OceanBase seekdb

在 AI 应用开发中，你是否还在为以下问题困扰？

• 需要同时维护向量数据库、全文搜索引擎和关系型数据库？
• RAG 系统链路过长，Embedding、检索、重排、LLM 调用分散在多个组件？
• 想用 MySQL 协议，但又需要向量搜索能力？

OceanBaseseekdb 正是为解决这些问题而生——它是一款 AI 原生的混合搜索数据库，在一个系统中统一支持 向量、文本、结构化与半结构化数据，并内置 AI 函数实现库内实时推理，彻底简化 AI 应用的数据架构。

核心能力：一个数据库，搞定 AI 数据全链路

✅ 混合搜索，一条 SQL 完成多路查询

• 向量搜索：支持高达 16,000 维，兼容 L2/内积/余弦相似度，提供 HNSW/IVF 索引与量化算法
• 全文搜索：基于 BM25，支持 Jieba、IK 等中文分词器，兼容自然语言、布尔、短语查询
• 混合检索：向量 + 全文 + 标量过滤 + 重排序，一条 SQL 即可完成 RAG 核心查询

✅ Semantic Index：文本直接语义搜索

无需手动调用 Embedding API。写入文本后，seekdb 自动完成嵌入并建索引；查询时只需输入自然语言，系统自动执行语义匹配与重排，大幅降低开发复杂度。

✅ 内置 AI Functions，支持库内推理

通过 AI_EMBED、AI_RERANK、AI_COMPLETE 等函数，在 SQL 中直接调用大模型或嵌入模型，实现：

• 实时生成 Embedding
• 查询结果智能重排
• 结合上下文生成回复

✅ 动态 JSON Schema，灵活管理元数据

支持 JSON 类型的部分更新、函数索引、多值索引，适合存储文档元信息，并可与向量/全文联合查询。

✅ 数据实时写入，即时可查

基于 LSM-Tree 架构，DML 操作时同步构建所有索引，写入即生效，无延迟。

极致易用：从嵌入式到生产级，一键部署

• 1C2G 小规格即可运行（实测通过 VectorDBBench 1536D50K 基准）
• 单点架构，零外部依赖：无需独立向量引擎或 ES 集群
• 三种部署模式：
  • 服务器模式：支持 yum、Docker、Windows/macOS 桌面版
  • 嵌入式模式：原生 Python 集成，pip install 后直接 import seekdb 作为内嵌数据库
• 深度兼容 MySQL：语法、协议、工具链无缝迁移，现有应用几乎零改造

典型应用场景

📘 RAG 应用

在单一数据库内完成“文档解析 → Embedding → 混合检索 → Rerank → LLM 输入”，实现 Doc In, Data Out 的端到端流程，提升生成准确性与可解释性。

💻 AI 辅助编程

对代码仓库构建向量+全文索引，支持语义代码搜索、函数补全，并用 JSON 存储语法树、依赖关系等元数据。

🤖 AI Agent 平台

作为 Agent 的记忆存储与检索中枢，支持会话管理、记忆写入、实时查询，无需引入 Redis + Pinecone + PostgreSQL 多套系统。

🛒 语义搜索

电商商品推荐、图片检索、人脸识别等场景，通过 Semantic Index 实现“输入文字，返回最相关结果”，开发效率倍增。

🔄 MySQL 应用 AI 化升级

已有 MySQL 应用可无缝升级至 seekdb，在保留原有交易能力的同时，新增向量与 AI 能力，迈向 HTAP + AI 融合架构。

为什么选择 seekdb？

• 不是“又一个向量数据库”，而是 AI 原生的 HTAP 数据库
• 不是“插件式扩展”，而是 原生融合向量、文本、结构化数据
• 不是“仅适合大厂”，而是 1C2G 起跑，嵌入式可用，大厂级性能可扩展