MatrixOne 简介

MatrixOne 是面向 AI Agent 与智能应用的统一数据基础设施。它在一个数据库中连接业务表、JSON、文档与外部文件，组合事务处理、实时分析、全文检索和向量检索，并通过 Git for Data 为数据变更提供快照、分支、差异对比、选择性应用、合并和恢复能力。

AI Agent 不仅需要读取数据，还会持续检索上下文、生成结果、转换数据，甚至执行影响业务状态的操作。传统数据架构通常将业务数据、对象文件、关键词索引和向量索引分散在不同系统中，导致数据反复搬运、权限边界复杂，也难以审查或撤销 Agent 产生的变更。MatrixOne 将这些能力收敛到兼容 MySQL 的 SQL 数据层中，让 Agent 可以在统一接口下访问多种数据，并在受控的数据工作区内完成实验和变更。

面向 AI 的统一数据层

MatrixOne 将不同形态的数据及其上下文组织在同一数据系统中：

  • 结构化数据：使用事务、SQL 查询和实时分析处理订单、用户、设备、指标等业务数据。

  • 半结构化数据：使用 JSON 等类型保存事件、模型输出、工具调用结果和动态属性。

  • 非结构化数据：通过 Stage 与 DATALINK 连接对象存储、远程文件系统或本地文件系统中的文档、图片、音频、视频、数据集和模型文件，并在表中管理其引用与元数据。

  • 向量数据：保存文本、图片或其他内容经外部模型生成的 Embedding，并与原始对象、业务字段及权限信息关联。

MatrixOne 存储和查询结构化、半结构化及向量数据，并管理外部文件的引用、元数据及 SQL 访问；外部文件内容仍保存在底层对象存储或文件系统中。对图片、音频、视频等内容的解析和 Embedding 生成通常由外部模型或 AI 服务完成，处理结果可以写回 MatrixOne，供后续检索和业务计算使用。

为 Agent 提供统一检索上下文

Agent 的上下文通常同时包含精确事实、关键词相关内容和语义相似内容。MatrixOne 支持在同一 SQL 数据层中组合：

  • 结构化查询：通过过滤、关联、聚合和事务读取获得准确、实时的业务事实。

  • 全文检索：通过全文索引检索文档和文本字段中的关键词。

  • 向量检索：使用向量类型、距离函数和 IVF 索引进行语义相似度检索。HNSW 索引目前是实验特性，需要开启 experimental_hnsw_index。详情参见向量检索和向量索引。

  • 混合检索：将结构化条件、全文匹配和向量相似度组合起来，为 RAG、企业搜索、推荐和智能问答提供更完整的上下文。

应用可以通过 SQL、MySQL 兼容协议和常见开发工具访问这些能力。模型推理和 Agent 编排可以继续使用现有框架，而 MatrixOne 作为统一数据层负责保存事实、检索上下文和持久化执行结果。

Git for Data：Agent 的安全数据工作区

Git 管理代码变更，Git for Data 管理人和 Agent 产生的数据变更。Agent 可以先在隔离的数据分支中执行清洗、补全、分类或数据转换，再由应用策略或人工检查差异，决定接受哪些结果。

表级分支可以直接执行 Diff、Pick 和 Merge。数据库级分支用于一次创建包含多张表的隔离工作区，但需要针对其中的相关表逐表执行 Diff、Pick 或 Merge；MatrixOne 目前没有数据库级的 DATA BRANCH DIFF、DATA BRANCH PICK 或 DATA BRANCH MERGE 语句。

Git 概念

MatrixOne 能力

Agent 工作流中的作用

tag

Snapshot

在 Agent 执行任务前保存已知数据基线

branch

Data Branch

为不同 Agent、任务或实验创建相互隔离的数据工作区

diff

Data Branch Diff

逐行检查 Agent 新增、删除和修改的数据

cherry-pick

Data Branch Pick

对具有显式主键的表，只接受经过验证的部分结果

merge

Data Branch Merge

按冲突策略将批准的变更合并到目标表

restore

Snapshot / PITR

在操作不符合预期时恢复到可信状态

典型工作流如下：

  1. 使用 CREATE SNAPSHOT 保存任务执行前的数据基线，或者在任务执行前确认已配置覆盖相应对象和时间范围的 PITR。

  2. 使用 DATA BRANCH CREATE 为 Agent 创建表级或数据库级分支。

  3. Agent 在分支中读取数据、调用模型并写入处理结果，不影响源数据。

  4. 对表级分支使用 DATA BRANCH DIFF 审查行级变化；对于数据库级分支，逐表检查相关表。

  5. 对具有显式主键的表，使用 DATA BRANCH PICK 接受部分结果；没有显式主键的表不支持 Pick。也可以使用 DATA BRANCH MERGE 将表级分支的变更合并到目标表。

  6. 删除不再需要的分支；如果合并后的结果不符合预期，可以使用快照或任务执行前已配置且保留范围有效的 PITR 恢复。

这种模式使 Agent 的数据操作具备隔离、审查、审批和恢复机制。有关完整概念、权限和 SQL 操作，请参见 Git for Data 和 Git for Data 教程。

支撑生产级 AI 工作负载

AI 与 Agent 能力建立在 MatrixOne 的分布式数据库底座之上：

  • 事务与分析一体化：同一份数据支持实时写入、事务处理、复杂分析和检索，减少跨系统同步。

  • MySQL 兼容：应用可以使用熟悉的 SQL、协议和生态工具接入 MatrixOne。

  • 存算分离：计算、事务和对象存储解耦，可根据检索、写入和分析负载调整资源。

  • 多账号隔离：在同一集群中隔离不同团队、应用或 Agent 的数据与访问边界。

  • 高可用与数据恢复：通过分布式日志、快照、备份和 PITR 保护持续运行的智能应用。

  • 开放部署：支持本地、私有云和公有云环境，便于在数据所在地构建 AI 应用。

典型应用场景

  • 企业知识库与 RAG：连接业务表和外部文档，组合全文、向量与结构化检索，为模型提供实时、可追溯的上下文。

  • Agent 数据处理：让 Agent 在隔离分支中清洗、分类、补全或转换数据，经过 Diff 和审批后再应用到主数据。

  • 训练数据和评测集管理：对数据集建立快照和分支，比较不同版本，并复现实验使用的数据状态。

  • 多模态应用：统一管理图片、音频、视频等外部对象的引用、元数据和 Embedding，支持内容搜索与推荐。

  • 智能业务应用：在同一系统中组合交易数据、实时分析和 AI 检索，减少数据进入独立数据库和搜索系统的延迟。

相关信息