刘松-百万Agent时代的原生记忆体与数据基础设施.pdf

1、百万 Agent 时代的原生记忆体与数据基础设施刘松|TiDB副总裁刘松TiDB 副总裁刘松先生拥有 20 多年的 IT 领域从业经验，曾经担任甲骨文大中国区技术战略部总经理，阿里巴巴副总裁等职务，长期服务中国 IT 产业的企业软件解决方案，数据库产品市场，云计算生态发展，人工智能生态，开源生态，产学研智库，数字化转型研究等等领域。目 录CONTENTSI.百万 Agent 时代的数据挑战II.面向 Agent 的记忆体与数据基础设施架构设计III.TiDB Agent 方向的实践案例IV.TiDB 基于大模型的软件供应链治理百万 Agent 时代的数据挑战PART 01AI 大模型时代的发展

2、趋势大模型元年的起点，模型具备了令人惊艳的语言理解和生成能力。模型开始拥有更长的上下文记忆，对话逻辑更连贯。对话级交互模型在回答前被赋予了“思考”的过程，能够处理简单的数学和逻辑推理。问题思考方式更加趋于人类化。推理链原生化大模型开始能够调用外部搜索、API 接口、外部工具等，并结合 RAG 技术调取企业级别知识库，很大成都降低幻觉问题。工具调用出现了能够拆解一个简单任务并逐步执行、最后交付结果的智能体 Agent 单元。Agent 降临Agent 具备了实时评估结果、发现错误后自动修正计划的能力，极大提高了实际业务场景中的成功率。自我纠错/反思出现由多个专长不同的Agent 组成的“团队”，

3、能够协同解决复杂的工作流程。达成自主、自我进化的智能系统，自动规划和优化整条业务链条。多 Agent 协作大模型+数字资产+数字员工成为企业智能化的铁三角知识助手智慧办公营销支持风险管理投资决策运营优化智能问答智能协作智能学习智能推荐文档处理会议助手办公助手公文写作精准营销素材生成市场分析舆情监控欺诈检测尽职调查合同审批信用评估智能顾投资讯解读市场洞察信息决策NL2SQL流程自动化交互分析智能审批统一记忆体平台知识产生知识管理知识处理知识更新知识召回智能体平台agentskills应用平台专业模型解析OCRembaddingMLLM大语言模型语义思考推理GPU/性能计算集群/存储/络应层平台层

4、模型层算层面向 Agent 的记忆体与数据基础设施架构设计PART 02面向 AI Agent 时代的融合架构方案告别存储、RAG、Agent 领域的痛点，提供对外统一入口、复杂留给内部的，对开发者友好的融合解决方案业务 A业务 B材料 A材料 B数据清洗结构化结构化半结构化Vector/FTS向 Agent 件接Vector RAGAgentic RAG作流RerankChunkEmbeddingSkill权限管理沙箱隔离MCPAgent 记忆体Agent 协同络统融合数据底座（TiDB）智能体中台层（MeshX）Agent 记忆/协作层（mem9&Loop）研报应智能助AI coding编

5、写档智能运维应用开发服务让企业数据资产，从“烟囱林立”走向“海纳百川”AI 时代，数据库的使用者已从“企业员工”扩展至“智能体”。若数据治理跟不上，数据依然割裂分散，AI 提效便无从谈起，反而徒增成本与复杂度，本末倒置。交易型数据库分析型数据库向量数据库全检索引擎图引擎智能体平台统融合存储底座rag/agentrag/agent多库拼凑架构统融合存储底座多套数据库（关系型、向量、图等）并存，技术栈庞杂，架构臃肿单原生支持多模数据，架构简洁，收敛复杂度各系统独立扩展，需分别规划，易产生资源浪费或瓶颈统一扩展，按需弹性调度，扩展更灵活高效需维护多套系统，部署、调优、监控、备份各自独立，运维负担重统

6、一运维，一套系统覆盖所有数据模型，运维效率高多种数据库方言，开发人员需掌握多种技能，适配成本高统一 MySQL 协议，开发习惯一致，学习成本低数据分散存储，需数据同步，导致数据延迟、冲突、事实不一致数据同步内部闭环，天然保证实时一致数据割裂，RAG 检索难以在同一语境下综合多源信息，召回精度受限统一知识视图，检索时可充分利用完整知识脉络，准确率更高多套数据库授权费用叠加（尤其商业版），成本高昂单一平台授权，采购成本显著降低，同时满足信创要求。不止于存储，打通多元渠道，构建知识纵深以统一数据底座为基础，打通邮件、通讯工具、办公软件、CRM 等企业信息渠道，让分散的数据真正流动起来，为 AI 提效