在大模型狂飆兩年之后，行業(yè)進(jìn)入“應(yīng)用見真章”的階段。在 2025 騰訊全球數(shù)字生態(tài)大會(huì)上，騰訊云發(fā)布數(shù)據(jù)庫(kù)AI服務(wù)，其中有多款智能體——SQL 事前風(fēng)險(xiǎn)預(yù)測(cè)、DDL 變更風(fēng)險(xiǎn)評(píng)估、高負(fù)載止損值守等。?

數(shù)據(jù)庫(kù)領(lǐng)域可以開發(fā)智能體的方向也有很多，騰訊云為什么會(huì)選擇從 SQL 風(fēng)險(xiǎn)治理入手？騰訊云數(shù)據(jù)庫(kù)副總經(jīng)理羅云對(duì)雷峰網(wǎng) (公眾號(hào)：雷峰網(wǎng)) 表示，主要因?yàn)檫@是最痛點(diǎn)、最難解決的環(huán)節(jié)。“2024 到 2025 年，我們每個(gè)月都觀察到有客戶因?yàn)?SQL 使用不當(dāng)，導(dǎo)致數(shù)據(jù)庫(kù)出現(xiàn)風(fēng)險(xiǎn)事件。”

騰訊云講述過一個(gè)案例：在一次交易數(shù)據(jù)清理過程中，由于一條優(yōu)化不當(dāng)?shù)?SQL 語(yǔ)句遺漏了關(guān)鍵索引，導(dǎo)致核心交易表被全表掃描。問題發(fā)生在交易時(shí)段，瞬間引發(fā)大量指令受阻，訂單提交接連超時(shí)，部分跨境交易也因此受到影響。最終，依靠風(fēng)控系統(tǒng)的緊急處理才避免了更大范圍的系統(tǒng)癱瘓。

為何 SQL 使用不到風(fēng)險(xiǎn)如此之高呢？其中根因源于，數(shù)據(jù)庫(kù)的開發(fā)者與 DBA 之間，長(zhǎng)期存在一道難以逾越的“認(rèn)知鴻溝”。

開發(fā)團(tuán)隊(duì)熟悉業(yè)務(wù)邏輯和代碼，常通過 ORM 框架生成 SQL，卻對(duì)底層數(shù)據(jù)庫(kù)運(yùn)行機(jī)制了解有限；DBA 則精通數(shù)據(jù)庫(kù)內(nèi)核和 SQL 優(yōu)化，但難以在開發(fā)環(huán)節(jié)進(jìn)行前置干預(yù)。結(jié)果是，一旦風(fēng)險(xiǎn) SQL 引發(fā)故障，DBA 往往只能被動(dòng)“救火”，而根源難以追溯。

今年 2、3 月開始，騰訊云數(shù)據(jù)庫(kù)團(tuán)隊(duì)開啟了智能體的開發(fā)，就是試圖解決的是開發(fā)者與數(shù)據(jù)庫(kù)管理員（DBA）之間長(zhǎng)期存在的“鴻溝”，羅云談到。

SQL 事前風(fēng)險(xiǎn)預(yù)測(cè)智能體，就像提交前的“安全檢查員”，提前發(fā)現(xiàn)可能讓數(shù)據(jù)庫(kù)變慢或出問題的 SQL，提醒開發(fā)者修改。DDL 變更風(fēng)險(xiǎn)評(píng)估智能體，像改動(dòng)前的“模擬演練教練”，先測(cè)試數(shù)據(jù)庫(kù)結(jié)構(gòu)變更是否會(huì)影響系統(tǒng)穩(wěn)定，讓風(fēng)險(xiǎn)在上線前被發(fā)現(xiàn)。高負(fù)載止損值守智能體，像數(shù)據(jù)庫(kù)的“安全衛(wèi)士”，實(shí)時(shí)監(jiān)控，當(dāng)系統(tǒng)壓力過大時(shí)自動(dòng)采取保護(hù)措施，避免業(yè)務(wù)崩潰。

據(jù)羅云對(duì)雷峰網(wǎng)透露，智能體的開發(fā)，底下依托的是垂直數(shù)據(jù)庫(kù)大模型，并結(jié)合全域上下文和工具集三大基座。?

騰訊云的垂直數(shù)據(jù)庫(kù)大模型的自研最早可以追溯到2023 、2024年，一開始他們通過有監(jiān)督微調(diào)（SFT）補(bǔ)課專業(yè)能力，靠人工標(biāo)注數(shù)據(jù)搭起基礎(chǔ)，2025 年 DeepSeek 出現(xiàn)后，全面轉(zhuǎn)向強(qiáng)化學(xué)習(xí)，用更復(fù)雜的獎(jiǎng)勵(lì)機(jī)制逼迫模型自我優(yōu)化。

當(dāng)然，這過程中也遇到過不少的難點(diǎn)，比如做 SFT（有監(jiān)督微調(diào)）的難點(diǎn)是語(yǔ)料和數(shù)據(jù)集，團(tuán)隊(duì)需要大量人工投入，對(duì)每一個(gè)案例進(jìn)行標(biāo)注：哪些 SQL 或代碼生成是正確的，哪些是不符合要求的。這個(gè)數(shù)據(jù)標(biāo)注過程非常耗時(shí)，但決定了模型在專業(yè)任務(wù)上的基礎(chǔ)能力。

強(qiáng)化學(xué)習(xí)（Reinforcement Learning） ?重點(diǎn)在于獎(jiǎng)勵(lì)模型的設(shè)計(jì)。在強(qiáng)化學(xué)習(xí)中，模型每一次輸出都需要評(píng)估：是“做得更好”還是“退步了”？團(tuán)隊(duì)花了很多時(shí)間設(shè)計(jì)算法和評(píng)分機(jī)制，去判斷每一次生成的 Token 的質(zhì)量，從而讓模型在實(shí)際使用中不斷優(yōu)化。

目前這這些智能體已經(jīng)在騰訊內(nèi)部多部門使用，對(duì)外客戶目前也在同步進(jìn)行交流中，預(yù)計(jì)明年會(huì)對(duì)外服務(wù)。

對(duì)于智能體的商業(yè)化問題，羅云認(rèn)為，不要從短期市場(chǎng)規(guī)模出發(fā)，而是押注長(zhǎng)期戰(zhàn)略價(jià)值。羅云判斷，數(shù)據(jù)庫(kù)智能體未來(lái)真正的商業(yè)回報(bào)不在“風(fēng)險(xiǎn)防控”本身，而在兩個(gè)方向：第一是，Data Insight：幫企業(yè)“淘金”，挖掘數(shù)據(jù)價(jià)值，付費(fèi)意愿遠(yuǎn)高于守住底線；第二是智能體支持套件：當(dāng)甲方通過智能體賺錢后，配套工具的變現(xiàn)空間巨大。

在數(shù)據(jù)庫(kù)產(chǎn)品線宣布推出Agent 之前，幾乎所有產(chǎn)品都在探索AI，一方面將 AI 的功能加入到原有的產(chǎn)品中，比如在騰訊會(huì)議中加入了實(shí)時(shí) AI 紀(jì)要功能，另一方面正在開發(fā)更多的 AI 原生應(yīng)用，比如說(shuō)CodeBuddy ima等已經(jīng)對(duì)外推出，分別應(yīng)用于企業(yè)開發(fā)、知識(shí)庫(kù)管理。

那么，為什么騰訊會(huì)選擇在今年加速布局智能體？?

羅云認(rèn)為，這與時(shí)機(jī)密切相關(guān)。早一年做可能還不合適，因?yàn)楫?dāng)時(shí)底層大模型還在快速迭代，應(yīng)用層開發(fā)容易因模型變化被推倒重來(lái)。而如今大模型迭代速度趨于平緩，應(yīng)用開發(fā)更穩(wěn)定可控。

在這樣的技術(shù)判斷下，上半年騰訊內(nèi)部掀起了一場(chǎng)智能體開發(fā)熱潮：各條產(chǎn)品線結(jié)合自身場(chǎng)景和行業(yè)特點(diǎn)，積極探索 Agent 應(yīng)用。而眼下，數(shù)據(jù)庫(kù)團(tuán)隊(duì)推出的智能體，也正是這種內(nèi)外部因素共同作用的產(chǎn)物。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見 轉(zhuǎn)載須知 。