随着企业数据库规模持续膨胀，运维复杂度呈指数级上升。慢SQL排查、参数调优、主备切换根因分析、集群健康巡检等任务不仅耗时耗力，更高度依赖DBA的经验积累。然而，专业数据库人才稀缺、响应滞后、人为误判等问题，已成为企业稳定高效用云的瓶颈。

为破解这一难题，阿里云PolarDB基于瑶池数据库Agent，正式推出智能运维辅助工具 PolarDB AI助手（PolarDB Copilot）。PolarDB AI助手深度集成于PolarDB 控制台，实现资源统一管理，基于大语言模型与PolarDB专家知识库，融合智能问答、智能诊断、智能感知三大核心能力，以自然语言交互为入口，实现“会说话的数据库”，显著降低使用门槛，提升运维效率与系统稳定性。

一、技术原理解析

1.1 PolarDB AI助手技术架构

PolarDB AI助手基于大语言模型（LLM）构建，融合了自然语言理解、意图识别、上下文管理、工具调用与技能演化等能力。它通过开放接口（OpenAPI）与用户交互，支持多轮对话式问题解决，并结合 RAG、SKILL 管理和持续优化机制，实现从“被动响应”到“主动感知”的智能化演进。

PolarDB AI助手的整体技术架构分为三个层次：

• 接入层：提供用户入口与安全控制；
• 核心处理层：包含智能推理引擎、技能调度与上下文管理；
• 底层支撑层：依赖 LLM 模型服务与外部工具集成。

整个系统围绕“自然语言 → 意图识别 → 技能调用 → 工具执行 → 结果反馈”的闭环流程设计，具备可扩展性、安全性与自进化能力。

PolarDB AI助手技术架构

其中，核心处理层是系统的“大脑”，由多个子模块协同构成。

1. Context管理 + Query改写 + 意图识别 + Agent（主控逻辑）

该模块构成一个递进式推理链路：

• Context管理：维护会话上下文，整合历史对话、当前任务状态与全局信息。
• Query改写：对原始自然语言查询进行语义规范化与结构化转换，提升后续理解精度。
• 意图识别：判断用户请求类型（如故障排查、性能优化、备份恢复等），并匹配相应处理路径。
• Agent 主控单元：基于识别结果，动态决策是否加载特定 SKILL 并触发工具调用。

2. RAG知识库

• 内置领域知识库，支持检索增强生成（Retrieval-Augmented Generation）。
• 在处理复杂问题时，自动检索相关文档、最佳实践或历史案例，为回答提供事实依据。
• 有效缓解幻觉问题，提高答案可信度。

3. SKILL管理

• SKILL 是预定义的“能力模板”，以 Markdown 文件形式封装，包含指令、工具列表、权限配置等。
• 支持动态加载 SKILL：仅在需要时注入上下文，避免冗余信息干扰。
• 具备渐进式披露特性：先展示简要描述，被选中后才加载完整内容，提升效率与安全性。

4. 会话管理

• 支持多轮对话状态跟踪，维持上下文一致性。
• 记录用户行为轨迹，用于后续分析与优化。
• 与 Case 评测联动，输出高质量数据样本。

5. Tool & MCP（AK Proven）

• Tool：封装实际操作接口，如执行 SQL、查看日志、调用 API 等。
• MCP（AK Proven）：作为身份凭证代理，确保每个工具调用都经过合法授权，实现“最小权限原则”。

6. LLM模型服务

• 所有推理、生成、决策依托于阿里云百炼千问大模型。
• 当前采用SOTA大模型Qwen3-Max。
• 支持模型切换与版本升级，满足不同场景需求。

1.2 自动迭代闭环：从经验到能力

此外，PolarDB AI助手通过持续的反馈闭环机制，不断提升对数据库场景的理解与响应能力。关键流程包括：

• 效果评估：对用户交互中未达预期的对话进行自动化分析，借助前沿大模型能力识别潜在改进点。
• 专家诊断：由数据库领域专家对Bad Case进行归因分类（如意图理解偏差、工具调用缺失、知识覆盖不足等），明确优化方向。
• 知识沉淀：

• Bad Case用于优化系统响应策略或改进SKILL；
• Good Case纳入优质案例库，支撑自动化验证或辅助知识提炼。

• SKILL演进：基于用户反馈动态更新SKILL内容，包括优化提示词、调整权限、增加新脚本等，实现技能体系的持续完善。
• 能力升级：结合新增知识与优化策略，定期对AI助手整体推理与服务能力进行增强，提升准确率与用户体验。

二、技术亮点

相较于传统的数据库运维工具，PolarDB AI助手的核心突破在于将阿里云多年积累的数据库专家经验（涵盖故障诊断、性能调优、高可用保障等数千个真实运维场景）系统性地提炼为结构化的 SKILL（技能）单元。每个 SKILL 以轻量级模板形式封装，包含意图描述、执行工具链、权限声明与最佳实践示例，既保留了专家知识的完整性，又具备高度可复用性。

该机制实现了两大关键优势：

• 动态按需加载：Agent 仅在识别到匹配意图时激活对应 SKILL，有效管理context，提升推理效率；
• 持续进化能力：通过自动化评测与人工反馈，不断优化或新增 SKILL，使系统能力随实践经验的积累而自我演进。

得益于这一设计，Agent 能力随使用而越用越聪明，形成正向反馈循环。每一次用户交互都可能沉淀为更精准的技能模板，每一次问题解决都推动整体智能水平提升。由此，PolarDB AI助手不再依赖单一静态模型，而是构建了一个由真实专家经验驱动、可扩展、可验证、可持续进化的智能运维能力生态，真正实现从“模型智能”到“专家智能”的跃迁。

三、自然语言驱动：让数据库“听得懂人话”

传统数据库运维依赖精确的SQL、命令行或繁琐的控制台点击路径，对非资深用户很不友好。PolarDB AI助手彻底改变这一范式。

开发者或运维人员只需在控制台右侧边栏输入自然语言，如：

“帮我查一下华北2地域下所有运行中的PolarDB集群。”

AI助手即可自动解析意图，调用元数据接口，返回结构化列表。再如：

“集群 pc-xxx 最近一小时有没有性能异常？”

系统将自动关联该集群的CPU、内存、磁盘、IOPS等监控指标，结合日志事件，输出综合健康评估。

这种“对话式运维”不仅替代了跨页面跳转、手动筛选的低效操作，更让初级工程师也能快速完成复杂查询，真正实现零SQL门槛的数据库交互。

四、上下文感知诊断：从“泛泛而谈”到“精准把脉”

PolarDB AI助手的智能不止于问答，更在于深度集成关键运维场景，实现上下文关联的精准诊断。

在 【慢日志明细】页面，用户选中一条耗时184秒的SQL，点击“AI分析”按钮，助手将自动：

• 解析执行计划（EXPLAIN）
• 识别缺失索引、全表扫描等性能瓶颈
• 给出优化建议（如“建议在name 字段添加索引”，“避免动态UUID生成”）

在 【主备切换日志】页面，若发生主备切换，AI助手可结合切换时间点的负载、日志、内核事件，判断是“主实例CPU资源耗尽触发HA切换”还是手动触发的正常操作，并提供规避建议。

在 【参数列表】页面，用户输入“max_connections”，AI将解释该参数的作用、内存占用风险及推荐设置范围，避免盲目调参引发故障。

这种场景化、上下文绑定的智能诊断，将专家经验产品化，让每一次运维操作都有据可依。

五、主动式异常感知：从“被动响应”到“主动预警”

传统运维往往是“问题发生 → 告警触发 → 人工排查”的被动链路。PolarDB AI助手引入智能感知能力，实现主动运维。

当集群出现CPU突增、流量激增、连接打满等异常时，AI助手可自动识别，并通过事件中心推送告警。更重要的是，它同步提供初步根因分析和告警，例如：

“检测到实例pc-xxx在XX年XX月XX日(UTC+8)出现回话突增与工作负载变化的异常事件(trace_id: xxxxxxxx)，当前告警级别为Warn。”

这一能力将大幅减少故障发生概率，从“救火”转向“防火”。

六、版本灵活，安全合规

PolarDB AI助手提供标准版（免费）与专业版（付费） 双模式：

• 标准版：面向中小客户，支持单集群智能问答与诊断，完全免费。
• 专业版：面向大型企业，支持批量集群一键巡检、钉钉/飞书告警集成、API调用，并可通过加购AI容量包提升并发能力。

安全方面，AI助手严格遵循最小权限原则：

• 仅读取元数据、监控指标与日志，不执行任何DDL/DML；
• RAM子账号需显式授权（AliyunPolardbFullAccess + AliyunYaoChiAgentAccess）；
• 所有数据访问受阿里云隐私政策保护，不用于模型训练，不外泄。

结语

目前，PolarDB AI助手已在阿里云中国站上线。用户只需登录PolarDB控制台，在集群列表页点击右侧边栏的 图标，即可开启智能对话。如您在使用过程中有任何问题，可以在钉钉里搜索群号【171685003044】加入“PolarDB专家面对面 - AI助手”群进行咨询。

PolarDB AI助手通过大模型与数据库内核知识的深度融合，将复杂的运维操作转化为自然语言交互，实现了从“工具辅助”到“智能协作者”的跃迁。无论是初创团队还是超大规模企业，都能从中获得效率提升与风险降低的双重价值。

来源  |  阿里云开发者公众号