 Agent

Agent Team 与多个 Agent 最大的区别，不在数量，而在协作。传统 Agent 往往更像一个人在工作，SubAgent 更像上下级关系，所有信息都需要通过主 Agent 转发，随着任务越来越复杂，信息不断压缩，协作效率也越来越低。而 DBdoctor 的 Agent Team 更像真实的 DBA 团队，每位 Agent 都拥有自己的专业能力，大家共享上下文，共享任务，共享分析结果。监控发现异常之后，根因专家立即接手分析，SQL 专家根据诊断结果制定优化方案，工单专家生成执行和回滚计划。如果目标尚未完成，整个团队会继续协作，而不是停止在一次回答。数据库管理，不再是"一个 Agent 完成所有事情"，而是一支 AI 团队共同完成一次数据库任务。

AI 想成为同事，仅靠大模型远远不够

真正的 DBA，并不是因为"会聊天"才成为专家，而是因为拥有专业能力，AI 也是如此。真正让 DBdoctor 与通用 AI 不同的，并不是 Prompt，而是数据库能力。为了让每位 AI 专家具备真正的数据库专业能力，我们重新构建了数据库 AI 的能力底座。在数据层，我们基于 eBPF 内核级可观测技术，直接采集数据库运行时真实数据，让 AI 能够理解每一条 SQL 的 CPU、IO、内存、锁等待等资源消耗，为诊断提供真实可信的数据基础。在模型层，我们构建了数据库问题诊断模型、SQL Rewrite 模型，并结合自研 Cost Optimizer，对每一种优化方案进行成本评估和性能验证，让 AI 的每一次优化建议都能够"算得出来、验证得了"。在能力层，我们将 SQL 审核、根因诊断、巡检分析、锁分析、SQL 优化、工单执行等多年积累的数据库能力全面 Skill 化，让每位 Agent 都拥有属于自己的专业技能。

对于 DBdoctor 来说：

大模型负责思考。

Skill 负责执行。

数据库专业能力，决定最终效果。

从故障响应，到全生命周期自治

真正的 AI 数据库管理团队，不只是接管一部分运维工作，而是开始参与数据库的整个生命周期。它不仅服务 DBA，也开始服务开发者，让数据库管理从"故障处理"前移到"研发治理"，再延伸到"持续运营"。

研发阶段，DBdoctor 深度融入 AI Coding 流程，为开发者和智能编码 Agent 提供数据库专业能力。从 SQL 生成、SQL 审核、SQL 改写，到索引推荐、执行计划分析、变更风险评估，AI 在编码阶段即可完成专业验证，让数据库问题在开发过程中被发现、优化并闭环，实现数据库能力真正左移。

运行阶段，DBdoctor 化身为 7×24 小时在线的 AI 数据库值班团队，持续监控数据库运行状态，主动识别异常，预测 CPU、IO、存储等核心资源容量趋势，提前发现性能瓶颈和潜在风险，让数据库管理从"故障发现"走向"风险预防"。

处置阶段，当数据库发生异常时，小D 同学自动组织监控告警、根因诊断、SQL 优化、安全变更、工单执行等多个数据库专家协同工作，快速完成根因分析、优化决策、变更执行和效果验证，实现数据库问题分钟级诊断、智能化处置和全流程闭环。

治理阶段，DBdoctor 持续沉淀企业数据库知识、诊断经验和最佳实践，不断丰富 Skill、积累案例库，让每一次诊断、每一次优化都成为下一次智能决策的基础，推动数据库管理能力持续进化。

从研发到运行，从故障处置到持续治理，DBdoctor 将 AI 能力贯穿数据库全生命周期。

真正实现研发、运维、治理一体化，让数据库管理从被动响应迈向主动自治。

从工具，到同事；从软件，到 AI 数据库管理团队

数据库软件的发展，一直在不断演进。

最早，它只是一个工具。

后来，它开始帮助 DBA 提高效率。

今天，它开始拥有自己的团队。

我们相信，未来企业需要的，不再是一套数据库管理软件。

而是一支能够与 DBA 并肩工作的 AI 数据库管理团队。

它能够主动发现问题。

持续协同分析。

自主推动闭环。

不断沉淀经验。

持续成长。

DBdoctor 希望让每一家企业，都拥有属于自己的 AI DBA Team。

从工具，到同事。

从软件，到团队。

从智能辅助，到智能自治。