【阅读原文】戳:阿里云表格存储 Tablestore 全面升级 AI 能力,存储成本直降 30%
近日,阿里云表格存储 Tablestore 宣布全面升级 AI 场景支持能力,正式推出 AI Agent 记忆存储功能,在保障高性能与高可用的同时,整体存储成本降低 30%,标志着 Tablestore 在构建 AI 数据处理和存储的技术内核能力上,迈出关键一步。
此次升级聚焦 Agentic AI 爆发背景下的核心挑战——如何实现长期、高效、有价值的记忆管理。Tablestore 从 AI 生态集成、数据模型抽象、内核能力优化三大维度全面进化,打造专为 AI Agent 设计的记忆和知识库数据存储底座,助力开发者快速构建具备“记忆力”的智能体应用。
集成主流 AI 生态,开发效率大幅提升
为降低 AI 应用接入门槛,Tablestore 持续扩展与主流 AI 框架的兼容性。继支持 LlamaIndex、LangChain 后,现已全面接入 Dify、Spring AI,并与阿里云百炼平台的 OpenMemory MCP 深度集成。
开发者可实现“即插即用”:
- Dify 用户通过一键配置即可将 Tablestore 设为向量存储引擎;
- 阿里云用户可通过 SAE、ACK 等产品快速部署;
- Spring AI 开发者仅需引入依赖,即可将 Tablestore 无缝嵌入企业级 Java 应用。
这一系列生态整合,显著简化了 AI 应用开发流程,让开发者更专注于业务逻辑创新。
开源 AI Agent Memory 框架,告别“面向数据库编程”
针对 AI 应用中重复的表结构设计、存储逻辑封装等问题,Tablestore 团队推出 全新开源 AI Agent Memory 框架,基于通义千问等领先的 AI 大模型在对话记忆与知识管理中的最佳实践,预置了会话(session)、消息(message)、知识库(knowledge)三大通用数据模型。
借助该框架,开发者无需关注底层存储细节,真正实现从“面向数据库编程”到“面向业务意图编程”的跃迁。例如,可快速构建具备长期记忆能力的智能客服系统,或支持知识检索的个性化 AI 助手。
目前,该框架已在 GitHub 开源。
多元索引全面升级,复杂数据处理效率跃升
面对 AI 场景中日益增长的半结构化与多模态数据处理需求,Tablestore 对多元索引能力进行深度优化:
- 新增 JSON 格式索引:系统自动对嵌套字段进行扁平化并建立索引,在百亿级数据规模下,检索延迟降低超 40%,显著提升简历筛选、商品信息检索等场景响应速度;
- 多模态支持更强:单行记录支持多个向量列,满足视频监控、跨模态搜索等需求。该设计不仅减少向量元数据存储成本达 30% 以上,还降低多特征融合检索的计算负载,实现更高效的视频内容分析与图文联合检索。
自研 Serverless 架构+先进算法,成本与性能双优
相比传统自建方案,Tablestore 凭借 Serverless 架构与企业级服务能力,为AI应用提供极致性价比:
- 集成并优化 DiskANN 等先进向量检索算法,向量检索整体成本降低 50%;
- 支持按需计费与自动弹性伸缩,无需预估资源,轻松应对流量高峰;
- 默认支持跨可用区部署,提供 99.99% 高可用 SLA,满足金融、医疗等关键业务的稳定性要求。
未来,阿里云将持续深化 Tablestore 与 AI 生态的协同,推出更多面向记忆存储与检索的创新功能,助力企业从数字化迈向智能化。
我们是阿里巴巴云计算和大数据技术幕后的核心技术输出者。
获取关于我们的更多信息~