经过两年的大模型热潮，行业正迈入“应用见真章”的新阶段。在2025腾讯全球数字生态大会上，腾讯云正式推出数据库AI服务，其中包含多款智能体——SQL事前风险预测、DDL变更风险评估、高负载止损值守等。

数据库领域开发智能体的方向众多，腾讯云为何选择从SQL风险管理切入？腾讯云数据库副总罗云对表示，这主要因为这是最棘手、最难突破的环节。“2024到2025年间，我们每个月都能观察到客户因SQL使用不当导致数据库发生风险事件。”

腾讯云曾分享过一个典型案例：在一次交易数据清洗过程中，由于一条优化不当的SQL语句遗漏了关键索引，导致核心交易表被全表扫描。问题发生在交易时段，瞬间引发大量指令阻塞，订单提交接连超时，部分跨境交易也受到影响。最终，依靠风控系统的紧急处理才避免了更大范围的系统瘫痪。

为何SQL使用风险如此之高？究其根源，在于数据库开发者与DBA之间长期存在一道难以逾越的“认知鸿沟”。

开发团队熟悉业务逻辑和代码，通常通过ORM框架生成SQL，却对底层数据库运行机制了解有限；DBA则精通数据库内核和SQL优化，但难以在开发环节进行前置干预。结果就是，一旦风险SQL引发故障，DBA往往只能被动“救火”，问题根源难以追溯。

今年2、3月起，腾讯云数据库团队开启了智能体的研发，试图解决的正是开发者与数据库管理员（DBA）之间长期存在的“鸿沟”，罗云谈到。

SQL事前风险预测智能体，如同提交前的“安全检查员”，提前发现可能让数据库变慢或出问题的SQL，提醒开发者修改。DDL变更风险评估智能体，好比改动前的“模拟演练教练”，预先测试数据库结构变更是否会影响系统稳定，让风险在上线前被发现。高负载止损值守智能体，就像数据库的“安全卫士”，实时监控，当系统压力过大时自动采取保护措施，避免业务崩溃。

据罗云透露，智能体的研发，底层依托的是垂直数据库大模型，并结合全域上下文和工具集三大基座。

腾讯云的垂直数据库大模型的自研最早可以追溯到2024年。2024年，他们一开始通过有监督微调（SFT）补课专业能力，靠人工标注数据搭起基础，2025年DeepSeek出现后，全面转向强化学习，用更复杂的奖励机制逼迫模型自我优化。

当然，这过程中也遇到不少的难点，比如做SFT（有监督微调）的难点是语料和数据集，团队需要大量人工投入，对每一个案例进行标注：哪些SQL或代码生成是正确的，哪些是不符合要求的。这个数据标注过程非常耗时，但决定了模型在专业任务上的基础能力。

强化学习（Reinforcement Learning）重点在于奖励模型的设计。在强化学习中，模型每一次输出都需要评估：是“做得更好”还是“退步了”？团队花了很多时间设计算法和评分机制，去判断每一次生成的Token的质量，从而让模型在实际使用中不断优化。

目前这些智能体已经在腾讯内部多部门使用，对外客户目前也在同步进行交流中，预计明年会对外服务。

对于智能体的商业化问题，罗云认为，不要从短期市场规模出发，而是押注长期战略价值。罗云判断，数据库智能体未来真正的商业回报不在“风险防控”本身，而在两个方向：第一是Data Insight：帮企业“淘金”，挖掘数据价值，付费意愿远高于守住底线；第二是智能体支持套件：当甲方通过智能体赚钱后，配套工具的变现空间巨大。

在数据库产品线宣布推出Agent之前，几乎所有产品都在探索AI，一方面将AI的功能加入到原有的产品中，比如在腾讯会议中加入了实时AI纪要功能，另一方面正在开发更多的AI原生应用，比如说CodeBuddy ima等已经对外推出，分别应用于企业开发、知识库管理。

那么，为什么腾讯会选择在今年加速布局智能体？

罗云认为，这与时机密切相关。早一年做可能还不合适，因为当时底层大模型还在快速迭代，应用层开发容易因模型变化被推倒重来。而如今大模型迭代速度趋于平缓，应用开发更稳定可控。

在这样的技术判断下，上半年腾讯内部掀起了一场智能体开发热潮：各条产品线结合自身场景和行业特点，积极探索Agent应用。而眼下，数据库团队推出的智能体，也正是这种内外部因素共同作用的产物。

原创文章，未经授权禁止转载。详情见转载须知。