Agentic Postgres：为智能体应用而生的 Postgres，支持快速分叉与 AI 就绪能力

Tiger Data（TimescaleDB 背后的公司）发布了 Agentic Postgres，这是一款基于 Postgres 的数据库，面向 AI 智能体与开发者设计。它在 Postgres 的基础之上扩展了快速分叉（fast forking）、MCP 服务器、原生 BM25 与向量搜索能力，并提供了一个可在终端中使用的 CLI 工具。

Agentic Postgres 内置的 MCP 服务器允许智能体和开发者通过高层提示与数据库交互，例如：“我想创建一个个人助理应用，请在 Tiger 上创建一个免费的服务，并按照 Postgres 最佳实践说明你会如何设计数据库 schema。”

Tiger Data 表示，他们将十余年的 Postgres 实战经验沉淀为一组内置的“主提示词”，覆盖 schema 设计、查询调优、迁移、原生全文检索与语义搜索等常见场景。

全文检索与语义搜索由两个 Postgres 插件提供支持：其一是改进版的 pgvectorscale，可在大规模场景下实现更高吞吐的索引构建、更好的召回率以及更低的延迟；其二是全新的 pg_textsearch，实现了基于 BM25 的现代关键词排序搜索，并针对混合 AI 工作流进行了优化。目前，pg_textsearch 以内存方式运行以确保最高性能，基于磁盘的运行模式仍在开发中。

Tiger Data 的 CTO 表示，Agentic Postgres 的底层核心是 Fluid Storage：

这是一种为弹性、迭代与安全性而设计的全新分布式存储系统，包括事务型分布式块存储、具备数据派生关系感知能力的存储代理，以及用户态块设备驱动，支持带版本的写时复制和与 Postgres 协同的一致性快照。

得益于 Fluid Storage，Agentic Postgres 能够在真实生产数据上实现快速、零拷贝的分叉操作，使得即时创建环境、安全地在沙盒中进行实验，以及直接在真实数据上运行智能体循环成为可能。Tiger Data 举例称，一个智能体可以在几秒内创建一个包含完整生产数据副本的隔离环境，并测试新增索引是否能够提升性能。

Tiger Data 强调，这种“流动性”并不仅仅是效率问题，而是智能体软件的关键能力。所谓流动性，指的是数据库能够即时扩展、分叉和收缩的真实弹性。在典型的智能体工作流中，智能体会自主创建、修改和部署代码，执行迁移、基准测试，然后再将一切销毁。这一过程若要有效运行，必须在秒级内完成。Tiger Data 认为，现有的数据库服务（如 Amazon EBS）在复制数据库时引入了较高延迟，并在缩容或调整规模时存在限制，无法满足这一性能要求。

Tiger Data 表示，当他们开始探索面向内部与客户使用的智能体时，很快意识到，现有的云基础设施需要被重新思考。

Level Up Coding 创始人、软件工程师 Nikki Siapno 在 X 平台上指出，AI 正在改变开发者对数据库的需求：

现在，数据库需要同时处理时间、语义和记忆，而且要集中在同一个系统中。传统系统并不是为此而设计的。（……）Tiger Data 的 Agentic Postgres 将时间、语义和记忆整合在了一起。

她也承认，理论上可以通过拼接插件或组合多个专用数据库来满足智能体记忆、大规模时序数据、向量搜索与语义检索等需求，但这“只会增加系统复杂度”。

此外，还有其他同样面向智能体软件的数据库服务，例如 Firebolt，它与 Postgres 兼容，并针对高并发分析型工作负载和亚秒级查询延迟进行了优化；以及 Weaviate 和 Qdrant，它们支持高维向量存储、相似度搜索和元数据过滤。

开发者目前可以通过免费套餐试用 Agentic Postgres，该套餐提供可分叉数据库、混合搜索、记忆 API 以及 MCP 集成，但在带宽和性能方面有所限制。

原文链接：

https://www.infoq.com/news/2025/12/agentic-postgres-fast-forking/