SurrealDB 3.0 想用一个取代你的五数据库 RAG 技术栈
Source: VentureBeat
请提供您希望翻译的具体文本内容，我将为您翻译成简体中文并保持原有的格式、Markdown 语法以及技术术语不变。谢谢！
Introduction
构建用于 AI 代理的检索增强生成（RAG）系统通常需要使用多层次和多种技术来处理结构化数据、向量和图信息。最近几个月，人们也越来越清楚，具备记忆（有时称为上下文记忆）的代理式 AI 系统才能有效运行。
为了提供上下文而使用不同的数据层会导致复杂性和同步问题，从而引发性能和准确性方面的挑战。这正是 SurrealDB 试图解决的难题。
SurrealDB 于本周二发布了其同名数据库的 3.0 版，并同步完成了 2300 万美元的 A 轮扩展融资，使总融资额达到 4400 万美元。该公司采用了不同于 PostgreSQL 等关系型数据库、Pinecone 等原生向量数据库或 Neo4j 等图数据库的架构。OpenAI 工程团队最近在一篇文章中详细说明了他们如何通过只读副本将 Postgres 扩展到 8 亿用户，这种方法适用于读密集型工作负载。SurrealDB 则走另一条路：将代理记忆、业务逻辑和多模态数据直接存储在数据库内部。无需在多个系统之间同步，向量搜索、图遍历和关系查询都在单一的 Rust 原生引擎中事务性运行，从而保持一致性。
“人们把 DuckDB、Postgres、Snowflake、Neo4j、Quadrant 或 Pinecone 全部一起使用，却还在抱怨他们的代理准确率不高，” CEO 兼联合创始人 Tobie Morgan Hitchcock 在接受 VentureBeat 采访时表示。“这是因为他们必须向五个不同的数据库发送五个不同的查询，而这些数据库只拥有各自处理的知识或上下文。”
该架构已在开发者中产生共鸣，数据库目前已有 230 万次下载 和 31,000 个 GitHub star。据 Hitchcock 称，现有部署遍及汽车和防御系统中的边缘设备、纽约大型零售商的商品推荐引擎以及 Android 广告投放技术等领域。
嵌入数据库的 Agentic AI 记忆
SurrealDB 将代理记忆作为图关系和语义元数据直接存储在数据库中，而不是放在应用代码或外部缓存层中。
SurrealDB 3.0 中的 Surrealism 插件系统允许开发者定义代理如何构建和查询这些记忆；逻辑在数据库内部运行并具备事务保证，而不是在中间件中执行。
这在实际操作中意味着：当代理与数据交互时，它会创建 上下文图，将实体、决策和领域知识链接为数据库记录。这些关系可以通过同一套用于向量搜索和结构化数据的 SurrealQL 接口进行查询。一个询问客户问题的代理可以遍历图连接，找到相关的过去事件，提取相似案例的向量嵌入，并与结构化的客户数据进行联接——全部在一次事务查询中完成。
“人们不再只想存储最新的数据，”希区柯克说。“他们想存储所有数据。他们想分析并让 AI 理解并遍历组织过去一两年的所有数据，因为这些数据为模型、AI 代理提供上下文和历史信息，从而能够交付更好的结果。”
SurrealDB 的架构与传统 RAG 堆栈的区别
传统的 RAG 系统根据数据类型查询数据库。开发者需要为向量相似度搜索、图遍历和关系型连接分别编写查询，然后在应用代码中合并结果。这会导致查询在各系统之间往返时产生同步延迟。
相反，Hitchcock 解释说，SurrealDB 将数据存储为 二进制编码文档，并将图关系直接嵌入其中。通过 SurrealQL 发起的单一查询即可：
- 遍历图关系
- 执行向量相似度搜索
- 连接结构化记录
——全部在数据库内部完成。
这种架构同样影响大规模下的一致性：每个节点都保持事务一致性，即使在 50+ 节点 的规模下也是如此。当一个代理向节点 A 写入新上下文时，节点 B 上的查询会立即看到该更新。没有缓存，没有只读副本。
“我们的许多使用场景、许多部署都是数据不断更新，且这些数据之间的关系、上下文、语义理解或图连接需要不断刷新，”他说。“所以没有缓存。没有只读副本。在 SurrealDB 中，所有操作都是事务性的。”
这对企业 IT 有何意义
“重要的是要说 SurrealDB 并不是适用于所有任务的最佳数据库。我很想说我们是，但事实并非如此，你也不可能，”Hitchcock 说。“如果你只需要对 PB 级数据进行分析，而且几乎不更新这些数据，那么最好的选择是对象存储或列式数据库。如果你只处理向量搜索，那么可以使用像 Quadrant 或 Pinecone 这样的向量数据库，这就足够了。”
拐点出现在你需要将多种数据类型一起使用时。实际的好处体现在开发周期上：过去需要数月时间通过多数据库编排来构建的项目，现在可以在几天内上线，Hitchcock 说。