分享人：贾新华，阿里云数据库资深产品专家 分享主题：PolarDB：Agentic Data Infra 为 Agent 提供全生命周期数据服务
Agent 会不会成为下一个软件形态？如果会，数据库要为它准备什么？在最近一场面向开发者的分享里，阿里云数据库资深产品专家贾新华围绕这两个问题，系统地讲了 PolarDB 面向 Agent 时代的产品思路和关键能力。以下是本次演讲的实录整理。
趋势：Agent 一定要能操作数据库
分享的开场，贾新华先给出了对趋势的解读。他列举了游戏、金融、招聘、医疗四个行业的真实变化：游戏 NPC 已经从"固定几句台词"变成基于大模型的千人千面剧情；私募经理在企业微信里的对话，背后是 Agent 在实时抽取记忆并给客户理财偏好打分；HR 招聘从"关键词组合搜索"变成"用自然语言问 Agent 要候选人名单"；高端糖尿病管理已经出现"专属健康 Agent"。
"到这个时间点，大家对 Agent 的未来趋势应该是有一个相对肯定的答案。" 如果 Agent 真的能进化到替代 ERP、CRM 这类复杂软件，那么它就一定要能操作数据库——因为最重要的资产是数据，而数据本身是有格式、有事务、有一致性要求的，仅靠操作文件走不到终局。
正是基于这个判断，PolarDB 明确了自己的战略升级：从 Cloud Native 走向 Agentic Native，从一款"给人和应用用的数据库"，变成一款"同时给人、应用和 Agent 用的数据库"。围绕这个目标，PolarDB 主攻两个方向——全生命周期数据服务，以及面向 Agent 负载的数据管理方式。
方向一：为 Agent 全生命周期的四类数据提供服务
一个 Agent 会碰到哪些数据？贾新华把它归为四类：交互产生的记忆、企业沉淀的领域知识、来回对话形成的原始语料、以及执行业务时读写的业务数据。PolarDB 对这四类数据分别给出了产品化方案。
记忆数据：PolarDB Mem0，让记忆成为企业资产。 目前主流的开源方案（如 Mem0）把记忆存在本地文件里，但对企业而言，记忆是公司资产，需要集中管理、共享隔离、审计和扩展。PolarDB Mem0 100% 兼容开源 Mem0 协议，代码无需改动即可迁移；同时在内核层做了优化，并针对游戏 NPC 等对时延敏感的场景做了行业接口整合——把标准 Mem0 里"三次网络往返"的调用合并成一次，把记忆和百炼大模型串到同一个接口里。商业模式上，PolarDB Mem0 也做了 AI Native 化：不再售卖 4C8G、8C16G 的规格，而是给用户一个 Endpoint 和 API Key，按记忆条数计费。
原始语料：一站式存-算-搜。 Agent 与用户的每一轮对话都是企业的原始资产。PolarDB 提供"Limitless 分布式写入 + IMCI 分析 + PolarSearch 检索"的一站式方案，语料写进来后可以直接被分析节点和搜索节点消费，做多维运营分析和检索——比如把 HR 招聘对话抽出来做行业人才画像分析。
领域知识：知识库 + 向量 + PolarDB Agent Flow。 除了把文档向量化建库，PolarDB 顺着一个新趋势又走了一步——记忆和知识库联合召回：查询时既从记忆库拿相关记忆、也从知识库拿相关知识，如果生成结果质量好，还能一键回写到知识库，形成"记忆-知识"双向进化闭环。
业务数据：LakeBase 让文件像数据库一样被管理。 现阶段大量 Agent 仍在操作文件，PolarDB 因此提供了 100% 兼容 POSIX 的 LakeBase，同时具备极致低时延和打满网卡的高带宽，适配 GPU 负载。相比传统存储，LakeBase 因为背后是数据库，能力有系统性跃升：单实例文件数量、并发挂载、Quota 数量都不再有硬上限，随引擎核数线性扩展；支持通配符批量设置配额（比如按用户前缀区分免费档、5C 档、10C 档）；支持挂载账密和路径级权限；甚至可以对存进去的标准 JSON 文件定义表结构映射，直接被 MySQL 引擎读进来做分析。
在整体架构上，PolarDB 底层是 PolarStore + OSS 组成的 LakeBase，上层挂载 MySQL 读写节点、只读节点、分析节点、搜索节点、Mem0 记忆节点、知识库节点、AI 节点和 Ray 通用计算节点。所有节点原生支持向量能力——不需要再单独买一个向量数据库；AI 节点内置模型算子，可以直接进行库内推理；针对自动驾驶、具身智能这类 corner case 敏感场景，PolarDB 还提供了专用的 embedding 优化方案，避免每次新场景都重新全量 embedding 的高昂成本。
方向二：让数据库自己"Agentic 化"
Agent 的负载模式和人、应用完全不同，贾新华总结了三对最尖锐的矛盾，并给出对应的解法。
成本 vs 即时响应：Serverless + 热池。 Agent 负载天然不可预测，用户希望"没请求时不收钱、有请求时立刻响应"。PolarDB 把 Serverless 做到更极致，弹性粒度从 0.5 PCU 降到 0.1 PCU；配合热池技术，实例创建时间 P99 从传统的 5 分钟压缩到 3 秒，非活跃期唤醒 P99 也在 3 秒内（多租模式下更是低至 100 毫秒）。
安全 vs 便捷：MCP Server + SSO。 传统数据库靠用户名密码，但 Agent 到底该不该看到 AK/SK？PolarDB 提供 MCP Server 方案：企业把 MCP Server 部署在自己的办公网，对接自有 SSO；员工登录 Agent 后，Agent 只需配置 MCP 地址，认证通过 OAuth 由 MCP 到 SSO 拿到用户身份和权限，全程不接触数据库账密和阿里云 AK/SK。对于个人和小微企业，阿里云上直接提供公共 PolarDB MCP Server，与阿里云 SSO 打通即可使用。
容错 vs 多分支：像 Git 一样管数据。 Agent 会犯错，也需要多路径尝试。PolarDB 引入 Branch 能力，支持实例级、库级、表级分支，创建 P99 小于 3 秒，单实例最多 65536 个分支，底层用 CoW 只拷贝被修改的 Page。典型场景有两个：一是 Agent 面对一个任务拉出多个分支并行尝试，最后择优保留、其余丢弃；二是 AI Coding 时从生产数据拉分支做开发测试，测通再合并、不影响主干。
结语
这场分享的落点很清晰：一方面，PolarDB 用 Mem0、LakeBase、知识库、多模融合架构，把 Agent 从记忆到语料、从知识到业务的全生命周期数据服务打通；另一方面，PolarDB 也在改变自己——用 Serverless、MCP Server、Branch 让数据库自身适配 Agent 的负载、安全和容错要求。
"PolarDB 不只是给 Agent 提供数据服务，PolarDB 自己也在变成 Agent 时代的数据库。"
Agent时代的数据库应该是什么样的？欢迎在评论区分享你的见解，点赞量Top3的评论可获得PolarDB周边礼品。
