過去幾年，資料庫與 AI 的融合一直是熱門話題。但大多數方案都要求將資料匯出到外部 ML 環境，處理完再寫回。現在，PostgreSQL AI 運算子試圖改變這一現狀：直接在 SQL 中嵌入模型推理，讓資料庫自己變成 AI 引擎。
什麼是 AI 運算子？
簡單說，就是一組自定義的 SQL 函式和操作符，允許你在 SELECT、WHERE、ORDER BY 等子句中呼叫預訓練模型。例如，similarity(embedding) > 0.8 或 predict(sentiment, text)。它們像普通運算子一樣工作，但背後是 TensorFlow、PyTorch 或 ONNX 模型。
這並非一個官方 PostgreSQL 擴充套件，而是一個開源實驗專案，由一群開發者基於 PostgreSQL 的 Foreign Data Wrapper 和 PL/Python 機制構建。目前支援文字嵌入、二分類、迴歸等常見任務。
核心用法與示例
安裝後，你可以像使用內建函式一樣使用 AI 運算子：
- 向量搜尋：
SELECT * FROM items ORDER BY l2_distance(embedding, 'text') LIMIT 10; - 情感分析：
SELECT text, sentiment_score(text) FROM reviews WHERE sentiment(text) = 'positive'; - 實時分類：
UPDATE users SET segment = predict_segment(age, income);
這種模式最大的好處是消除資料搬運。所有推理在資料庫程序內完成，延遲極低，且能利用 PostgreSQL 自身的索引和並行機制。
實際場景與價值
對資料科學家和 DBA 而言，這意味著更簡單的架構。比如電商平臺可以直接在訂單查詢中嵌入欺詐檢測模型，無需單獨搭建推理服務。再比如內容系統可以實時標記敏感文字，全部在 SQL 層面搞定。
不過，這並非萬能。模型需要提前註冊，且每個推理都會消耗資料庫 CPU。對於高吞吐場景，可能還是需要專用推理引擎。
侷限與展望
目前該專案仍處於 early stage，支援的模型格式有限，文件也偏少。另外，計算資源隔離是個問題：AI 推理可能拖慢其他查詢。未來可能的改進方向包括 GPU 加速、模型熱更新、以及更好的資源管控。
如果你已經在用 PostgreSQL，並且想快速嘗試 AI 整合，這個專案值得一試。它展示了「資料不離庫」的一種務實路徑。
評論
暫無評論
成為第一個評論的人