在大模型狂飆兩年之后，行業(yè)進入“應用見真章”的階段。在 2025 騰訊全球數(shù)字生態(tài)大會上，騰訊云發(fā)布數(shù)據(jù)庫AI服務，其中有多款智能體——SQL 事前風險預測、DDL 變更風險評估、高負載止損值守等。 

數(shù)據(jù)庫領域可以開發(fā)智能體的方向也有很多，騰訊云為什么會選擇從 SQL 風險治理入手？騰訊云數(shù)據(jù)庫副總經理羅云對雷峰網(wǎng)表示，主要因為這是最痛點、最難解決的環(huán)節(jié)?！?024 到 2025 年，我們每個月都觀察到有客戶因為 SQL 使用不當，導致數(shù)據(jù)庫出現(xiàn)風險事件。”

騰訊云講述過一個案例：在一次交易數(shù)據(jù)清理過程中，由于一條優(yōu)化不當?shù)?SQL 語句遺漏了關鍵索引，導致核心交易表被全表掃描。問題發(fā)生在交易時段，瞬間引發(fā)大量指令受阻，訂單提交接連超時，部分跨境交易也因此受到影響。最終，依靠風控系統(tǒng)的緊急處理才避免了更大范圍的系統(tǒng)癱瘓。

為何 SQL 使用不到風險如此之高呢？其中根因源于，數(shù)據(jù)庫的開發(fā)者與 DBA 之間，長期存在一道難以逾越的“認知鴻溝”。

開發(fā)團隊熟悉業(yè)務邏輯和代碼，常通過 ORM 框架生成 SQL，卻對底層數(shù)據(jù)庫運行機制了解有限；DBA 則精通數(shù)據(jù)庫內核和 SQL 優(yōu)化，但難以在開發(fā)環(huán)節(jié)進行前置干預。結果是，一旦風險 SQL 引發(fā)故障，DBA 往往只能被動“救火”，而根源難以追溯。

今年 2、3 月開始，騰訊云數(shù)據(jù)庫團隊開啟了智能體的開發(fā)，就是試圖解決的是開發(fā)者與數(shù)據(jù)庫管理員（DBA）之間長期存在的“鴻溝”，羅云談到。

SQL 事前風險預測智能體，就像提交前的“安全檢查員”，提前發(fā)現(xiàn)可能讓數(shù)據(jù)庫變慢或出問題的 SQL，提醒開發(fā)者修改。DDL 變更風險評估智能體，像改動前的“模擬演練教練”，先測試數(shù)據(jù)庫結構變更是否會影響系統(tǒng)穩(wěn)定，讓風險在上線前被發(fā)現(xiàn)。高負載止損值守智能體，像數(shù)據(jù)庫的“安全衛(wèi)士”，實時監(jiān)控，當系統(tǒng)壓力過大時自動采取保護措施，避免業(yè)務崩潰。

據(jù)羅云對雷峰網(wǎng)(公眾號：雷峰網(wǎng))透露，智能體的開發(fā)，底下依托的是垂直數(shù)據(jù)庫大模型，并結合全域上下文和工具集三大基座。 

騰訊云的垂直數(shù)據(jù)庫大模型的自研最早可以追溯到2023 、2024年，一開始他們通過有監(jiān)督微調（SFT）補課專業(yè)能力，靠人工標注數(shù)據(jù)搭起基礎，2025 年 DeepSeek 出現(xiàn)后，全面轉向強化學習，用更復雜的獎勵機制逼迫模型自我優(yōu)化。

當然，這過程中也遇到過不少的難點，比如做 SFT（有監(jiān)督微調）的難點是語料和數(shù)據(jù)集，團隊需要大量人工投入，對每一個案例進行標注：哪些 SQL 或代碼生成是正確的，哪些是不符合要求的。這個數(shù)據(jù)標注過程非常耗時，但決定了模型在專業(yè)任務上的基礎能力。

強化學習（Reinforcement Learning）  重點在于獎勵模型的設計。在強化學習中，模型每一次輸出都需要評估：是“做得更好”還是“退步了”？團隊花了很多時間設計算法和評分機制，去判斷每一次生成的 Token 的質量，從而讓模型在實際使用中不斷優(yōu)化。

目前這這些智能體已經在騰訊內部多部門使用，對外客戶目前也在同步進行交流中，預計明年會對外服務。

對于智能體的商業(yè)化問題，羅云認為，不要從短期市場規(guī)模出發(fā)，而是押注長期戰(zhàn)略價值。羅云判斷，數(shù)據(jù)庫智能體未來真正的商業(yè)回報不在“風險防控”本身，而在兩個方向：第一是，Data Insight：幫企業(yè)“淘金”，挖掘數(shù)據(jù)價值，付費意愿遠高于守住底線；第二是智能體支持套件：當甲方通過智能體賺錢后，配套工具的變現(xiàn)空間巨大。

在數(shù)據(jù)庫產品線宣布推出Agent 之前，幾乎所有產品都在探索AI，一方面將 AI 的功能加入到原有的產品中，比如在騰訊會議中加入了實時 AI 紀要功能，另一方面正在開發(fā)更多的 AI 原生應用，比如說CodeBuddy ima等已經對外推出，分別應用于企業(yè)開發(fā)、知識庫管理。

那么，為什么騰訊會選擇在今年加速布局智能體？ 

羅云認為，這與時機密切相關。早一年做可能還不合適，因為當時底層大模型還在快速迭代，應用層開發(fā)容易因模型變化被推倒重來。而如今大模型迭代速度趨于平緩，應用開發(fā)更穩(wěn)定可控。

在這樣的技術判斷下，上半年騰訊內部掀起了一場智能體開發(fā)熱潮：各條產品線結合自身場景和行業(yè)特點，積極探索 Agent 應用。而眼下，數(shù)據(jù)庫團隊推出的智能體，也正是這種內外部因素共同作用的產物。

雷峰網(wǎng)原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。