11月18日，OceanBase开源了其首款AI原生数据库seekdb，这款专注于为AI应用提供高效混合搜索能力的数据库，正在悄然改变AI应用的开发方式。

AI 应用的核心不是模型本身，而是数据能否被高效检索、理解和关联。然而，在很长一段时间里，AI 应用的开发都被一种繁琐的“三库拼装架构”所束缚：

• 关系型数据库存元数据
• 向量数据库存 embedding
• 搜索引擎（ES）做全文检索

数据类型	旧工具	目的
元数据（结构化）	MySQL / PostgreSQL	记录文档信息、对话记录等
文本全文检索	Elasticsearch	文本倒排检索
向量检索	Milvus / Chroma	语义召回

开发者不得不同时维护三个完全不同的系统，自己拼接召回链路，再用应用层逻辑做精排，导致：

• 架构复杂
• 成本高
• 数据不一致
• 查询链路冗长且低效
• 开发和调试体验差

11 月 18 日，OceanBase 发布开源的 seekdb，正是要改变这一切。
它通过统一向量、文本、结构化/半结构化数据，把原本分裂的检索能力全部合并进一个数据库，让 AI 应用第一次可以用一种方式、一个引擎处理所有数据。

一.什么是seekdb？

seekdb（OceanBase seekdb）是一款AI原生混合搜索数据库，它统一了向量（vector）、文本（text）、结构化（structured）与半结构化数据（semi-structured），在一个单引擎中支持混合检索。简单来说，它是一个像SQLite一样可嵌入、像Elasticsearch一样做全文检索、像向量数据库一样做embedding搜索，又能支持结构化/半结构化查询的"全能型"数据库。

1.1seekdb 如何改变开发方式？

seekdb 提出了一套新的 AI 数据范式：

“一个数据库 = 向量库 + 全文库 + 文档库 + SQL 事务库 + AI 推理引擎”

它实现的是 从数据到检索、从模型到推理的全链路统一。

AI 框架过去存在一个巨大的缺口：

✔ 模型能力强
❌ 数据检索能力弱
❌ 缺少统一的存储引擎

seekdb 完全补上了这个缺口。
结果是：

• LangChain / LlamaIndex 的 RAG 链路变短
• Dify 可以把 seekdb 作为元数据库 + 向量数据库
• HuggingFace embedding 流程更简单
• AI Agent 有了真正的“长期记忆体”

生态反向增强了 seekdb 的价值，它也在增强生态本身。

从更深层的角度看，seekdb 的价值并不仅仅在于“整合了多种能力”，而在于它 重新定义了 AI 应用的数据组织方式。传统 AI 应用往往依赖多个外部系统拼接能力，而 seekdb 将所有关键能力收敛到同一引擎后，使得应用层不再需要负责数据融合、索引管理、模型调用调度等复杂逻辑。开发者只需面向一个数据库，就能获得跨文本、向量、结构化数据的统一检索能力。这种范式转变，让应用从“外部编排”走向“库内协同”，显著降低了心智负担，也让 AI 系统具备了更强的一致性和可维护性。更重要的是，随着 LangChain、Dify、Cursor 等生态的反向适配，seekdb 不再只是一个数据库，而成为 AI 应用开发框架的底层基座，推动整个行业从碎片化架构向统一化数据范式演进。

1.2 核心特性

1. AI原生混合搜索能力：支持向量、全文、标量及空间地理数据的统一混合搜索，通过粗排+精排机制，保持毫秒级响应，支持百亿级向量检索。
2. 极简部署：最低只需1核CPU、2GB内存即可运行，支持pip一键安装，Docker部署，以及嵌入式模式，真正做到开箱即用。
3. 开发者友好：提供Python SDK、MySQL兼容协议，支持Navicat等常用数据库管理工具，兼容30余种主流AI框架，包括FastGPT、RAGFlow、LangChain、Dify等。
4. AI Function功能：内置AI函数，可以在数据库内直接调用大模型或向量模型，完成数据的嵌入和推理，实现真正的"AI原生"。

部署层面，它同时支持嵌入式与服务器两种模式，嵌入式模式可直接集成至 Python 应用，极大降低个人开发的接入门槛；核心能力上，其多模数据与索引层全面兼容向量、文本、JSON、GIS 等多类型数据，内置 HNSW/IVF 向量索引、BM25 全文索引、混合索引、JSON 索引及主键 / 二级索引、GIS 索引等丰富索引体系，并结合索引量化、多分词器适配等优化手段，保障各类数据的高效检索；

多模计算层则针对混合负载场景深度优化，不仅支持向量、全文、标量条件的混合搜索以提升 RAG 场景查询精度，还提供 AI Function 实现库内实时推理，同时具备完整的 ACID 事务、MVCC 多版本并发能力，搭配智能查询优化器、自适应执行引擎与灵活的 PL UDF 功能，可适配多样化业务需求；

接口层面，seekdb 兼容 MySQL 原生驱动，提供基于 SQL 的多模数据统一查询语言，还封装了更易用的向量库 / 混搜 SDK，适配 LangChain、LlamaIndex、Dify 等近 30 种应用开发框架，并通过 MCP Server 实现与 AI 生态的无缝对接，为开发者提供从数据存储、检索到 AI 协同的全链路解决方案。

1.3seekdb能做什么？

1. 构建高效RAG应用

seekdb完美解决了传统RAG应用中数据架构复杂的问题。过去，为了实现精准检索，通常需要维护三套完全不同的系统：MySQL/PostgreSQL存元数据、Milvus/Chroma存向量、Elasticsearch做全文检索。这种拼图式架构不仅维护成本高，还难以保证事务一致性。

seekdb通过将向量、文本、结构化/半结构化数据全部整合在一个数据库中，一条SQL语句就能完成多路召回和精排，大大简化了RAG应用的开发和维护。

2. AI Agent的记忆体

seekdb能同时存储结构化的对话记录和非结构化的向量记忆，非常适合用来给AI Agent做长期记忆。无论是个人助手还是企业级智能客服，都能借助seekdb实现更智能、更连贯的交互体验。

3. 本地知识库与边缘AI应用

由于其轻量级特性，seekdb特别适合个人或小团队的本地知识库，以及资源受限的边缘设备上的AI应用。无论是手机、车机还是工业网关，都能轻松运行seekdb，实现本地化的智能检索。

4. 语义搜索引擎

seekdb的Semantic Index语义搜索功能，结合向量相似度和全文检索，能够实现更精准的搜索结果，特别适合需要理解用户意图的搜索场景。

二.如何玩转seekdb？

2.1快速上手

seekdb的安装和部署极其简单，支持多种方式：

Python SDK安装：

pip install pyseekdb

Docker部署：

docker run -d --name seekdb -p 2881:2881 oceanbase/seekdb:latest

编写简单demo调用初步尝试

import pyseekdb
from pyseekdb import DefaultEmbeddingFunction, HNSWConfiguration

client = pyseekdb.Client()
collection = client.create_collection(name="notes")

# 添加文档
docs = ["今天跑了10公里，状态不错。", "Mapbox的polyline编码可以有效减少地址长度。"]
ids = ["run1", "map1"]
metas = [{"tag": "run"}, {"tag": "map"}]

collection.add(ids=ids, documents=docs, metadatas=metas)

# 查询
query = "跑步 状态"
res = collection.query(query_texts=query, n_results=2)

2.2与Dify集成

最新的Dify 已正式兼容MySQL数据库，这意味着我们可以把Dify的元数据库和向量数据库都切换成seekdb。只需修改.env文件中的配置：

# 如果既作为元数据库又是向量数据库
DB_TYPE=mysql

# 如果仅作为向量数据库
VECTOR_STORE=oceanbase

注意配置

# 设置数据库类型为 mysql, 并且修改元数据库连接信息
DB_TYPE=mysql
DB_USERNAME=root
DB_HOST=seekdb
DB_PORT=2881
DB_DATABASE=test
# 设置向量存储为 OceanBase
VECTOR_STORE=oceanbase

# 修改OCEANBASE的连接信息为seekdb的对应连接信息
OCEANBASE_VECTOR_HOST=seekdb
OCEANBASE_VECTOR_USER=root

# 修改 COMPOSE_PROFILES 为 seekdb
COMPOSE_PROFILES=seekdb

使用 Docker Compose 即可一键构建并启动 Dify 服务，只需执行以下命令：

docker compose up --build -d

容器启动后会自动执行数据库初始化和迁移。通过查看 api 服务的日志，确认迁移成功。

访问 Dify 控制台： 打开浏览器访问 http://localhost。

启动之后，dify会帮seekdb设置一个默认密码：difyai123456

配置成功后，即可创建知识库，正常使用了！

此外，seekdb还原生支持 MySQL 协议，因此可以直接使用 Navicat 进行连接和管理。作为一款经典且功能强大的数据库可视化工具，Navicat 能够让开发者以更直观的方式浏览数据表、执行查询以及调试接口，大幅提升整体开发与调试效率。

2.3 作为MCP Server

作为 MCP Server 使用，能够无缝接入 Trae、Claude Code、Cursor 等任意支持 MCP 协议的工具或平台。这使得系统不仅具备数据访问能力，还能在多种 AI 辅助开发环境中扩展其自动化能力与上下文集成能力，显著提升开发体验与工作效率。

添加并配置 MCP Servers。在界面中点击 Add Custom MCP，然后填写对应的配置文件。

填写完成后点击「确认」即可。需要注意：

• path/to/your/mcp-oceanbase/src/oceanbase_mcp_server 必须替换为 oceanbase_mcp_server 目录的绝对路径；
• OB_HOST、OB_PORT、OB_USER、OB_PASSWORD、OB_DATABASE 则需分别替换为你自己的数据库连接信息。

确保所有参数填写正确后，即可正常连接并使用 MCP Server。

{
"mcpServers": {
    "oceanbase": {
    "command": "uv",
    "args": [
        "--directory", 
        "/path/to/your/mcp-oceanbase/src/oceanbase_mcp_server",
        "run",
        "oceanbase_mcp_server"
    ],
    "env": {
        "OB_HOST": "***",
        "OB_PORT": "***",
        "OB_USER": "***",
        "OB_PASSWORD": "***",
        "OB_DATABASE": "***"
      }
    }
  }
}

三. 生态互补：seekdb 与 AI 平台的共生关系

随着 AI 开发从“模型为中心”逐渐转向“数据与检索驱动”，seekdb 在 AI 生态中扮演着一个越来越关键的角色。它不仅是一个混合搜索数据库，更是连接 AI 工具、模型框架与应用系统的 统一数据基础设施。这一特性让 seekdb 与各类 AI 平台形成了天然的共生关系：平台需要高效的多模数据能力，而 seekdb 正好提供了它们长期缺失的统一数据库引擎。

3.1 AI 平台的能力补全：让框架更高效，让数据库更智能

在 LangChain、LlamaIndex、Dify、HuggingFace 等主流 AI 开发框架中，数据处理链路往往是分裂的：
结构化信息由 SQL 数据库存储、向量由向量库存储、文本检索依赖搜索引擎，各组件之间需要额外逻辑进行融合。这种分布式“拼装式架构”不仅增加复杂度，也容易成为性能瓶颈。

seekdb 的多模态统一让这一切变得异常简单：

• 一条 SQL 完成全文 + 向量 + 元数据混合搜索
• 同库存储结构化、半结构化与embedding
• AI Function 直接在库内做 embedding / 推理
• MySQL 协议兼容、低成本替换传统数据库

于是，在这些平台中：

• LangChain / LlamaIndex 的 RAG 召回链路变短
• Dify 可以同时把 seekdb 作为元数据库 + 向量数据库
• HuggingFace 的 embedding 流程无需额外外部向量库
• 企业系统可以更低成本构建 Agent 的长期记忆体

seekdb 以数据库的身份补全了 AI 框架长期缺失的“统一数据引擎”，而这些框架又放大了 seekdb 的生态影响力，互相成就。

3.2 与 MCP 生态深度融合：让数据库成为 AI 工具的“插件能力”

Model Context Protocol（MCP）的兴起，让 AI 模型能够像插件一样调用外部系统。seekdb 提供官方 MCP Server，使其能直接接入 Cursor、Claude Code、Trae 等新一代 AI IDE 与工具。

这意味着：

• AI 工具能主动读取数据库结构
• 自动生成 SQL、调试索引、分析存储
• 在编程环境中直接对 seekdb 做查询/写入
• 作为 Agent 的上下文“外部大脑”实时使用

换句话说，数据库第一次变成了 AI 可直接操控的外部能力。MCP 工具因此获得强大的数据访问能力，而 seekdb 则获得更深层次的生态入口，从一个“存储系统”跃升为“AI 开发工具链的组成部分”。未来，随着 MCP 被更多平台采用，seekdb 将成为更多 Agent、IDE 与 AI 工具的默认后端存储。

四.结语

seekdb的出现，标志着AI应用开发进入了一个新的阶段。它不仅解决了多模态数据融合的技术难题，更通过极简的部署方式和友好的开发体验，降低了AI应用的开发门槛。无论是个人开发者还是企业团队，都能借助seekdb快速构建高效、智能的AI应用。

现在，OceanBase正在举办seekdb征文活动，邀请开发者分享使用seekdb的创新实践和体验。参与活动不仅能展示自己的技术实力，还有机会赢取丰厚奖励。详情请访问：https://open.oceanbase.com/blog/23850586944

让我们一起探索seekdb的无限可能，共同推动AI应用的创新与发展！

1. GitHub仓库：https://github.com/oceanbase/seekdb