
SurrealDB 是一款新一代多模型資料庫,旨在作為 AI 代理的統一上下文層。與傳統資料庫強迫在文件、圖形或關聯模型中進行選擇不同,SurrealDB 原生支援所有這些範式,並結合了向量搜尋與時間序列資料。透過將這些資料結構整合至單一引擎,它消除了在不同資料庫間進行複雜資料同步管道的需求。它具備專有的查詢語言 SurrealQL,允許在單一語句中執行複雜的 JOIN 操作與圖形遍歷,顯著降低了 RAG(檢索增強生成)管道與代理記憶體管理的延遲。
SurrealDB 將文件、圖形、關聯與向量資料模型結合至單一引擎。這消除了 AI 技術堆疊中常見的「資料庫蔓延」問題,開發者無需再分別管理關聯資料與向量嵌入。透過統一這些模型,開發者可在單一原子查詢中跨圖形關係與向量相似度搜尋執行符合 ACID 的交易,確保資料一致性並降低架構複雜度。
該引擎內建對向量嵌入的支援,允許直接在資料庫內進行高效能相似度搜尋 (k-NN)。它支援餘弦 (Cosine)、歐幾里得 (Euclidean) 與曼哈頓 (Manhattan) 等多種距離度量。透過將向量與相關的中繼資料及圖形關係儲存在一起,它使代理能夠執行「上下文感知」檢索,在單一請求中不僅能獲取最相似的文件,還能獲取相關實體與歷史時間序列資料。
SurrealQL 是一種強大且受 SQL 啟發的語言,專為現代資料結構設計。它支援巢狀子查詢、圖形遍歷(例如 '->follows->user')以及用於資料操作的內建函數等進階功能。與標準 SQL 不同,它針對非關聯資料進行了最佳化,允許開發者在無需複雜 JOIN 或外部處理的情況下查詢深度巢狀的 JSON 文件與圖形邊緣,這對於即時代理決策至關重要。
SurrealDB 支援即時查詢,允許客戶端透過 WebSocket 即時訂閱資料變更。當記錄被建立、更新或刪除時,資料庫會將變更推送至客戶端。這對於需要立即對環境狀態變更做出反應的 AI 代理至關重要,實現了事件驅動架構,無需輪詢或使用 Kafka 等外部訊息代理。
該資料庫可運行於分散式高可用性叢集、單節點伺服器,甚至直接嵌入應用程式中(記憶體內或磁碟上)。這種靈活性使其適用於從在本地裝置上運行的邊緣運算 AI 代理到大規模雲端原生應用程式的各種場景。它在所有部署模式下提供一致的 API,允許開發者在本地進行原型設計並擴展至生產環境,而無需更改程式碼。
開發者使用 SurrealDB 同時儲存原始文件及其向量嵌入。當代理查詢資訊時,它會執行單一查詢,檢索相關的向量匹配文件及其關聯的圖形中繼資料,為 LLM 提供比標準向量資料庫更豐富、結構更完整的上下文。
AI 代理使用 SurrealDB 儲存長期情境記憶。透過使用圖形邊緣連結過去的互動、使用者偏好與時間序列日誌,代理可以遍歷自身的歷史,根據複雜的多維關係而非簡單的關鍵字匹配來提供個人化回應。
企業可建立實體與關係即時更新的動態知識圖譜。SurrealDB 允許在保持圖形完整性的同時將這些實體作為文件進行查詢,使代理能夠即時導航複雜的組織或技術層級。
需要強大的後端來管理 RAG 管道與代理記憶體。他們需要高效能向量搜尋與結構化資料的結合,以提供 LLM 準確且上下文豐富的資訊。
希望透過以單一統一解決方案取代多個專業資料庫(如 Postgres、Pinecone、Neo4j)來簡化技術堆疊,該解決方案能高效處理所有資料類型。
需要一個輕量級、可嵌入的資料庫,能在邊緣裝置上本地運行,同時保持全功能多模型資料庫的強大能力,以進行離線 AI 處理。
開源 (Apache 2.0)。SurrealDB Cloud 提供免費層級,並提供 Pro 與 Enterprise 方案,以滿足生產級擴展與支援需求。