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

举报
yyhoworks 发表于 2026/11/16 17:03:57 2026/11/16
【摘要】 “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...

“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:

  1. 编码助手给出一个干净的 schema——合理的命名、外键、索引
  2. 快速 review 看不出任何问题
  3. 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
  4. 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:

  1. Key order 影响写入落点(key order affects where writes land)
  2. 索引既影响读性能也影响写成本(indexes influence both read performance and write cost)
  3. 事务可以跨节点和跨 region(transactions can span nodes and regions)
  4. Locality 选择塑造延迟与韧性(locality choices shape latency and resilience)
  5. 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:

  1. Skill —— 怎么思考
  2. MCP —— 现在是什么状态
  3. 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:

  1. 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。
  2. 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。
  3. 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:

  1. 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。
  2. 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。
  3. 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。)

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。