TDSQL Nexa 正式发布：重新定义 AI 时代的数据底座

数据库的用户，正在被重新定义

过去几十年，数据库的最终使用者始终是人，所有产品设计、能力抽象、文档体系都围绕"人"构建。但今天，各行各业都在用 Agent 重构生产流程，Agent 正在成为重要使用者。用户的变化倒逼思考范式转变：如何让 Agent 自主、可控地交付结果——这正是 TDSQL Nexa 诞生的起点。

拆解 Agent：什么才是对 Agent 友好的数据底座

要服务好 Agent 这一新用户，我们先拆解它由哪些部分组成、究竟需要什么：

Agent=LLm+ Context + Tool+ Control

LLM 决定了 Agent 的基础智能，而数据底座真正能够提供和持续增强的，主要是 Context、Tool 与 Control。数据底座需要回答以下三个问题：

1）如何提供更好的上下文数据？

2）如何提供更全面的 Agent 可调用的工具？

3）如何提供更完善的 Agent 控制机制？

在回答上述三个问题前，我们先分享一下目前观察到的三类核心痛点。

Context痛点：隐性 Context 与经验 Context 沉淀不足

没有完善的上下文，再强的模型也无法做出正确决策。但"Context"绝不仅仅是我们在对话历史中输入的 Prompt。在企业场景下，我们认为一个完整的 Context 至少包含三层：

要让 Agent 真正驾驭企业数据，业务语义和专家经验必须被沉淀下来，存储在数据底座上供 Agent 随取随用，从而让 Agent 更高效、稳定地运行。

Tool 痛点：给Agent一个健全的工具箱

Tool 是 Agent 处理和存储数据的能力集合。目前企业Agent的要求往往是：既要、又要、还要。

1、 数据模态方面：结构化、半结构化、非结构化，都能存、都能查。

2、 计算类型上：事务处理、分析计算、全文/向量搜索、AI 计算要都能行。

3、 计算性能上：从高并发在线业务，到大规模离线分析，要求全覆盖。

Agent 不应该为了完成一个任务，去多个系统之间跳转。这些能力应该收拢在一个平台内，让 Agent 可以在一个平台中找到完成任务所需的全部工具。

Control 痛点：可控是让 Agent 走向企业级的最后一公里

我们通常认为：失控的 Agent 比不够聪明的 Agent 更可怕。相关风险主要集中在以下四个方面。

因此，Control 不是可选项，而是 Agent 进入企业生产环境的准入门槛。

TDSQL Nexa：面向AI时代的数据底座

为满足企业在 AI 时代的数据需求，我们正式推出企业级 AI 数据底座——TDSQL Nexa。Nexa 生来为 AI 服务，通过统一数据平面、多模态数据管理与统一元数据纳管，持续沉淀业务语义与专家经验，让 AI Agent 真正理解、使用和驾驭企业数据。下面围绕 Context、Tool、Control 三大问题展开介绍。

好的 Context：让 Agent “看得见、看得懂、用得对”

1、 一份数据，多种模态，一个平面

企业数据的天然状态是离散且异构的：有 Kafka 里的流、有 MySQL 里的表、还有对象存储里的图片和文本。让 Agent 去每个系统里各取一份，既低效又危险。为了给Agent提供好的 Context，TDSQL Nexa 通过三层设计，把这些数据"聚"到一个平面上。

对需要高性能分析的场景，Mirroring 服务支持通过旁路机制将数据物理复制到 Nexa 存储层，形成可分析、可搜索、可 AI 化的一份物理副本。而对于时效性要求极高的场景，Nexa支持用户逻辑纳管外部数据库，通过联邦查询实现就地访问。

为了加速对象存储访问，Nexa在COS和计算层之间引入了GooseFS分布式缓存加速层，通过自适应缓存策略使热数据常驻于近计算端。

在底层存储上，Nexa支持采用开放存储格式，包括Lance 和 Iceberg 两种格式。两者共同落地在 COS 对象存储上，资源弹性可伸缩，使企业无需为存储预留昂贵的高性能硬盘，从而大幅降低数据基础设施的持有成本，支撑 AI 创新的健康可持续发展。

2、 语义与经验沉淀：Nexa Knowledge

把数据汇聚到一起，只解决了“看得见”的问题。要让 Agent 真正“看得懂”，还需要把业务语义和专家经验沉淀下来。

● Nexa支持自动业务建模，有效降低人工成本。

● Nexa支持专家经验沉淀，帮助 Agent 从源头生成更高质量的代码/SQL。

全模态工具箱：一个平台，覆盖 Agent 的所有计算诉求

1、四大引擎，多场景赋能

在核心引擎的基础上，我们针对不同垂直业务场景提供了专用计算引擎：

1）针对高并发在线业务，我们提供事务引擎，背后是腾讯多年稳定服务万千客户的TDSQL-B、TDSQL-C、云 PostgreSQL等数据库产品，用户可按需灵活选择。

2）针对RAG和语义搜索等场景，Nexa提供了专用搜索引擎，具备高性能混合检索能力，且兼容开源OpenSearch。

3）针对AI 计算场景，AI 计算引擎原生支持多模数据转换、AI Function调用，让Agent在多模数据处理场景下更加从容。

4）针对大规模数据分析场景，分析引擎支持数据分析与聚合。

四大引擎并不是彼此割裂的能力，而是可以在统一平台内按需组合，共同完成一项复杂任务。

2、智能编排路由：让 Agent 无需关心"用哪个引擎"

多引擎的最大挑战不是"够不够全"，而是"用户如何选择"。过去数据是在TP业务系统还是流转到AP系统，以及如何查询，要由DBA做精心设计与编排。今天，我们把这件事交给系统：

● 统一入口：Agent 只提交“我要什么”，不指定"走哪里"；

● 智能路由：根据查询特征、数据分布、当前负载，自动选择最优引擎组合；

● 跨引擎联邦执行：一条查询可以同时用到 OLAP 扫全量、检索引擎召回、AI 引擎打分，结果统一返回。

对 Agent 来说，它不需要理解引擎差异，只需要表达业务意图。认知成本从"多个引擎"降为"一个平台"。

3、开放生态：高度兼容开源能力，而且还要“更好”

数据处理技术日新月异，向量检索、湖仓分析、流计算每年都在刷新性能上限；若每次升级都要重构接口和数据格式，业务 Agent 将难以跟进。Nexa 坚持开放生态、充分兼容最新开源特性，并做到"用得更好"：

● 性能强化：结合 GooseFS 缓存、Nexa 自研的分布式调度层，让Agent获得更好的性能；

● 企业级特性：支持高可用、多租户、审计、动态脱敏等企业级能力；

● 协议对齐：在多引擎协同查询时，让所有引擎收敛到统一的入口，屏蔽引擎间的方言差异。

一句话总结：选择 Nexa，等于选择了开放、可扩展的未来。

企业级 Control：Agent 时代的信任基石

Agent要真正服务于生产业务，安全可信是关键。

1）Nexa构建统一元数据底座，对元数据进行统一管理，让用户知道当前用的是哪份数据，是否可用。

2）Nexa具备统一权限体系，将Agent升级为一个身份明确、权限独立、行为可控、结果可审计的数字员工。

3）Nexa 支持全链路血缘与审计跟踪，让数据从哪里来可解释，Agent 做了什么可追踪，配置发生哪些变化可回溯，异常操作发生时可阻断。

结语

数据库的用户正在从"人"延伸到"Agent"，数据底座的使命也随之改变：不仅要存好、算好数据，更要让 Agent 看得见、看得懂、用得对，并始终在清晰的权限与治理边界内行动。今天，TDSQL Nexa 正式亮相，以统一数据平面融合 Context、Tool、Control，帮助企业将分散的数据、业务语义与专家经验转化为可持续的智能生产力——我们期待与更多企业和开发者一起，让每一次数据调用都更加高效、可信、可控。

TencentDB