博客 / 列表

數據庫分享小北 - 阿里雲 Tair 聯合 SGLang對 Mamba-Transformer 等混合架構模型的支持方案

導讀 接着上一節內容對KV Cache存儲方案的深入解讀，本文介紹了阿里雲 Tair KVCache 團隊與SGLang 社區在推理框架上的提效——支持混合架構模型的工程化實踐。 在大模型長文本與智能體化趨勢下，Transformer 面臨顯存與計算瓶頸，而高效的 Mamba 模型語義召回受限。混合架構通過結合兩者優勢應運而生，卻帶來系統級挑戰：Transformer 的 Toke

資訊 , nosql , 阿里雲 , 數據庫 , SQL

數據庫分享小北 - 雲原生數據倉庫 AnalyticDB Supabase 使用全攻略

雲原生數據倉庫 AnalyticDB PostgreSQL 版 Supabase 是基於開源 Supabase 深度增強打造的全託管應用開發平台。平台延續原生 Supabase 的開發體驗，提供數據庫、用户鑑權、邊緣函數等核心功能，並結合阿里雲基礎設置提供更高性能、更強安全性和更完善的生態支持。 一、ADB Supabase 可以幫你做什麼 ADB Supabase 可以幫助你快速構建 AI 驅動

資訊 , MySQL , 教程 , 數據庫

數據庫分享小北 - 阿里雲 Tair 基於 3FS 工程化落地 KVCache：企業級部署、高可用運維與性能調優實踐

導讀 接着上一節內容，本文系統介紹了阿里雲 Tair KVCache 團隊與服務器研發存儲軟硬件結合團隊對 3FS（高性能 KVCache 底座）開展的全方位工程化升級實踐。 面向 AI 大模型推理中高吞吐、低延遲、強穩定性的核心訴求，團隊從性能調優、產品化增強與雲原生管理三大維度推進深度優化： 在性能層，通過 RDMA 流量均衡與小 I/O 參數調優，實現 4K 隨機讀

MySQL , nosql , 阿里雲 , 數據庫

數據庫分享小北 - 阿里雲 Tair 聯手 SGLang 共建 HiCache，構建面向“智能體式推理”的緩存新範式

導讀 在大型語言模型（LLM）推理中，KVCache 是提升效率的核心機制：通過緩存 Transformer 自注意力層的歷史 Key-Value 對，避免重複計算，顯著降低單次推理開銷。然而，在“智能體式推理”（Agentic Inference）這一新興範式下——模型需持續感知環境、進行多輪決策、自我反思，並協同其他智能體完成複雜任務——傳統 KVCache 機制暴露出三大關鍵瓶頸： 狀態

觀點 , 資訊 , MySQL , 知識 , 數據庫

數據庫分享小北 - Dify+ADB Supabase+LLM 實現 AI 客服系統

本文介紹如何使用Dify、雲原生數據倉庫AnalyticDB PostgreSQL版的Supabase和LLM構建一個AI客服系統，幫助在線服裝店高效處理售後諮詢、訂單查詢和個性化回覆。通過結合Dify的工作流能力、Supabase的實時數據存儲與LLM的自然語言理解能力，實現快速自動化響應，顯著減輕人工客服壓力並提升客户滿意度。 一、背景 雲原生數據倉庫AnalyticDB PostgreSQL

觀點 , 資訊 , MySQL , 知識 , 數據庫

數據庫分享小北 - 基於 Qoder 和 AnalyticDB Supabase 快速構建AI原生移動端 APP

本文介紹如何利用Qoder、雲原生數據倉庫 AnalyticDB PostgreSQL 版Supabase和通義千問圖像編輯模型（Qwen Image Edit），快速搭建一個無需傳統後端的AI手辦生圖Flutter應用。內容涵蓋從前端代碼自動生成、後端即服務（BaaS）配置，到AI模型集成，適合希望快速驗證AI原生應用原型並實現敏捷開發的開發者。 一、概述 在AI原生應用開發的時代，傳統的後端架

adb , 阿里雲

數據庫分享小北 - 讓企業決策像開掛！瑤池 Data Agent 全生命週期數據智能體使用全攻略

Data Agent 是瑤池數據庫基於 Data+AI 數智融合與 Agentic AI 技術趨勢打造的數據智能體產品，全面覆蓋數據的產生、存儲、加工、治理、分析的全生命週期，並具備自主規劃、智能執行、迭代優化等特性，實現從需求分析、數據探索到結果交付的全流程自動化。使業務人員無需掌握複雜的查詢語言或數據分析技能，即可獲取專業級分析結果，同時確保數據的準確性與安全性。 同時，面向所有依賴數

agent , MySQL , 阿里雲 , 數據庫

數據庫分享小北 - 告別碎片化運維！阿里雲DAS Agent助力10萬+用户邁入多雲數據庫AI-Native運維時代

導語 你的數據庫，是不是散落在阿里雲、本地IDC和他雲？ 阿里雲提供了各類數據庫產品，如PolarDB、RDS、Redis、MongoDB等，因引擎特性不同，監控與診斷邏輯各有側重；一旦在業務中進一步疊加本地 IDC 的 SQL Server、他雲等系統，監控平台五花八門、告警規則互不相通，運維變得像“拼圖”。 現在，有解了。 阿里雲數據庫自治服務DAS Agent，通過 AI 能力實現跨雲、跨引

觀點 , 資訊 , 數據庫 , 人工智能

數據庫分享小北 - 阿里雲「RDS AI助手」正式上線：大模型驅動的數據庫智能運維Copilot

還在為數據庫慢、配置難、巡檢煩而頭疼？ 現在，RDS AI助手正式上線，只需用自然語言提問，就能幫你查問題、做診斷、出報告、調參數——就像有個數據庫資深專家隨時待命，24小時在線答疑！ 它不是冷冰冰的對話窗口，而是深度跟數據庫控制枱交互融合，在你需要的地方出現一個RDS AI助手小圖標，點擊即用。 它是懂你業務、會看日誌、能寫建議的“智能運維搭子”。今天就帶你快速瞭解它的幾大核心

資訊 , MySQL , 知識 , 數據庫 , 後端

數據庫分享小北 - 基於 DMS Dify+Notebook+Airflow 實現 Agent 的一站式開發

本文作者：阿里雲數據庫開發專家 陳樞華 背景與挑戰 Dify 作為一款低代碼 AI 應用開發平台，憑藉其直觀的可視化工作流編排能力，極大降低了大模型應用的開發門檻。然而，在實際企業級落地過程中，我們發現其原生能力仍存在兩個關鍵瓶頸： 代碼執行能力受限：Dify 內置的 Sandbox 節點雖支持基礎 Python 代碼執行，但無法安裝自定義 Python 包，難以支撐複雜的業務邏輯、數據處理或

資訊 , 知識 , 數據庫 , dify

數據庫分享小北 - DMS Airflow：企業級數據工作流編排平台的專業實踐

本文作者：阿里雲數據庫技術專家 賈志威 DMS Airflow 是基於 Apache Airflow 構建的企業級數據工作流編排平台，通過深度集成阿里雲 DMS（Data Management Service）系統的各項能力，為數據團隊提供了強大的工作流調度、監控和管理能力。本文將從 Airflow 的高級編排能力、DMS 集成的特殊能力，以及 DMS Airflow 的使用示例三個方面，全面介紹

觀點 , MySQL , 知識 , 數據庫 , SQL

數據庫分享小北 - Dify+DeepSeek+夸克 On DMS 實現聯網版DeepSeek服務

阿里雲DMS重磅推出一站式AI應用部署解決方案：Dify+DeepSeekonDMS，開箱即用，獨立VPC部署，數據不出域更安全！ 支持Dify+DeepSeek私域部署+夸克搜索，簡單配置即可實現聯網搜索版DeepSeek服務。 DifyonDMS版本升級為0.15.3，團隊成員、構建應用程序和消息額度均無限制～ 參考操作演示視頻，一小時內即可拉起聯網搜索版私域DeepSeek服

nosql , 數據庫 , 人工智能

數據庫分享小北 - 【瑤池數據庫動手活動及話題本週精選（體驗ADB、 SelectDB，參與 RDS 遷移訓練營）】（4.28-5.4）

一、動手活動 活動1：體驗AnalyticDB無感集成（Zero-ETL）下的一站式數據分析，完成任務可領取300社區積分兑換各種商城好禮！ 急需高效數據分析，卻在為數據同步效率發愁？本方案藉助雲原生數據倉庫AnalyticDB提供無感集成（Zero-ETL）功能，能快速搭建 OLTP 與 OLAP 數據同步鏈路，一站式完成數據分析同步管理。 （一）活動時間 2025年4月3日-5月9日16:00

MySQL , nosql , 數據庫 , SQL

數據庫分享小北 - 如何構建企業級數據分析助手：Data Agent 開發實踐

本文作者：阿里雲數據庫高級技術專家 徐大丁(辰馬) 前言 “What I cannot create, I do not understand.” -- Richard Feynman 2025年3月，筆者曾撰文探討LLM驅動的AI Agent如何重塑人機協同模式，彼時更多聚焦於技術實驗與理論推演，尚未在實際業務場景中落地。如今，隨着Agentic AI技術的成熟，Data Agent for A

觀點 , 資訊 , MySQL , 教程 , 數據庫

數據庫分享小北 - 【瑤池數據庫動手活動及話題精選（體驗Dify on DMS，參與DMS Data Copilot討論）】

一、動手活動 基於 Dify on DMS 快速構建客服對話數據質檢服務 企業面臨傳統開發環境割裂及數據流轉不暢的挑戰？本方案基於數據管理服務 DMS，深度集成雲數據庫 RDS 與百鍊大模型，快速構建客服對話質檢服務，顯著降低數據庫與 AI 應用的開發門檻。 （一）活動時間 2025年9月9日-10月9日16:00:00 （二）活動獎品 300社區積分，限量200個，前15名完成全部任務的用户可額

資訊 , agent , MySQL , 數據庫

數據庫分享小北 - 有獎話題：Data Agent for Meta 能否成為企業級 “數據大腦”？

隨着生成式人工智能（Generative AI）從概念驗證邁向規模化商業落地，AI Agent已成為企業核心業務流程的重要組成部分。然而，當模型調用日益便捷時，核心痛點已不再是模型本身，而是集中在一個關鍵要素上：數據。 傳統的數據管理方式依賴於繁重的人工開發和漫長的維護週期，難以應對指數級增長的數據複雜度。數據孤島導致知識庫分散，通用大模型難以理解專業業務。AI Agent面臨"看不懂業務語

資訊 , agent , MySQL , 阿里雲 , 數據庫

數據庫分享小北 - Qoder + ADB Supabase ：5分鐘GET超火AI手辦生圖APP

視頻效果： 一、前言 在AI原生應用開發的時代，傳統的後端架構正在被重新定義。本文將帶你體驗如何使用 Qoder、阿里雲ADB Supabase 和通義千問圖像編輯模型（Qwen Image Edit），快速搭建一個完整的 AI 手辦生圖 Flutter 移動端應用。全程無需自建傳統後端，真實體驗一次 Vibe Coding 的極速開發。 二、總體思路 前端由 Qoder 根據需求自動生成

MySQL , 教程 , 知識 , 數據庫 , 後端

數據庫分享小北 - 極智編程：基於Qoder+PolarDB Supabase 實現全棧VibeCoding

前言 VibeCoding（氛圍編程）是一種由AI驅動的編程範式， 開發者通過自然語言描述需求，由AI自主完成選的代碼開發、調試以及部署運行。由OpenAI聯合創始人Andrej Karpathy於2025年提出，強調"對話驅動"的開發模式。 VibeCoding 極大的的降低了編程門檻，非專業開發人員也可通過自然語言交互來完成網站、APP的開發。 AI 雖然可以生成完美的前端甚至後端代碼，

觀點 , 資訊 , MySQL , 知識 , 數據庫

數據庫分享小北 - PolarDB Supabase 助力 Qoder、Cursor、Bolt.diy 完成 VibeCoding 最後一公里

引言：在“摩擦力”中追尋心流 Vibecoding——是每一位開發者都在追尋的理想境界：一種思想與代碼完全同步、創造力毫無阻礙的沉浸式“心流”狀態。然而，在日常工作中會常被各種“摩擦力”無情打斷：繁瑣的後端配置、重複的API聯調、以及等待編譯的漫長時間。每一次中斷，都是對寶貴心流的消耗。 近年來，AI原生IDE（如Qoder）的興起看似將我們推向了心流的邊緣，卻也暴露了一道更深的鴻溝：前後端

資訊 , MySQL , 數據庫

數據庫分享小北 - AI Agent的未來之爭：任務規劃，該由人主導還是AI自主？——阿里雲RDS AI助手的最佳實踐

引言 AI Agent其基礎架構可以簡單劃分為 Agent = LLM + 任務規劃（Plan） + 記憶（Memory） + 工具使用（Tools），現象級的AI Agent，例如deepresearch、manus、claude code等都在這個基礎框架上構建。 圖源 https://www.promptingguide.ai/research/llm-agents 任務

資訊 , MySQL , rds , 數據庫

數據庫分享小北 - 在Dify on DMS上搭建專屬版Deep Research Agent

引言 目前的Deep Research解決方案都一定程度上存在着以下兩個痛點問題： 一是“信息牆”：現有的Deep Research Agent大部分都依賴Web Search去搜索公開可用的網絡內容，這使得它們無法觸及企業內部的私域知識，結果就是，它做的研究報告，雖然看起來高大上，但跟咱們的實際業務貼不上邊，沒法直接用； 二是“信任牆”：當前Deep Research Agent的內部工作機制，

資訊 , 數據管理 , 數據 , 數據庫 , dify

數據庫分享小北 - 《阿里雲 Data+AI：開啓數據智能新時代》電子書上線啦！

本書整理了阿里雲在Data+AI領域的最新實踐案例與深度洞察，涵蓋電商、遊戲、營銷、數字內容等多個行業的成功經驗，以及技術專家對數據庫與AI融合趨勢的專業解讀。 通過理論與實踐的結合，我們將共同探索Data+AI如何成為企業智能化轉型的核心驅動力，幫助每一位讀者找到屬於自己的數據智能之路。 現在，只需點此即刻搶先下載閲讀，開啓這場數據智能的探索之旅。不要錯過這個與行業前沿接軌、為企業發展賦能的寶貴

date , 數據庫 , 人工智能