SQL 是合法的,这个设计撑不住”:数据库厂商开始往 agent 里塞技能包
“SQL 是合法的,这个设计撑不住”:数据库厂商开始往 agent 里塞技能包
【摘要】11 月 5 日,CockroachDB 发布了给 ChatGPT 和 Codex 用的插件,版本 0.1.3,打包了 34 个 CockroachDB skills,覆盖 schema 设计、SQL、迁移、运维等。它最有意思的地方是官方自己给出的那个失效场景:「SQL 是合法的。这个设计撑不住。」——一个编码助手能给你生成干净的 schema、合理的命名、正确的外键和索引,快速 review 看着没问题,但在持续插入流量下,单调递增的 key 会把写入集中到一个 range 上,看起来合理的 schema 变成热点。这篇要讲的是:为什么"模型懂 SQL"不等于"模型懂你的数据库",34 个 skill 到底补的是哪一块,以及"skills 不重训模型"这个定位既是它的技术选择,也是它最脆弱的地方。
目录
一、一句话标题,和一个具体到疼的例子
二、"通用建议走到头"到底指什么
三、CockroachDB 特别在哪:五个分布式约束
四、34 个 skill,和一个关键的架构选择
五、MCP 给状态,skill 给解释框架
六、“有界工作流”——方向对,但边界是黑盒
七、为什么第一个例子选得这么准
八、触发可靠性:这条路径的天花板
九、怎么判断你的团队需不需要这个,以及我的三个看法
一、一句话标题,和一个具体到疼的例子
官方公告里有一段,我原样引用,因为它把整个产品存在的理由讲完了:
The SQL was valid. The design would not scale.
「SQL 是合法的。这个设计撑不住。」
然后它把场景展开了:
Consider a familiar scenario: a coding assistant produces a clean schema with sensible names, foreign keys, and indexes. Nothing looks alarming in a quick review. Under sustained insert traffic, however, a monotonically increasing key concentrates writes in one part of an index. The schema that looked reasonable becomes a hotspot under load.
拆开看这个失效链条:
- 编码助手给出一个干净的 schema——合理的命名、外键、索引
- 快速 review 看不出任何问题
- 但在持续插入流量下,单调递增的 key 会把写入集中到索引的一部分
- 结果:看起来合理的 schema 在负载下变成热点
我要在这里停一下,因为这个例子的教学价值比它作为产品卖点更高。
第 2 步「快速 review 看不出任何问题」是关键。不是因为 review 做得不够仔细,而是因为这个问题在 schema 的语法层面不可见。 一个没有 bug、没有语法错误、符合所有关系数据库规范的设计,可以有完全不同的扩展性——而这两件事之间没有任何语法上的桥梁。
这就是"模型懂 SQL"和"模型懂 CockroachDB"之间那道鸿沟的确切宽度。
二、"通用建议走到头"到底指什么
官方对"为什么需要专用插件"的表述:
We work with partners and customers at exactly these boundaries. One week the question is how to model tenants without concentrating writes. The next is how to move a PostgreSQL application with limited downtime. Then a query slows down, and the team has an EXPLAIN plan but no clear path from plan to fix.
The questions repeat. The context changes.
「问题反复出现,但上下文每次都变。」
这个观察很准。它说的是:这些问题不是一次性的项目难题,是反复出现的日常摩擦——而且每一个都落在通用模型的训练分布之外。
具体到三类,官方说是测试时反复回到的:
| 场景 | 通用回答的问题 | 需要数据库上下文才能回答的 |
|---|---|---|
| Design | “怎么给多租户 SaaS 设计 schema” | 多少租户?流量会不会集中在少数租户?哪些 key 是热点? |
| Migration | “怎么从 PostgreSQL 迁移过来” | 停机时间、校验、切换、回滚、应用行为 |
| Diagnosis | “这个查询为什么慢” | EXPLAIN 计划到修复之间没有标准路径 |
官方给出的第一个例子原文:
A generic answer can produce valid Data Definition Language (DDL) in seconds. A useful CockroachDB answer begins with the workload.
「通用回答几秒钟就能给出合法的 DDL。有用的 CockroachDB 回答要从工作负载开始。」
这句话点出了本质:通用回答从"语法"开始,有用回答从"负载"开始。 而 schema 的正确性恰恰是由负载决定的,不是由语法决定的。
三、CockroachDB 特别在哪:五个分布式约束
官方列出了 CockroachDB 和普通数据库的差别:
CockroachDB speaks familiar SQL, but every design runs on a distributed system.
「它说的是熟悉的 SQL,但每个设计都跑在分布式系统上。」
然后是五条具体约束:
- Key order 影响写入落点(key order affects where writes land)
- 索引既影响读性能也影响写成本(indexes influence both read performance and write cost)
- 事务可以跨节点和跨 region(transactions can span nodes and regions)
- Locality 选择塑造延迟与韧性(locality choices shape latency and resilience)
- 迁移方案必须考虑应用行为、验证、切换和回滚(migration plans must account for application behavior, validation, cutover, and rollback)
这五条,每一条都是通用 SQL 训练里不会自然包含的东西。
拿第一条来说——key order 影响写入落点。这是分布式数据库的核心机制:数据按 key 的哈希分布到各个 range,单调递增的 key 意味着所有新写入都落在同一个 range 的末尾,那个 range 的写负载集中,其他 range 闲置。
而在单体数据库里,单调递增的 key 是最佳实践(顺序写、索引不碎片化)。同一条设计原则,在单体和分布式里是相反的最优。
这就是那个失效例子的机理:模型给出的 key 设计在单体 MySQL 上是最优的,在 CockroachDB 上是灾难性的,而模型没有任何理由知道这件事——因为它训练的时候大部分 SQL 教程是讲单体和 MySQL 的。
第二条也值得单独说:索引影响写成本。很多开发者的心智模型是"索引只影响读,多加一个没坏处"。在分布式数据库里,每个索引都是要写的一致性数据,加索引就是加写放大。
四、34 个 skill,和一个关键的架构选择
插件的核心内容是 34 个 task-specific skills,覆盖:
schema design, SQL optimization, transaction behavior, migrations, cluster operations, multi-region deployments, observability, security, compliance, and maintenance
官方说明了来源:
We sourced those skills from the public CockroachDB skills repository, giving future releases a clear path to carry improvements forward.
从公开的 skills 仓库取。 这意味着内容是开放的——用户可以自己审计,甚至自己改、自己提 PR。
但接下来这句话是整个插件最关键的技术定位,官方专门用了一个小标题强调(原文是 “That separation matters”):
Skills carry the workflows and CockroachDB guidance. They are loaded when a task calls for them; they do not retrain the underlying model.
「skills 承载工作流和 CockroachDB 指导。它们在任务需要时被加载;它们不会重训底层模型。」
以及 MCP 那部分的分工:
An MCP connection can provide a table definition or query plan. A skill explains which details matter and how to turn them into a useful recommendation.
「MCP 连接可以提供表定义或查询计划。skill 解释哪些细节重要,以及如何把它们变成有用的建议。」
请注意这个分工的精确性——它把两件性质完全不同的事拆开了:
| 提供什么 | 变化速度 | |
|---|---|---|
| MCP 连接 | 当前状态:你的 schema、查询计划、集群信息 | 快变,每次都要实时拉 |
| Skill | 解释框架:哪些细节重要、怎么变成建议 | 慢变,可版本化、可审核 |
为什么这个拆分重要?
如果把两者混在一个提示词里:知识部分每次都占 token(而且每次内容一样,白烧钱),状态部分每次都可能过期(上次拉取的 schema 和现在不一样)。
分开之后,skill 可以被缓存、被版本管理、被 code review,状态则走 MCP 按需拉取。 这是能长期维护的结构。
五、MCP 给状态,skill 给解释框架
再补一句官方的权限表述:
A configured MCP connection can add current schema, query-plan, and cluster context. Permissions and approvals define what the assistant may access or change.
三层,各管一件事:
- Skill —— 怎么思考
- MCP —— 现在是什么状态
- 权限与审批 —— 允许动什么
这三层一起构成一个能安全接数据库的 agent 通道。 少任何一层都不完整:只有 skill 没有 MCP,agent 讲的是通用原则不是你的库;只有 MCP 没有 skill,agent 把你的表结构原样念一遍;前两层没有权限,agent 拿着连接串就能改生产数据。
六、“有界工作流”——方向对,但边界是黑盒
官方对宿主连接的能力描述:
Its hosted CockroachDB Cloud connection supports bounded read and creation workflows, with every action subject to the authenticated user’s permissions.
「支持有界的读和创建类工作流,每个动作都受已认证用户的权限约束。」
这句话有两个关键词:bounded(有界的) 和 creation(创建)。
先说为什么这个设计是对的。给 agent 接数据库,最容易出的事是"给了连接串就能跑任意 SQL"——那等于把生产库交给一个会幻觉的 agent,它可能 DROP TABLE,也可能写了个月没清理的 WHERE 条件不全的 UPDATE。
"有界工作流"是把 agent 的能力圈起来:只允许特定形状的操作。"创建类工作流"意味着 agent 可以建表、建索引,但不能随意删改。
再叠加"每个动作都受已认证用户的权限约束"——这是第二道独立的闸门。即使工作流允许某个操作,用户权限不够也做不了。
两道闸门的方向我完全同意。但我必须指出:官方没有定义"有界"到什么程度。
具体的问题:
- 能改 schema 吗?能跑 DDL 吗?
- 能跑 DELETE 吗?DELETE 的 WHERE 呢?
- 能连生产集群吗?还是只能连一个沙箱?
- "创建类工作流"里的"创建"包括什么——CREATE TABLE?CREATE INDEX?两者风险差别很大
这是一个黑盒。你得自己试。
而这恰恰是产品价值最集中的地方——边界定义得好不好,直接决定这个插件能不能进生产。官方讲了边界存在,没讲边界在哪。
七、为什么第一个例子选得这么准
这一点我想单独说,因为它是判断一个团队懂不懂问题的可靠信号。
官方选的第一个失效场景是:单调递增 key 导致写入热点。
我要说它选得准,理由是这个例子同时满足了三个条件:
1. 它在语法层面完全合法。
DDL 没毛病、外键对、索引有、命名规范。任何基于语法的检查都抓不到它。
2. 它的失效需要时间才显现。
开发时、测试时、demo 时,小数据量下写入热点根本看不出来。它在你上线三个月后才暴露。
3. 它的修复方向和直觉相反。
在 MySQL/Postgres 里,单调递增 key 是推荐做法。所以"改成随机 UUID"或者"改成复合 key"这个建议,和通用训练里的建议是冲突的——一个通用模型很可能会反对你这么改。
一个例子选得好不好,比三个例子说得全面更能说明团队懂不懂这个问题。
CockroachDB 选的这个例子,不是随便挑的——它是分布式数据库写入热点最经典的形态,而且它恰好是"通用建议和专用建议直接冲突"的那种。选它做开篇,等于在说:“看,这就是我们和通用模型的分歧点。”
八、触发可靠性:这条路径的天花板
现在说这条路径最脆弱的地方,我前面在底稿里标出来了,这里展开。
回到那句技术定位:
they do not retrain the underlying model.
skills 不重训模型。 这意味着什么?
意味着 skill 的效果完全取决于它是否在正确的时机被加载。
设想两个场景:
场景 A:用户说"帮我给一个多租户 SaaS 设计 CockroachDB schema,避免写入热点。"
→ 模型看到 CockroachDB、schema、写入热点这些词 → skill 加载 → 给出正确的、带着分布系统约束的回答。完美。
场景 B:用户说"帮我看看这个查询为什么慢。"
→ 用户压根没提 CockroachDB → skill 可能不加载 → 模型给出一个通用的、Postgres 味的 EXPLAIN 解读 → 用户觉得"这答案很泛"。
场景 B 是更常见的场景。
而公告里没有任何关于触发机制的说明——没有说 skill 怎么被选中,是靠关键词匹配、靠 embedding 相似度、靠 agent 的判断,还是靠任务分类器。
这是上下文增强路径的天花板:触发可靠性。
对比一下训练路径——训练出来的能力是无条件可用的。而 skill 是条件可用的。
这不是说 skill 不行。skill 的成本结构和迭代速度是训练完全比不了的(改一个 skill 文件立刻生效,不用重训、不用重跑 eval)。但代价就是触发得准。
所以真正的问题变成了:谁来做"这个任务需不需要 CockroachDB 知识"的判断?
- 如果是模型自己判断 → 判断本身就可能错
- 如果是关键词规则 → 场景 B 那种自然语言提问会漏
- 如果是 embedding 相似度 → 会误触发(比如用户问的是个纯 Postgres 项目)
官方没给答案。这个答案会直接决定这个插件的实际命中率。
九、怎么判断你的团队需不需要这个,以及我的三个看法
先问三个问题:
- 你用的是 CockroachDB 还是 MySQL/Postgres? 如果是后者,这个插件的价值会大幅缩水——因为第三节那五条约束,是分布式的约束。在单体库上,"单调递增 key 是最佳实践"是对的,通用模型的建议没错。
- 你的痛点是"不会写 SQL"还是"写得出语法但设计不对"? 如果是前者,你不需要插件。如果是后者,这才是这个插件的靶心。
- 你的问题是设计期、迁移期,还是诊断期? 官方说三类都覆盖,但设计期和迁移期的价值明显高于诊断期——因为诊断期你已经有 EXPLAIN 计划了,缺的是"从计划到修复"的路径知识;设计期和迁移期缺的是整个判断框架。
然后是几条技术上的:
- 你打算连的是生产集群吗? 如果是,先测清楚"有界工作流"的边界——这是官方没说的黑盒。
- 你的 agent 用的哪个模型? 插件是模型无关的(它只是 skill + MCP),但效果取决于模型的指令遵循能力。
- 你的组织有没有"AI 写的 schema 要人审"这条流程? 这个插件不替代评审——它让 agent 的建议更对,但 34 个 skill 也覆盖不了你们团队的所有约定。
判断一:"skills 不重训模型"是这个插件最诚实的一句话,也是它最该被读懂的一句话
我觉得官方把这句话明写出来是对的,因为很多同类产品会含糊其辞——让你以为"装了这个插件,你的 agent 就懂 CockroachDB 了"。
实际上它提供的是一份可以被调用的知识。这有巨大的实际价值(改一行就更新,不用重训),但也有一个明确的天花板:它得被叫到。
所以读这个插件的正确方式是:它是一个"知识注入的机制",不是一个"能力提升"。 机制的价值取决于触发率。
判断二:那个例子的价值在于它暴露了"模型的能力边界在哪"
我想把第一节那个例子抽象一层。
「SQL 是合法的,这个设计撑不住」——这句话描述的不是"CockroachDB 特别难",而是一个更一般的结构:
模型学到的是"在典型场景下正确的做法",而工程正确性往往取决于场景的某个特定属性。
分布式的关键属性是"写会按 key 聚集"。事务的关键属性是"会跨节点"。迁移的关键属性是"要能回滚"。
通用模型对这些属性的处理是概率性的——它给的是最常见情况下的最优,而你的系统恰好不在最常见情况里。
这就是为什么"给 agent 装一个领域插件"这件事会越来越普遍:它不是在补知识缺口,是在补场景条件。
而这也解释了为什么数据库厂商愿意做这件事——他们卖的不是 skill,是"让通用 agent 在我的数据库上少犯错的资格"。这个资格迟早会变成迁移成本的一部分:你的 schema 是按 CockroachDB 的约束设计的,你就更难迁回 Postgres。 官方当然不会这么说,但这是这个插件的真实商业目的。
判断三:这周同时发生了两件"通用能力不够用"的事
这是我写完这篇想说的。
CockroachDB 的插件(这篇)和 Cursor 的 live apps(上一篇)看起来毫无关系,但它们在解决同一类问题的两个变体:
- Cursor 的问题是:agent 做的东西出不了 localhost——交付能力的断层
- CockroachDB 的问题是:agent 做的设计撑不住真实负载——领域能力的断层
共同点是:它们都承认"模型很强,但通用性有代价",然后在通用性失效的地方插入一个平台专用的补丁。
skills / plugins 正在成为把领域约束塞进通用 agent 的标准手段,而这可能比任何单个模型的能力提升都更有实际影响。
理由很简单:模型能力的提升是普惠的,但场景条件的差异是永恒的。 只要有差异,就有人要卖"在你这个场景里正确的知识"。而这套东西一旦铺开,它对通用模型厂商的依赖就变成了**“模型提供推理,插件提供常识”**的分工。
这跟上一期讲的「插件目录」是同一条线在延伸——只不过那时候讲的是用户写插件,这次是厂商写领域插件。当插件生态成熟到能覆盖主要行业,"用哪个模型"的重要性会下降,"你的插件装得全不全"的重要性会上升。
行动:去查一下你的团队最近一次让 AI 生成的 schema,后来是不是被架构师改过。 改过的部分,八成就是模型看不见的那个"场景条件"——而那正是 plugin 要补的东西。
(本期还有:OpenAI 的 Daybreak 安全模型、微软 Foundry Local 端侧编程、MongoDB 的五类记忆、Oracle 的对话内文件读写、Google 的端侧语音——底稿都在。)
- 点赞
- 收藏
- 关注作者
评论(0)