❝本文整理自 IvorySQL 2025 生态大会暨 PostgreSQL 高峰论坛演讲分享，分享人：白鳝，DBAIOPS 社区创始人。
AI 浪潮对数据库运维的影响
在人工智能技术迅猛发展的今天，生成式 AI 正深刻改变各行各业的工作方式。数据库运维领域也不例外，特别是当 PostgreSQL 这样具备强大可观测性的数据库系统与生成式 AI 大模型推理能力结合后，AIOPS 不再只是概念，而是真正落地的生产力工具，为数据库管理员（DBA）带来前所未有的效率提升。
AI 浪潮的冲击
年初的 DeepSeek 冲击波
咖啡厅里到处都能听到 DeepSeek 的讨论 大量企业紧急投资算力平台 客户咨询多聚焦于 AI 应用落地
半年后的现状
国产大模型不断爆发 企业中新购置的算力大量闲置 业务侧应用如火如荼，IT 侧进展较缓
DBA 可以从 CURSOR 中学到什么？
每个 DBA 未来可能都会有一个 AI 助理，处理繁琐工作 拥有“外脑”的 DBA 可突破能力边界 与数据库交互的界面可能发生革命性变化 变革将在未来五年内显现
探索 PG 的 AIOPS 之路
RAG + DeepSeek：可堪一战？
单纯依赖 RAG（检索增强生成）难以稳定支撑数据库运维决策：
多次检索与重排导致上下文不一致 大模型的概率性使答案波动较大，甚至相互矛盾，难以直接用于生产决策
DB AIOPS 的三大要素
强大的可观测性
丰富的指标和系统统计信息 准确的等待事件 完善的日志和 TRACE 宏观数据 AWR 和微观数据 ASH
高质量运维知识
运维知识： 高质量的原厂文档 大量的第三方书籍 运维经验： 原厂的运维经验积累 大量的专家经验 海量的用户案例
强大的推理大模型
公有云部署模型 本地部署满血模型 蒸馏后的模型 微调后的领域大模型
DB AIOPS 的成功秘诀
核心公式：
高质量的指标数据 + 精准的运维知识 + 丰富的运维经验 + 强大的推理大模型 = 答案
PG 的智能运维实践：DBA 智能助手「小睿」
基于 PostgreSQL 完整可观测性数据和经验知识的融合，DBAIOPS 智能运维助手「小睿」以 MCP Server 编排工具能力，通过自然语言对话完成全流程运维任务。
四大场景落地
场景一：容量风险 - 自动扩容
自动识别对象容量风险 → 提示扩容 → 确认后执行 → 生成扩容报告，实现容量治理闭环。
步骤：
@输入需要分析的数据库对象问题
小睿自动分析，若存在容量风险，提示是否扩容
点击确认执行，自动扩容
扩容完成，展示详细扩容报告
场景二：表统计信息 - 了如指掌
一次询问即可汇总表结构、统计信息、索引现状，为执行计划与代价评估提供可信底座。
步骤：
输入需要分析的问题
展示表的结构信息、统计信息、索引信息等
场景三：告警自动处置
对指定告警进行因果分析，展示分析过程与证据链，给出操作化方案；如未提交事务导致阻塞，可自动终止并回告。
步骤：
点击分析指定告警，进行思考分析
展示分析结果，包括详细过程、证据链及解决方案
若因未提交事务导致阻塞，点击确认可自动终止事务
场景四：SQL 优化利器
输入 SQL 或 SQL_ID，小睿定位性能瓶颈，生成多种优化方案（如 CTE 改写、覆盖索引等），并支持方案执行与前后对比。在演示用例中，总成本从 20 亿降至 <10 万，降幅 >99.9%。
步骤：
点击分析指定 SQL，确认相关参数配置
分析 SQL 性能瓶颈并推荐最佳解决方案
查看优化前执行计划（总成本 20 亿）
根据建议创建索引
查看优化后执行计划，总成本不到 10 万，降低超过 99.9%
小睿形成“洞察—决策—执行—回证”的闭环。
人机接口革新
「小睿」从“盯盘式监控”走向“事件驱动的主动推送”。异常发生后自动分析并通过邮件/飞书/钉钉等推送处置报告；对可设定的轻危害会话可自动结束并生成审计凭证。
功能包括：
发送告警信息至邮箱
提供 SQL 优化方案并自动执行
自动扩容后反馈报告
架构与部署策略
在多数金融与政企环境中，数据库运行于内网，外部模型 API 不可用，因此平台采用本地化模型服务节点。在硬件约束下，通过工程优化，完成诊断与报告生成，准确率可达 98%。AI 工作站最低配置如下:
单路 8 核 16 线程 CPU（建议 20 核 40 线程或更高） 32G DDR 内存（建议 64G 或更高） 1TB SSD 盘 RTX 4090 显卡 模型（Qwen3:30b-a3b，DeepSeek-r1:32b，QwQ32b，DeepSeek-r1:671b 等）
在硬件部署方面，近期实现了一项重要进展——基于纯 CPU 的一体机推理方案：
可以在 CPU 上跑的 AI 应用 128 核 ARM 服务器，128G 内存，无 GPU 前台对话 30-40 TOKEN/S 后台推理 100-250 秒/次(在 RTX4090 显卡上 70-150 秒）
这种架构成本仅 3 万多元，功耗低且稳定性高，适合中小企业场景。相比高强度运行一年可能损坏的 GPU，ARM 服务器的寿命可达十年。随着国产模型能力提升，未来有望出现性能更优、成本更低的纯 CPU 推理方案。
「小睿」背后的智能体
在智能运维的背后，是一个基于数字化底座的完整框架。
首先将数据库的可观测能力指标化，结合实时分析的智能体，对问题进行检测与判断； 再从知识图谱中调取相关语料与所需指标，形成监控指标集与背景知识，一次性输入大模型进行推理。
这种“一次性交付”的上下文学习（ICL）方法，可有效降低幻觉率，使小规模模型也能实现接近大规模模型的效果，避免多轮输入带来的信息丢失与结果失真。
总结与思考
经验分享
AIOPS 找到解决“最后一公里”的关键工具 不能完全依赖大模型，需精准的领域大模型支持 学会与 DeepSeek 高效对话，合理对话可生成专家级操作语句 精准的知识对高质量输出至关重要 丰富的数据是达成任务目标的关键 未来 DBA 的人机接口将发生巨大变化，智能助手而非漂亮 UI 才是未来
AI 时代的数据库生态
数据库侧： 强大的可观测能力 丰富完善的指标体系 运维平台侧： 强大的 AI 赋能 运维经验数字化 基础硬件侧： 可管理 可监控
做 AI 应用的朋友，关注大模型摩尔定律
大模型迭代呈现“摩尔定律”式加速：从 DeepSeek-r1:671B 到 32B 再到 8B，性能数月内跨越多个台阶 做 AI 应用无需担心当下能力不足，先打好知识与数据基础，模型能力可能在产品落地时超出预期
