去年年底的一个深夜，古茗科技集团运维负责人刘星光再次被手机震动惊醒——屏幕上跳动着上百条数据库告警短信。「这不是什么意外。」刘星光说，「古茗全国上万家门店，每一杯奶茶的下单、库存调度、会员积分、联名营销，都跑在 100 多个数据库实例上——RDS、Redis、MongoDB、PolarDB，什么都有。门店在扩，订单在涨，联名活动的频率比以往翻了一倍，尖刺流量来得快去得也快。」而支撑这一切的 DBA 团队，一共就那么几个人。「每天 70% 的时间耗在『接警—登跳板机—看 Process List—Kill 慢 SQL—判断是否扩容』这套流程上。」刘星光回忆，「一次大促处置，最快也要 10 到 20 分钟。要是人不在电脑前，时间更长。而这 10 分钟里，客户下单有延迟，门店出杯有卡顿——这是我们不能接受的。」好钢全用来救火了。
01 每天都在重复的三件事
让刘星光下定决心做改变的痛点，不是一天攒出来的，而是每天都在重复。MySQL 主库 CPU 飙高，几乎每次新业务上线必现。DBA 来不及看完所有慢查询就被下一波告警淹没。元数据散落各处。研发新人入职后写 SQL，对历史字段的业务含义是什么、有没有关联数据，需要来回沟通。回答的人疲惫，问的人也不好意思。变更审批流程长得让人崩溃。加个索引、加个权限，走完审批可能要等上一天。DBA 成了整个研发链路的瓶颈——但他们自己也不想当这个瓶颈。「这些事情，有共性、有规则、有标准答案——能不能让 Agent 来做？」刘星光开始想这个问题。
02 人做判断，Agent 做执行
去年下半年，古茗与阿里云瑶池数据库团队合作，引入了阿里云的 AI 原生数据库服务（AIDBS），让 Agent 接管救火和答疑这两件最耗人的事。目标很朴素：人来做判断和决策，Agent 来调度和执行。具体落了三个方向。第一步是让数据资产「活」过来。古茗之前也搞过静态元数据平台，做出来就是个数据字典，半年之后基本没人用了——因为它只能展示信息，不能解决问题。这次思路变了：不让人来查它，让它主动出现在研发的工作流里。在 IDE 里写 SQL，Meta Agent 自动识别涉及哪些表、字段口径是什么、有没有合适的索引；数据库变更审批时，自动算血缘、评估上下游影响面和风险等级。低风险操作——比如加索引、加配置——直接让 Agent 执行，DBA 不再需要逐条审批。效果立竿见影：DDL 审批时间平均下降 30%–40%。第二步是让 Agent 成为一个「永不下班的值班员」。以前告警的逻辑是出事了、短信找人、人去诊断、人做决策、人执行操作。现在变了：出事了，Agent 先主动诊断，人做决策，Agent 执行操作。Agent 自动拉慢日志、对比历史基线、定位问题 SQL，给出组合索引建议、限流方案、临时扩容三个选项——直接推送给 DBA，由人选择走哪一步。刘星光举了一个例子：有一次大促，订单库 CPU 突然飙高。以前这种情况，从收到告警到处理完毕最快十几分钟。这次 Agent 几分钟就定位完了，给出建议，DBA 一键执行——整个事情不到五分钟就搞定了。「而且它给出的建议，和资深 DBA 的判断基本没有区别。有些时候，甚至更客观。」第三步是给 AI 划一道不可逾越的线。让 Agent 真正读写数据是自然的下一步，但问题也随之浮现。早期 Agent 直连数据库，一个 Agent 套一个账号，越往后权限管控越松。最怕的几件事：Agent 拼的 SQL 有没有问题？会不会越权访问？会不会删表？出了问题能不能追溯？「Agent 不记日志的时候，出了事你连查都没法查。」刘星光说。古茗的做法是在 Agent 和生产数据库之间加了一层数据网关：SQL 进来先解析、改写，越权字段脱敏，危险操作拦截。身份维度从「一个大账号」变成「场景 + 会话 + 工具」的模式，所有操作按 Session 可追溯。目前在客服答疑等场景已经跑通，Agent 接库的周期从平均一两天降到几个小时。
03 改变的不只是数据库
回头看这 90 天，技术层面的提升是一方面，但对组织的影响可能更大。研发开始信任数据库这一层了。「以前研发对数据库总有距离感——怕改错、怕被骂、审批又慢。现在写 SQL 时 Agent 就在旁边给建议，上线后还有兜底。研发自主变更的比例从以前的很少，到现在过半以上。」专家经验开始变成组织资产。「资深 DBA 处理过的 Case 以前藏在他们脑子里，人走了就带走了。现在每一次 Agent 的处置都回流到知识库，下次同类问题直接复用。」预算决策变得透明了。哪些库该降配、哪些该升配、哪些表半年没人查可以归档——Agent 都会主动评估。数据库单位成本是下降的，但容量和性能反而更好了。更深层的变化在于 DBA 的角色本身。过去 70% 的时间在救火，现在这部分被 Agent 接走了。他们终于有精力去做架构优化、容量规划、引擎升级这些「本来应该做但一直没空做」的事情。
04 先标准化，再放权
采访最后，刘星光说了一句挺实在的话：「很多公司是『我不知道 AI 能干什么，但我一定要做』，这个出发点不太对。AI 不是万能药。别一上来就让它解决你最痛的场景，先从可控的、有共性的事情开始，给团队和产品一个磨合期。」他也提到一个关键原则：人和 Agent 的边界要提前定好。哪些事情让 Agent 自治，哪些必须 DBA 二次确认——「过分相信 AI 也会出问题。等磨合几年之后，可以逐步放权到 80%–90%，但现在还不是时候。」从被上百条告警短信困住的深夜，到 DBA 团队终于能腾出手做架构优化，古茗这个案例其实说明了一件事：AI Agent 在企业里真正能跑起来的前提，不是技术多先进，而是你得先想清楚哪些事该交给机器、哪些事必须留给人。先标准化，再自动化；先划好边界，再放开权限。这个顺序反了，再好的工具也白搭。
05 了解更多
立即体验AIBDS：https://aidbs.console.aliyun.com/
“阿里云AI原生数据库服务-用户交流群”群的钉钉群号： 79045023716
