編者按：

11 月 18 日，2025 OceanBase 年度發佈會在北京舉行，現場發佈並開源了 OceanBase 首款 AI 原生混合搜索數據庫 seekdb（簡稱 seekdb ）。

OceanBase 開源生態總經理封仲淹（花名：紀君祥，就是這個公眾號 “老紀的技術嘮嗑局” 裏的話事人 —— 老紀）會在這篇文章中，為大家介紹 OceanBase 開源 seekdb 的初衷。

在 2025 OceanBase 年度發佈會上，我們正式發佈並開源了 OceanBase 首款 AI 原生混合搜索數據庫 OceanBase seekdb（簡稱 seekdb）。

發佈之後，社區裏很多朋友都在問三個問題：

1. seekdb 為什麼要開源？

2. 它和 OceanBase 的定位有什麼區別？

3. 這個開源是否具有長期性？

我想借這篇文章系統性地回答這三個問題。但在此之前，有必要先回顧一個更根本的問題：OceanBase 為什麼要走開源這條路？

回望：OceanBase 的開源之旅

開源是戰略選擇，而非戰術動作

2021 年 6 月 OceanBase 宣佈開源時，外界最普遍的疑問是：一個商業上已經取得成功的數據庫產品，為什麼要選擇開源？

我們當時的判斷是：數據庫是基礎設施，基礎設施的發展必須與用户和生態共同演進。這不是一句空話。基礎設施軟件的特殊性在於，它的價值不僅取決於技術本身的先進性，更取決於生態的完整性和用户的信任度。而開源，是構建這種信任最直接、最有效的方式。

所以從開源的第一天，就把 OceanBase 開源作為一個公司級戰略。從資源投入來看，OceanBase 的開源項目投入是非常大的，從研發到運營，都是給到最好的資源配置。

從內核到完整解決方案

開源初期，我們只開放了內核和安裝器。用户很快給出了反饋：他們需要的是完整的解決方案，而非單一的技術組件。

這個反饋促使我們在開源後的半年內，相繼開放了 OMS、OCP、ODC 等核心工具。這些努力的目標只有一個：降低用户的使用門檻，讓更多人能夠真正用起來。

易用性的提升是一個持續性的工程。與數據庫內核的優化一樣，它沒有終點，只有不斷逼近用户期望的過程。

開源戰略的關鍵演進：代碼分支的統一

開源大約一年後，我們遇到了一個嚴峻的工程問題：社區版與企業版的代碼同步。

在 OceanBase 3.X 時代，兩個版本分屬不同的代碼分支，由不同的團隊維護。這種架構導致了大量的同步成本和潛在的功能差異。用户時常會遇到社區版已修復的問題在企業版中依然存在的情況。

到了 4.X 時代，我們做出了一個重要的技術決策：將社區版與企業版合併到同一個代碼分支，通過編譯宏來區分不同的發行版本。為了達到這個目標，我們投入了大量的研發資源對代碼進行模塊化改造，雖然投入的資源比較大，但它向社區傳遞了一個明確的信號——我們對開源的承諾是真實的、長期的。

四年成績：規模化驗證

截至目前，OceanBase 開源已經四年，部署量突破 10 萬套，企業用户超過 2000 家。從增長曲線來看，前年 6000 套，去年 3 萬套，今年突破 10 萬套——這是一個指數級的增長態勢。

在國產數據庫領域，除 PostgreSQL 和 MySQL 生態外，OceanBase 社區的規模是最大的。這組數據説明，開源策略得到了市場的驗證。

但規模的增長並不意味着挑戰的消失。恰恰相反，最大的挑戰正在到來。

AI重構基礎設施的底層邏輯

GenAI：不是工具升級，而是基礎設施的代際更替

觀察一組數據：ChatGPT 發佈 17 個月後，月活用户突破 8 億，年搜索量達到谷歌的 5.5 倍。

這組數據的意義不在於某個產品的成功，而在於它揭示了一個趨勢：GenAI 正在成為新一代基礎設施的核心。這不是工具層面的迭代升級，而是整個技術棧的代際更替。

對於數據庫而言，這意味着什麼？意味着我們必須重新思考數據庫的核心價值主張。

AI應用：從概念驗證到規模落地

AI 的大規模落地，最終要通過應用來實現。只有應用才能將 AI 的能力轉化為端到端的生產力提升。

以 AI Coding 為例。使用過這類工具的開發者會有一個共同的感受：這是兩個完全不同的世界。這種體驗上的斷層，正是 AI 應用價值的直觀體現。

AI 時代對數據庫的三重挑戰
縱觀全球 AI 數據庫領域的技術領先者，會發現他們都在迴應三個共同的挑戰：數據的融合、模型的融合、對開發者的快速響應。

這三個方向，構成了 AI 時代數據庫演進的核心命題。OceanBase 的迴應，就是 seekdb。

OceanBase 應對 AI 時代數據挑戰的解法：seekdb

seekdb 的定位是 AI 原生混合搜索數據庫。理解這個定位，需要從三個維度展開。

數據融合：多模態存儲與混合搜索

需求的真實來源

數據融合的需求，源於業務場景的真實演變，而非技術團隊的自我想象。

我們與內部多個大規模業務團隊進行過深入交流——釘釘、飛豬等日活過億、數據量達 PB 級別的業務。這些業務處於技術應用的最前沿，他們遇到的問題往往預示着整個行業即將面臨的挑戰。

以飛豬為例，他們在向量搜索場景中遇到了一個典型問題：單純的向量相似度檢索無法滿足業務需求。他們需要對標量數據的每一行設置權重，需要實現複雜的 Trigger 邏輯來動態調整搜索策略。換言之，向量檢索必須與結構化數據的精確過濾深度結合，才能產出真正有業務價值的結果。

這不是個案。當 RAG 和搜索場景進入深水區，幾乎所有團隊都會遇到類似的問題。

從單一索引到混合檢索

傳統數據庫的設計假設是：不同類型的數據使用不同的索引，彼此相對獨立。全文索引處理文本，B+ 樹索引處理結構化數據，它們各司其職。

但 AI 時代的數據使用方式打破了這個假設。一個典型的 AI 應用查詢可能同時涉及：向量相似度匹配（語義理解）、全文檢索（關鍵詞匹配）、結構化過濾（時間、地點、類別等約束）、JSON 字段的嵌套查詢、GIS 空間計算。這些不同類型的檢索需要在一個查詢中協同工作，並且需要統一的相關性排序。

這就是混合搜索的本質：不是簡單地把多種索引堆疊在一起，而是讓它們在查詢層面實現真正的融合，產出統一的、業務可用的結果。

深水區的技術挑戰

混合搜索帶來的技術挑戰是多維度的。

首先是數據理解的深度。當底層數據的使用方式發生變化，編程接口也必須隨之演進。開發者需要新的表達方式來描述複雜的混合查詢意圖，這對 API 設計提出了很高的要求。

其次是性能優化的複雜度。不同類型的索引有不同的性能特徵，如何在混合查詢中找到最優的執行路徑，是一個複雜的優化問題。

最後是一致性保障。多模態數據的事務一致性如何保證？當向量索引和結構化索引需要同時更新時，如何確保數據的完整性？

這只是起點

今天我們看到的全文索引、向量索引、JSON、GIS 的混合檢索，只是這個演進過程的起點。

未來的數據融合會更深度、更靈活。我們可以預見的方向包括：更多模態數據的支持（音頻、視頻的原生理解）、更智能的查詢理解（自然語言到混合查詢的自動轉換）、更動態的索引策略（根據查詢模式自動優化）。

這是 AI 時代對數據庫的內在要求，也是 seekdb 持續演進的方向。

模型融合：AI Inside的技術路徑
行業趨勢的觀察

觀察 Oracle、Snowflake、Databricks 等企業的技術路線圖，會發現 AI Inside 正在成為數據庫基礎設施的重要方向。

所謂 AI Inside，核心理念是將 AI 能力內置到數據庫引擎中，而非作為外部服務調用。這意味着數據庫不再僅僅是數據的存儲和檢索系統，而是具備了理解數據、生成數據、推理數據的能力。

坦率地説，這個領域目前還處於早期探索階段。包括上述巨頭在內，都還在尋找最優的技術路徑。OceanBase 也是如此，seekdb 的 AI Inside 能力剛剛起步。

但方向的確定性是清晰的。這不是“要不要做”的問題，而是“如何做好”的問題。

用户視角的終極體驗

理解 AI Inside 的價值，最好的方式是從用户視角出發。

用户真正需要的體驗是什麼？是"Document in, Data out"——輸入自然語言描述的需求，直接獲得可用的數據結果。用户不應該需要理解底層的數據模型，不應該需要編寫複雜的查詢語句，不應該需要手動組合多個 API 調用。

舉一個具體的例子。假設用户想要查詢“過去一個月銷售額增長最快的產品類別，排除季節性因素的影響”。在傳統模式下，這個查詢需要：編寫 SQL 聚合查詢、實現季節性調整的統計算法、可能還需要調用外部的時間序列分析服務。

在 AI Inside 的理想狀態下，用户只需要用自然語言描述這個需求，數據庫內置的 AI 能力會自動完成：理解查詢意圖、生成執行計劃、調用內置的統計分析能力、返回最終結果。

這是三句話完成數據查詢的願景背後的技術含義。

AI Inside 的技術內涵

實現 AI Inside 需要在多個技術層面進行深度整合。

第一是自然語言理解與查詢生成。數據庫需要理解用户的自然語言輸入，並將其轉換為可執行的查詢計劃。這不是簡單的 Text-to-SQL，而是需要理解業務語境、處理模糊表達、支持多輪交互。

第二是內置的向量計算能力。向量是 AI 時代數據的核心表示形式。數據庫需要原生支持向量的存儲、索引、計算，而非依賴外部的向量數據庫。

第三是模型推理的本地化。將模型推理能力集成到數據庫引擎中，可以避免數據在數據庫和 AI 服務之間的頻繁傳輸，大幅降低延遲並提高安全性。

第四是智能化的查詢優化。利用 AI 能力來優化查詢執行計劃，根據數據分佈和查詢模式動態調整策略。

第五是數據增強與生成。數據庫具備對數據進行自動標註、增強、甚至生成的能力，為下游 AI 應用提供更高質量的數據。

seekdb的技術佈局

與模型的深度融合，是我們做 seekdb 的核心技術方向之一。

在當前版本中，seekdb 已經具備了基礎的 AI Inside 能力：原生的向量數據類型和索引、內置的 Embedding 生成、簡化的自然語言查詢接口。

在未來的路線圖中，我們會持續強化這個方向：更強大的自然語言理解、更多預置的 AI 函數、更深度的模型集成、更智能的自動優化。

這是一個需要長期投入的方向，但也是數據庫在 AI 時代必須具備的核心能力。競爭的焦點在於誰能更早、更好地實現它。

輕量化：重新定義開發者體驗

應用開發者決定數據庫的未來

回顧歷史，20 年前 LAMP 架構的出現，讓 MySQL 佔據了中國互聯網幾乎全部的數據庫市場份額。這個現象的本質是：應用開發者決定了數據庫的選型走向。

傳統場景下，DBA 選擇數據庫的核心標準是成熟穩定。但在AI時代，如果要贏得開發者，就必須滿足他們的核心訴求：更快的迭代速度、更低的使用門檻、更輕的資源佔用。

架構層面的徹底重構

OceanBase 長期以來的一個目標是實現 1C幾G 資源下的運行。過去 2 年，我們投入了大量努力，不斷給 OceanBase 瘦身，但這個目標始終沒有徹底實現。

seekdb 選擇了一條更徹底的路徑：完全拋開歷史包袱，大刀闊斧進行設計，我們裁掉了分佈式架構、多租户、RS 部分模塊（集羣管理）、分佈式事務等複雜組件，大幅精簡了代碼量。

最終的結果是：OceanBase 最小需要 2C6G 資源，seekdb 最小隻需要1C2G（實際可以把資源佔用配置成更小，大家不妨一試），支持秒級啓動和嵌入式部署。嵌入式能力將打開端雲一體的場景空間，這在 IoT 等領域有廣闊的應用前景。

開發體驗的重新設計

我們為 seekdb 設計了全新的 SDK，相比原有的 Python SDK 更加簡潔——三行代碼即可完成一個基礎應用。安裝流程也進行了全面簡化。

迭代速度的根本性提升

上述所有改進，最終指向一個核心目標：更快地響應開發者需求。

OceanBase 的分佈式版本承載了金融級的高可用、強一致性等要求。這些要求決定了它的架構複雜度。數據庫中最複雜的模塊是事務管理，分佈式事務更是複雜性的頂峯——它涉及 RPC、大事務恢復等一系列技術難題。

seekdb 裁掉這些模塊後，可以實現真正的輕裝迭代，快速響應開發者的反饋和需求。

開放協議與生態戰略
seekdb 採用 Apache 2.0 協議。相比其他開源協議，Apache 2.0 對所有用户更加友好，尤其有利於海外市場的拓展。生態建設是 seekdb 的核心戰略方向。

seekdb 與 OceanBase 的定位區分
seekdb 的定位可以用兩個關鍵詞概括：更 AI Native、更輕量。

具體的選型建議是：數據量大、需要分佈式能力的場景，推薦 OceanBase；數據量輕量或者更偏 AI 類需求的場景，推薦 seekdb。seekdb 會在 AI 方向上保持更快的迭代節奏，更快地滿足這一領域的用户需求。

seekdb 之外：構建完整的 AI 開發者支持體系

AI 應用的三大熱點方向

當前 AI 領域最活躍的三個方向是 Agent、RAG 和 Memory。幾乎所有主要廠商都在這三個方向上進行佈局。對於 OceanBase 而言，除了 seekdb 本身，我們也在這些領域進行了系統性的投入。

PowerRAG：站在巨人肩膀上的創新

PowerRAG 是基於 RAGFlow 的二次開發項目。PowerRAG 的價值在於在此基礎上進行企業級的增強。

主要的增強方向包括：更好的企業級適配（高可用、權限管理等特性）、豐富的組件和插件支持（如 DeepSeek OCR, MinerU），這些能力在企業級 RAG 場景中非常關鍵。

PowerMem：讓 AI 應用更省 Token
PowerMem 是我們同期開源的 Memory 項目。它的核心價值是顯著降低 AI 應用的Token消耗——相比OpenAI的Memory方案，可以節省 96% 的 Token。

這個效果是如何實現的？主要有以下幾個技術手段：智能記憶管理、分層記憶架構、基於 seekdb 內核的混合檢索、Prompt 層面的深度優化、多模態支持。此外，我們也在探索 Graph 能力，以支持 AI Inside、千人千面等新型業務場景。

seekdb Roadmap：開發者與生態為核心

相比 OceanBase，seekdb 會更聚焦於開發者和生態。我們將積極與上下游生態夥伴合作，尤其期望能與 AI 開源項目、國內頭部開源項目和全球頂級開源項目建立深度合作。

社區很多朋友已經瞭解，今年我已經在海外工作過一段時間，明年預計會有更多時間在全球化上。這不意味着國內支持的減少——社區團隊會一如既往地服務好大家。同時，我們會投入更多資源去拓展和打通全球化開發者生態，讓 OceanBase 更開發者友好。
我一直有一個判斷：能夠走出國門的中國數據庫，必然是經過嚴苛市場考驗的優秀產品。在中國這樣競爭激烈的市場環境中存活並發展起來的數據庫，到全球市場往往更具有顯著的競爭優勢。

未來：seekdb的成長空間

今天的 seekdb，可以理解為 OceanBase 生態中的一個新生成員。OceanBase 積累了 15 年，已經具備了相當的規模和影響力。seekdb 則剛剛起步。

但我們對未來的判斷是：seekdb 的成長空間將充滿想象。

這個判斷基於兩個基本事實。第一，在數據庫市場中，集中數據庫市場還是很大的，這將幫助我們拓展一個更大的市場空間的可能性。第二，AI 是下一個時代的分水嶺，而 seekdb 繼承了 OceanBase 的可靠性、穩定性和強一致的 15 年的基礎能力，在 AI 這個方向上具有先天優勢。

未來，seekdb 將在 AI 的賽道上不斷快速迭代，然後不斷把沉澱的 AI 能力反哺給 OceanBase，更好的滿足更多企業級客户在關鍵業務負載、實時分析和 AI 搜索上的多元需求。

結語

回到開篇的三個問題。

seekdb 為什麼開源？因為開源是 OceanBase 的核心戰略，數據庫作為基礎設施必須與用户和生態共同成長。

seekdb 與 OceanBase 的定位有何區別？seekdb 更 AI Native、更輕量，更面向 AI 時代的開發者；OceanBase 則主要通過一體化的能力，全方位滿足企業級客户在關鍵業務負載、數據實時分析和 AI 搜索上的多元需求。

seekdb 的開源是否具有長期性？是的，它是戰略級的投入。正如 OceanBase 開源四年後依然在持續成長，seekdb 也將獲得長期、持續的投入。

開源不是終點，而是起點。seekdb 的開源，是 OceanBase 面向 AI 時代的戰略選擇。我們期待與社區一起，見證 seekdb 從起步走向成熟。