2026 年 SelectDB AI 产品发布会圆满举行。本次发布会聚焦 Agent 时代下数据分析基础设施的全新变化，围绕极速分析、多模数据统一管理、Agent Native、Agent Observability 以及 Serverless 弹性架构等方向，系统展示了 SelectDB 面向 AI 与 Agent 场景的最新产品演进。

然而，当 AI Agent 开始深度接入企业核心生产线，这一底层逻辑正在被打破。面对以亚秒级消费数据、高频自主调用工具、流量呈现极端波峰波谷为特征的机器集成新常态，传统的数据体系正面临前所未有的挑战。

每个数据团队都熟悉这样的期待：业务用户用自然语言问一句："上季度亚太区月活用户数是多少？"或"为什么华东仓的履约时效在过去两周下降了？"系统就能立即给出准确、可追溯、可行动的答案。这正是 Agentic Analytics 正在描绘的下一代分析体验。

新业务上线前夕，核心数据表的设计通常已通过初步验证。在一个基于 Apache Doris 架构的多租户分析场景下，工程师采用几组测试数据进行验证，结果显示数据分布均匀、秒级返回，符合上线标准。

当企业级 Agent 步入生产环境，懂语义却查不对业务事实成了落地的最大痛点。为了拼凑完整的上下文，许多团队被迫进行多库拼接，导致推理链路极度割裂。既然纯向量检索撑不起复杂的混合查询，Agent 真正缺失的底层数据入口究竟在哪里？

摘要：针对大模型应用中专用向量库成本高、混合查询难的痛点，本文深入拆解 Apache Doris 4.1 原生向量检索的工程实践。从 IVF 算法降本、存储分层，到突破性能瓶颈的 ANN Index Only Scan，系统化解决 AI 时代的海量数据存算难题。在大幅压低内存开销的同时，跑出了...

先从一个真实场景出发：某团队上线了一款客服 Agent，并规范地接入了 Prometheus、Grafana、ELK 等主流的可观测性工具。从监控大盘来看，各项核心指标非常完美：P99 延迟为 0.2 秒，错误率为 0.001%，Token 消耗曲线表现平稳，所有系统指标均处于健康状态。

导读：多模态数据正成为企业核心资产，但规模化管理仍具挑战。自动驾驶在 PB 级图像、点云、视频等数据治理中积累了可复用经验。本文介绍某公司以 Apache Doris 统一标签、元数据、全文和向量检索，将查询从分钟级提升至秒级。

摘要：Litefuse 是一个 Agent 可观测与评估平台，通过 Evaluation Driven Development (EDD) “观测-评估-优化”闭环，让 Agent 的执行过程可追踪、问题可定位、效果可量化、优化可验证。Litefuse 兼容 Langfuse SDK 和 100 多个 AI 生态，并支持 Hermes、OpenClaw、Cl...

这背后并不只是应用形态变化，更像是一场新的接口革命：人不再需要理解每一个工具的使用方式，也不再需要在不同系统之间反复切换；人只需要表达目标，Agent 则负责理解意图、拆解任务、选择工具、调用数据并完成执行。

在交易、行情、IoT、日志补全等典型时间序列场景中，业务需要的不是普通等值关联，而是“按业务键分组后，在时间轴上找到不晚于左侧记录的最近一条右侧记录”。ASOF JOIN 正是为这类问题设计的：它把“同键匹配”和“时间近邻”统一到一条执行路径上，天然适合做交易撮合行...

摘要：本文从 AI Agent 日志观测切入，讨论 JSON 分析为什么重要：Agent Trace、Tool Call、RAG 检索结果、Prompt 和 Reasoning 具有嵌套结构与动态 Schema，既不能简单拍平，也不适合只当 String 存储。因此，如何保留 JSON 灵活性的同时，获得列式存储的查询性能，...

摘要：随着数据不断演进，尤其在 AI Agent、LLMOps 与可观测性系统快速发展的背景下，宽 JSON 的字段膨胀带来巨大的性能挑战。Apache Doris 4.1 通过 Doc Mode 与 Segment V3 实现了高效的存储与查询优化，使系统在写入吞吐、查询性能与资源开销之间保持良好平衡，其...

随着大语言模型（LLM）的普及，检索增强生成（RAG）技术成为解决大模型知识时效性、准确性问题的核心方案，通过引入外部知识库，为模型提供实时、可控的上下文，从而提升回答的准确性与可解释性。

AI 时代，数据库已成为智能 Agent、RAG 系统、大模型应用和 AI 可观测平台 的基础设施。它不仅要能存结构化数据，更要能承载长上下文、向量、全文、Trace、事件流等新型数据。不仅要能分析，更要能实时检索、混合召回、在线服务和系统治理。

金城银行通过引入 Apache Doris，结合 Flink CDC 重构数据链路，将端到端延迟压缩至 2-3 分钟，实现从离线批处理向准实时分析的关键跃迁。

在实时分析领域，Apache Doris 已经成为一款被广泛采用的开源 OLAP 数据库。凭借高性能查询引擎与一体化架构，Doris 在实时数仓、日志分析等场景中持续发挥重要作用，并在近几个版本中不断向 AI 与搜索能力演进。

摘要：瓴岳科技原数据平台基于 Hive 与 StarRocks、Spark 多引擎协同架构，随着数据规模增长，在性能与易用性上逐渐面临瓶颈。通过引入阿里云 SelectDB，构建湖仓一体化探索分析平台，在无需迁移数据的前提下实现对 Hive 数据湖的透明加速，显著提升查询性能并简化架...

但进入 2026 年，这个问题正在被重新定义。随着 AI 应用的爆发式增长，数据系统不再只是分析工具，而逐渐成为 智能系统的一部分。数据不再只是被查询，而是被 Agent 调用、被模型理解、被系统实时消费。

摘要：丰巢日志平台从 ELK 升级至 Apache Doris，旨在构建统一、高效的可观测性底座。新架构解决了原系统在写入、存储和查询上的瓶颈：存储成本降低 50%，写入性能提升 2 倍，查询速度提升 6 倍。为未来统一可观测性平台的建设奠定了技术基础。