database · 知识库活文档

  • 更新：R-49 持续低沉延续 · pgbot+Markdown Memory 邻接 · PG 18.6/19/14 EOL · 6 件不入主轴。

范围:Database 作为支撑 LLM/Agent 应用的数据层 — 含向量 DB/ANN、AI4DB/Text-to-SQL、HTAP/融合架构、云原生与分布式数据库、数据库与 Agent 记忆的交叉、KV Cache 存储原语化。RAG 主题页已独立覆盖 RAG 范式与评估,本页聚焦"数据层"。

与 rag.md 边界:rag.md 关注检索-增强-生成链路与 Agent 编排;本页关注数据层的物理载体(索引、存储、查询、隔离、扩展、治理)。

  • R-19~R-48 沿用(详见 archive/database-changelog.md):R-19~R-30 = pgmnemo 0.14.0;Proactive Memory 2607.08716;Linear Attention 4 2607.07953v1;Token-Flow Firewall 2607.08395;SSGM 2603.11768;MAGE 2606.06090;Mem-Gallery ACL 2026;SDM 2607.07386;Async RL 2607.07508;GitOfThoughts 2606.14470;Anatomy of Agentic Memory 2602.19320;Memory Survey 2603.07670;DynaKRAG 2607.06507;Semantic Cache FIFO 2607.00394;UniClawBench 2607.08768;Tsinghua SIGMOD 2026 Data Agent + VLDB 2026 AgenticMemory Tutorial;Mem0 2026-04 LoCoMo 92.5/LongMemEval 94.4/BEAM 1M 64.1;VelestDB v0.2.x;R-31 OpenViking + VikingMem arXiv:2605.29640 VLDB 2026 + PG 18 GA + Datasette CVE;R-32 Aurora DSQL + Branchable DBMS + Letta 24.1k stars + Agent Memory 5-Layer;R-33 CockroachDB 3-Layer + 24× token multiplier + TiDB HTAP + Activity Frames;R-34 KV Cache 存储原语化 C2KV arXiv:2607.17715 KDD 2026 + Rethinking Boundaries arXiv:2608.01526 + HF 7月安全;R-35 PostgreSQL-V CIDR 2026 + Vector DB Benchmark Salt Q1 2026;R-36 ACL 2026 3-Layer + Mem0 91% p95 latency + PIM-DIMM HotInfra 2026 2.4× + 1/20× CapEx;R-37 SPI + Hyper-Efficient RAG + SRAG + easy-vecdb/RAGFlow;R-38 PG 18 GA AIO + CockroachDB SIGMOD 2026 Scalable Leader Leases 85% CPU ↓ + OceanBase Mercury + Chroma 0.5.x;R-39 Vector DB 第四轮 benchmark + Stable-RAG + RAGSieve 第四向量;R-40 Neon Lakebase Search + Qdrant Edge + Redis 官方 -68.8% LLM + Maglev arXiv:2608.02870;R-41+R-42 SIGMOD 2026 FVS 10× + AkasicDB Omni-RAG + Data Agent benchmark + ACME FSE 2026 + Agentic Transaction 清华 + BEGIN AI TRANSACTION + 八轴范式 + 8 新 arXiv ID;R-43 CIDR 2026 PostgreSQL-V + Berkeley Agent-First + Walk Before You Run + pgvector v0.8 + 3 新 arXiv ID;R-44 CockroachDB A2A 数据层 + CoRun arXiv:2608.14376v1 + CVE-2026-3172 pgvector + PG-V 工业锚定 + CK 升级 ★★★ + 九轴范式;C52/C53 + D69;R-45 Raft Vulnerability Assessment(arXiv:2601.00273)§2.5 脚注 + LeaseGuard;R-46 pgvector vs Qdrant OpenTechStack 三维 + ClimbMix arXiv:2608.20317 §2.13;R-47 pgvector/Pinecone 第四源 4 框架 + KV Cache 5 件邻接 + Actian 数字待核实;R-48 SIGMOD 2026 顶会季反转 = Best Paper HM "Integrating Vector Databases across Embedding Models"(Edinburgh+Huawei)+ Larch arXiv:2606.07923 + TrieHI arXiv:2606.16903 + 跨主流 DB 内置化第十一源 + Multi-Vector/Late Interaction 新维度 + pgvector 0.9 April 2026 锚定 + emptysqua.re SIGMOD 2026 Recap = C54 + D70。

沿革摘要(2026-08-25 20:40 第四十九轮 · jay · R-49 持续低沉延续)

🟢 R-49 主增量(0 实质 + 2 微弱增量 + 5 邻接 + 7 状态持续 + 1 候选(κ)维度判定) = R-48 顶会季反转后的持续低沉延续,本日 inbox 14 小时流量集中 MCP 安全专题 + 推理引擎版本更新 + Agent Memory 基准,数据库主轴无对应新学术或工程产出:

(1) 🟡 §2.15 微弱增量 1 · pgbot · AI Agent 用 Postgres 只读健康检查 MCP 工具(pgrundev/pgbot, github.com/pgrundev/pgbot, 2026-08-25 简报) = (a) 核心机制:Go 编写,为 AI Agent 提供只读 Postgres 健康检查 MCP 工具;覆盖指标 = 连接数、缓存命中率、锁争用、索引未使用率、回滚率、复制延迟、checkpoint 状态;(b) Read-only 默认:安全设计,Agent 无法通过该工具执行写操作,作为 MCP 数据库观测 Tool 的参考实现;支持 Supabase / Neon / AWS RDS / 本地 / Docker / K8s;(c) 与 §2.3 Agent Memory 十抽象层之"数据库内核层 Agent 探索"方向呼应:pgbot 是该方向的具体工程实现参考,衔接 R-33 Branchable DBMS Columbia DAPLab + R-44 CockroachDB Managed MCP Server;(d) 与 R-48 §2.15 AI 重塑数据库内核九轴范式(ε) 融合引擎方向:pgbot 属于(ε)方向的工具链补充,不入主轴;(e) 立标等级:★★ 邻接参考,工程参考价值有别于学术/商业产品;§2.15 邻接 §IX 补强。

(2) 🟡 §2.3 微弱增量 2 · Markdown Memory Paradigm · 文件优先 vs 向量库为主记忆(Micheal Lanham, substack) = (a) 核心论点:高可见度 Agent 栈(Manus、OpenClaw、Claude Code)正在从"向量数据库为主记忆"转向"文件系统为主记忆";(b) File-First 架构:文件系统作为持久化、可检查接口,状态和学习存储在文件系统,选择性 rehydrate 相关数据到 context window;(c) 典型实现:OpenClaw 的两级文件持久化、混合评分(0.7 向量权重/0.3 文本权重 + 30天半衰期时序衰减);Claude Code 的 CLAUDE.md 层级化指令文件体系;典型文件 todo.md(规划模块派生,counter "lost-in-the-middle" 退化);(d) 工程意义:文件系统作为主记忆原语 vs 向量数据库——这对本地优先/隐私优先 Agent 设计有重要影响,与 R-40 Redis 官方 RAG at Scale 内存向量缓存形成 "持久层文件 / 缓存层内存向量 / 长期层向量库" 三层范式对照;(e) 不入 database 主轴 = 邻接 §2.3 Agent Memory 十抽象层之"(f) 状态持久化/自我改进层";§2.3 邻接 §IX 补强。

(3) 🟡 §2.5 状态持续补强 · PostgreSQL 版本生态 2026-08-13 节点(postgresql.org + Bytebase + Kunal Ganglani) = (a) PG 19 Beta 3 测试中 / PG 18.6 稳定版 / PG 17.11 / 16.15 / 15.19 稳定版;PG 14 2026-11-12 EOL,请尽快升级;(b) PG 18 新特性:uuidv7() 函数(时间有序 UUID + 全局唯一,优化索引性能)+ OAuth 2.0 认证 + COPY 命令增强(导出速度翻倍 + ON_ERROR 选项支持批量导入跳过失败行)+ SIMD (AVX-512) B-tree 索引加速 + 并行 BRIN 索引构建;(c) pgvector 0.8.0 = ANN 索引查询规划器改进,数据库更智能判断何时使用向量索引 vs 全表扫描(R-43 pgvector v0.8 里程碑 + R-48 pgvector 0.9 April 2026 锚定的中间版本,本轮确认发布);(d) MySQL 9.7.1 WebAuthn 支持;§2.5 状态持续;R-49 §2.5 同步锚定。

(4) 🟡 邻接 1 · MemTrapBench · "所有主流记忆框架均降低任务性能"(Mengru Wang 等, 2026-08-20, aiweekly.co/alerts/memtrapbench):(a) 五个主流长期记忆框架在 MemTrapBench 上的表现全部低于无记忆基线,即便最强方法也下跌超过 10 个百分点;(b) 失败模式分类:Reasoning Fixation(推理固着) + Belief Distortion(信念扭曲);(c) 关键矛盾:记忆模块工作正常(正确存储),模型表现却更差;(d) 修复方向:AdaptiveMem——推理时提示方法,告诉模型规避记忆陷阱;§2.3 Agent Memory 邻接不入主轴(建议转交 rag.md / agent.md 主题页)。

(5) 🟡 邻接 2 · StateMemBench · Agent 记忆系统状态追踪评测(arXiv:2608.19652, 2026-08):(a) 核心洞察:现有记忆基准主要测 recall-shaped 任务;本文提出状态追踪(state tracking)能力:随着长时间交互中事实/约束/决策被修订,答案必须反映当前状态而非被取代的旧状态;(b) Benchmark:StateMemBench = 234 个多会话场景,两个会话长度 regime,闭环评分;(c) 设计亮点:gold 和 drift 在渲染前计算,渲染器无法改变陷阱语义;§2.3 邻接不入主轴。

(6) 🟡 邻接 3 · BASM · 边界感知技能记忆(arXiv:2608.22339, EMNLP 2026 Findings 已接收):(a) 核心发现:Skill Imitation Trap(技能模仿陷阱)= Proc. Skill 在 BFCL 上对 Qwen3-8B 和 Qwen3-14B 均低于 Base;(b) BASM 方案:为每个技能附加明确的边界字段——适用条件、风险提示、规避规则、恢复笔记;(c) 关键数字:AppWorld +23.8% / BFCL +5.0% / AgentDojo 攻击成功率 -4.6% / AppWorld 平均步数 -6.6%;§2.3 邻接不入主轴。

(7) 🟡 邻接 4 · ReFind · Agent 直接搜原始聊天记录 ≈ 专用记忆系统(arXiv:2608.12888v2, 2026-08):(a) 核心洞察:构建零结构记忆系统——保留原始存档不做任何预处理,结合迭代词汇搜索与四个聊天原生控制(session-aware、context-preserving、temporal、deduplicated);(b) 关键数据:六基准 leaderboard 平均准确率 58.2(最强结构化基线 HippoRAG2 = 53.2) + LongMemEval-S 93.2 / LongMemEval-M 89.3(GPT-5-mini) + SH-QA 83.0 vs BM25-RAG 66.0 +17 分;(c) 关键结论:最强记忆系统的好处可能来自迭代证据收集而非预建结构;§2.3 邻接不入主轴(建议转交 rag.md)。

(8) 🟡 邻接 5 · MemGraphRAG · 面向图检索增强生成的记忆型多 Agent 系统(arXiv:2606.00610, KDD 2026 录用, 2026-08-09~13):(a) MuSiQue 数据集 = Vanilla RAG(Top-5) 30.15% / MemGraphRAG 58.41% / HippoRAG2 55.41% / LightRAG 47.81%;(b) 多跳推理任务上优势最显著;§2.3 邻接不入主轴(建议转交 rag.md)。

(9) 🟡 邻接 6 · ReCache · 面向工具增强型 LLM Agent 的 KV 缓存复用(buttondown/patricknovak1 报道):(a) TTFT 加速 3.655× + KV 张量内存减少 92.43% + 注意力加速 1.423×;(b) 方法 = 资源级注意力,独立缓存资源表示,去除跨资源交互,生成组合不变 KV 块;§2.6 §2.11 KV Cache 邻接不入主轴(与 R-47 5 件邻接一致)。

(10) 🟡 邻接 7 · primitivesp "AI Agent Infrastructure Stack" 市场分析(market 邻接):(a) Mem0 $24M Series A(2025-10)/ Temporal $5B 估值 a16z $300M Series D(2026-02)/ Braintrust $80M Series B(2026-02)/ Anthropic 收购 Vercept(2026-02);(b) 核心论点:编排层(LangGraph/CrewAI/AutoGen)正在商品化;真正护城河在 eval 平台和 memory + 执行环境;(c) Temporal 定性:解决的是真正的分布式系统难题,而非框架 ergonomics;§2.3 市场邻接不入主轴。

(11) 🟢 R-49 候选(κ)维度判定:R-48 §2.7 Multi-Vector / Cross-Model Robustness 候选第(κ)维度(R-48 立标等级 ★★★ 待 R-49 判定升格或维持候选)经 R-49 接力棒独立判定 = (a) SIGMOD 2026 Best Paper HM 锚定 + Multi-Vector HF Blog 锚定 + 跨主流 DB 内置化印证 6 系统均未动摇;(b) 9 月上旬 VLDB 2026 / CIDR 2026 / 其他 SIGMOD 2026 工业论文落地前,本轮无新数据冲击候选升格;(c) 判定 = 维持候选 ★★★ 不升格 第(κ)维度,继续观察 R-50+ 数据;§2.15 §2.7 沿用。

(12) 🟢 R-49 状态持续追踪(均无显著变化,沿用 R-48):(a) CK(arXiv:2608.11632)★★★ 状态不变(GitHub jaylee19/CK-Continuity-Kernel 已开源);(b) TEngineDB-V VLDB 2026 沿用 R-38 arXiv:2608.00650;(c) SIGMOD 2026 FVS 10× 测试条件仍未披露;(d) pgvector v0.8.2 CVE-2026-3172 升级合规性无新数据 + R-48 pgvector 0.9 April 2026 Hybrid/Binary 锚定 + R-49 pgvector 0.8.0 ANN 索引查询规划器改进确认发布;(e) CoRun(arXiv:2608.14376v1)沿用 ★★ 候选级中档;(f) VelestDB / Letta / pgmnemo 0.14.0 / Memori 沿用;(g) CK ★★★ / TEngineDB-V / FVS 10× / pgvector v0.8.2 / CoRun 五件持续追踪。

(13) 🟢 R-49 主叙事沿用 R-48 十轴:(1) Vector DB commoditization 第十一源 + 跨主流 DB 内置化 + Multi-Vector + R-49 PG 18.6 / 19 Beta3 / 14 EOL + pgvector 0.8.0 状态持续;(2) AI 重塑数据库内核九轴范式 + R-49 §2.15 pgbot 邻接补强(ε)融合引擎方向 + R-48 候选第(κ)维度 R-49 维持候选 ★★★;(3) Agent Memory 十抽象层十路线 + R-49 §2.3 Markdown Memory Paradigm 邻接补强(f)状态持久化/自我改进层;(4) KV Cache 系统化五路线 + R-44 CoRun + R-47 5 件邻接追踪 + R-49 §2.6 §2.11 ReCache 邻接(邻接 6);(5) 关系型云原生数据库三路线对照 + R-49 PG 18.6 / 19 Beta3 状态持续;(6) AI4DB 评测体系五维度(R-43 沿用 + R-48 Larch 第五维度策略梯度学习式优化补强);(7) R-43 pgvector 架构辩论两路并立 + R-44 工业锚定 + R-46 三维 + R-47 第四源 4 框架 + R-48 第四源 5 框架 + pgvector 0.9 Hybrid/Binary 锚定 + R-49 pgvector 0.8.0 ANN 索引查询规划器改进;(8) R-44 CVE-2026-3172 pgvector 第五向量(R-46+R-47+R-48 沿用 + R-49 沿用);(9) §2.1 选型决策树五元矩阵;(10) R-45 §2.5 LeaseGuard 拜占庭脚注 + R-48 emptysqua.re 复盘确认 SIGMOD 2026 接收。

(14) 🟢 R-49 database 主分类 paper_cards 持续 0 张净增:R-49 inbox 新卡 IDs 1072~1076(2026-08-25)全部 RAG/Eval/Agent/Multimodal 主轴,无 database 主分类新卡;SIGMOD 2026 顶会季入库窗口开启后续待 R-50+ 跟进;R-48 新增 2 张主分类(TrieHI + Larch)沿用;累计 database 主分类 9 张仍由 R-19~R-48 提供。

🟢 R-49 评估:0 实质 + 2 微弱增量(pgbot + Markdown Memory Paradigm 邻接)+ 5 邻接(MemTrapBench + StateMemBench + BASM + ReFind + MemGraphRAG + ReCache + primitivesp 7 件但 MemGraphRAG/ReCache 已分立邻接 5/邻接 6 计数 + 市场 1 = 5 邻接主目 + 2 工具性)+ 7 状态持续 + 1 候选(κ)维度判定维持 ★★★;R-49 是 R-48 顶会季反转后的合理低沉延续,9 月上旬 VLDB 2026 / CIDR 2026 落地前预计保持低密度;database 主轴核心叙事完整保留(R-19~R-48 沿用)。

第四十八轮(R-48)= SIGMOD 2026 顶会季反转,详见 archive database-changelog.md R-48 段(SIGMOD 2026 Best Paper HM "Integrating Vector Databases across Embedding Models"+ Larch arXiv:2606.07923 + TrieHI arXiv:2606.16903 + 跨主流 DB 内置化第十一源 + Multi-Vector/Late Interaction 新维度 + pgvector 0.9 April 2026 锚定 + emptysqua.re SIGMOD 2026 Recap + Actian 数字结案 + 5 状态持续 + 1 修正确认)。

第四十七轮(R-47)= pgvector/Pinecone 第四源 4 框架 cost 比对 + KV Cache 5 件邻接 + Actian 数字待核实,详见 archive database-changelog.md R-47 段。

§1 现状全景(2026 H2 · CIDR 2026 + pgvector v0.8/v0.9 + 学术顶会季增量 + R-44 工业呼应 + R-45 持续低沉 + R-46 三维补强 + R-47 第四源 4 框架 + R-48 SIGMOD 2026 顶会季反转 + R-49 持续低沉延续)

2026 H2 数据库作为 LLM/Agent 应用数据层, 经历三场深层范式变迁 + R-41+R-42 学术顶会季增量 + R-43+R-44 工业锚定与安全补强 + R-45 持续低沉期 + R-46 三维补强 + R-47 第四源 4 框架 + R-48 SIGMOD 2026 顶会季反转(3 实质 + 1 邻接 + 5 状态持续 + 1 修正确认)+ R-49 持续低沉延续(0 实质 + 2 微弱增量 + 5 邻接 + 7 状态持续 + 1 候选(κ)维度判定)。响应十要点:(1) Filtered ANN 选型六方独立验证(R-37 SPI + R-28 FusedANN-cpp/iFVS/QASP + R-41 SIGMOD 2026 Article 134 + R-42 Filtered Vector Search in a Disaggregated Lakehouse);(2) 数据载体商品化加深(库级 vs 生产 + Omni-RAG + VeloANN + R-46 三维 + R-48 跨主流 DB 内置化 + Multi-Vector 新维度 + pgvector 0.9 Hybrid/Binary);(3) Agent Memory 事务语义层(R-41 清华 + R-42 Mozafari + R-43 Berkeley Agent-First + R-44 CK ★★★ + R-44 CockroachDB A2A + R-49 Markdown Memory Paradigm 邻接(f)状态持久化层);(4) 数据库工程工具链第四象限(ACME FSE 2026 + R-48 Berkeley+NUS+Tsinghua 自动测试预言机 + R-49 pgbot(ε)融合引擎方向邻接补强);(5) Data Agent 评测体系五维度跳(准确率 → 任务完成度 → 跨引擎语义一致性 → 元认知 → R-48 Larch 策略梯度学习式优化);(6) R-43 Berkeley Agent-First + R-44 CockroachDB A2A + R-48 SIGMOD 2026 Recap 印证(Cortex AISQL + MS Fabric CAL + Oracle JSON-to-Duality Migrator + Berkeley Test Oracles);(7) R-44 CVE-2026-3172 pgvector 第五攻击向量 + AI 重塑数据库内核九轴范式;(8) R-45 持续低沉期 + 边缘邻接(Raft 拜占庭漏洞)§2.5 脚注补强 + R-48 emptysqua.re 复盘确认 SIGMOD 2026 接收;(9) §2.1 选型决策树五元矩阵(QPS + p95 延迟 + 成本 + 跨 DB 内置化 + Multi-Vector);(10) R-48 SIGMOD 2026 Best Paper HM "Integrating Vector Databases across Embedding Models" = 跨模型稳健性成为顶会焦点;(11) R-49 持续低沉延续(SIGMOD 2026 入库窗口持续开启 + 9 月上旬 VLDB 2026 / CIDR 2026 落地前低密度 + database 主分类 paper_cards 持续 0 张净增 + 候选(κ)维度 R-49 维持候选 ★★★ 不升格)。

变迁一 · Vector DB commoditization · 多源独立验证完成(R-44 工业锚定 + R-46 三维 + R-47 第四源 4 框架 + R-48 跨主流 DB 内置化 + Multi-Vector 新维度 + 跨模型稳健性顶会焦点 + R-49 PG 18.6 / pgvector 0.8.0 状态持续)。R-37 Firecrawl/Mastra/Oracle + R-38 Agentic Search 6 大生产实证 + R-39 Lushbinary/CallSphere + R-40 Neon Lakebase Search/Qdrant Edge + R-41 SIGMOD 2026 Article 134 库级 vs 生产 10× + R-42 AkasicDB Omni-RAG + Filtered Vector Search in a Disaggregated Lakehouse(arXiv:2608.05441)+ R-43+R-44 PostgreSQL-V 工业锚定(Google Cloud + CoreWeave)+ CockroachDB A2A + R-46 pgvector vs Qdrant 三维 + R-47 DEV/Instaclustr/Kunal/LinkedIn 第四源 4 框架 = R-48 第十一源 + 跨主流 DB 内置化(LinkedIn Abhinav Kandalkar + DataAspirant 2026:PostgreSQL + MongoDB + Oracle + Azure HorizonDB + AWS Neptune + Google)+ Multi-Vector / Late Interaction 数据库支持矩阵(HF Blog:Qdrant v1.10+ / Weaviate v1.29+ / Vespa / LanceDB v0.15+ / VectorChord / Milvus v2.6.4)+ Redis 官方 Vector Search Database 2026 Guide(consolidation + Anthropic 捐赠 MCP SDK 月下载量 1.07 亿)+ pgvector 0.9 April 2026(Hybrid Search + Binary Vectors)+ SIGMOD 2026 Best Paper HM "Integrating Vector Databases across Embedding Models" = 跨模型稳健性顶会焦点;commoditization 共识进入"多源独立验证 + 库级 vs 生产 + 多形态部署 + 湖仓融合 + 工业锚定 + 三维决策 + 跨 DB 内置化 + Multi-Vector + 跨模型稳健性"成熟阶段;R-48 §2.1 选型决策树升级为五元矩阵;R-43+R-44 PostgreSQL-V 工业锚定 = "PG 内嵌 vs 解耦"路径推进到顶级云厂商级别工程化决策;R-44 CockroachDB A2A = 数据库 = Agent 基础设施层 + 协调点;R-48 §2.7 Multi-Vector 新维度 = 垂类 RAG 词级细粒度匹配路径确立;R-49 PG 18.6 / 19 Beta3 / PG 14 2026-11-12 EOL 警示 + pgvector 0.8.0 ANN 索引查询规划器改进确认发布 = 选型决策树五元矩阵版本生态补强;选型决策树 · R-37~R-49 十二轮迭代成熟。

变迁一 · 补充 · Agentic 搜索对 RAG 的反向约束(R-36~R-49 沿用)。库级 benchmark 与生产 DBMS 部署存在 10× 延迟差距(SIGMOD 2026 Article 134 实证), 选型决策必须基于生产环境实测;向量库适用边界 = 大规模语义相似性(>100M)+ 多形态 embedding + 多租户 + Omni-RAG 混合负载;单文档问答/工具调用/长上下文理解/代码检索/Agent 任务 = Agentic keyword search 已足够好且零维护;数据库本身作为 Agent 协调点 = 不可替代(R-44 CockroachDB A2A + R-48 emptysqua.re SIGMOD 2026 Recap 印证);ClimbMix SIGIR 2026 §2.13 脚注 + R-41 Data Agent benchmark 互补形成"搜索 corpus 固定 + NL→DB 查询完成度"双轴 Agentic 评测基础设施。

变迁二 · Agent Memory 基础设施化(12 元 + 十抽象层十路线 + 事务语义层 + R-49 Markdown Memory Paradigm 邻接)。Mem0/VikingMem/OpenViking + R-41 Agentic Transaction 清华 + R-42 BEGIN AI TRANSACTION Mozafari + R-43 Berkeley Agent-First + R-44 CK ★★★ + R-44 CockroachDB A2A = "应用 + 协议 + 融合引擎 + 内核 + 状态持久化 + 商业关系型 + 事务语义 + 数据系统重设计 + Branch-Head lineage + 协议层 A2A" 十抽象层:R-41 清华(arXiv:2608.13900)ACID 四维挑战;R-42 BEGIN AI TRANSACTION 语义隔离;R-43 Berkeley Agent-First(arXiv:2509.00997v2 CIDR 2026)数据系统端重设计 + agentic speculation 四特征(scale + heterogeneity + redundancy + steerability);R-44 CK ★★★(arXiv:2608.11632)branch-head lineage 治理 + 激活契约 + off-commit candidate evaluation 与 atomic application 解耦 = 事务语义层第四种实现路径(清华 ACID / Mozafari 语义隔离 / Berkeley 数据系统重设计 / CK branch-head lineage);R-44 CockroachDB A2A 协议层视角 = 协调点 = 数据库;R-49 §2.3 Markdown Memory Paradigm 邻接补强(f)状态持久化/自我改进层:文件系统作为主记忆原语 vs 向量数据库 = "持久层文件 / 缓存层内存向量 / 长期层向量库" 三层范式对照 + 与 R-40 Redis 官方 RAG at Scale 内存向量缓存形成三层范式对照;OpenClaw 的两级文件持久化 + 混合评分(0.7 向量权重/0.3 文本权重 + 30天半衰期时序衰减)+ Claude Code 的 CLAUDE.md 层级化指令文件体系;R-49 §2.3 邻接(★邻接级)+ primitivesp 市场分析邻接(Mem0 $24M Series A / Temporal $5B / Braintrust $80M) 印证 memory + 执行环境是真正护城河;R-48 沿用 R-46 + R-47 全部主条目;R-49 邻接不入主轴(MemTrapBench / StateMemBench / BASM / ReFind / MemGraphRAG 全部 RAG/Memory 主题页覆盖范围)。

变迁三 · AI 重塑数据库内核(九轴范式 + R-48 候选第(κ)维度 + R-49 维持候选 ★★★ + R-49 §2.15 pgbot 邻接(ε)融合引擎方向补强)。R-29 pgrust 250K Rust 重写 + R-30 VelestDB 融合引擎 + R-32 Aurora DSQL Section 8 四大警示 + R-33 CockroachDB 24× token multiplier + R-37 六轴 + R-38 七轴 + R-41+R-42 八轴范式 + R-44 九轴范式正式成立(沿用八轴 + 新增(ι) 安全层:CVE-2026-3172 pgvector 0.6.0~0.8.1 parallel HNSW buffer overflow CWE-191 + CWE-787 + 0.8.2 修复 2026-02-25 + CVSS V3.1 = AV:N/AC:L/PR:L/UI:N/S:U/C:H/I:N:A:H);R-45 + R-46 + R-47 + R-48 沿用九轴范式;R-48 §2.7 Multi-Vector / Cross-Model Robustness = 候选第(κ)维度(SIGMOD 2026 Best Paper HM 锚定 + Multi-Vector HF Blog 锚定);R-49 接力棒独立判定 = 维持候选 ★★★ 不升格 第(κ)维度,继续观察 R-50+ 数据(9 月上旬 VLDB 2026 / CIDR 2026 / 其他 SIGMOD 2026 工业论文落地前本轮无新数据冲击候选升格);R-49 §2.15 pgbot 邻接补强(ε)融合引擎方向:Go 编写 + 只读 Postgres 健康检查 MCP 工具 + 覆盖指标 = 连接数 / 缓存命中率 / 锁争用 / 索引未使用率 / 回滚率 / 复制延迟 / checkpoint 状态 + 支持 Supabase / Neon / AWS RDS / 本地 / Docker / K8s + 与 R-33 Branchable DBMS Columbia DAPLab + R-44 CockroachDB Managed MCP Server 衔接 + 立标等级 ★★。

R-43 pgvector 架构辩论两路并立 + R-44 工业锚定化 + R-46 三维补强 + R-47 第四源 4 框架 + R-48 第四源 5 框架补强 + pgvector 0.9 锚定 + R-49 pgvector 0.8.0 ANN 索引查询规划器改进 = (a) PostgreSQL-V Decoupled(arXiv:2608.15994 CIDR 2026)解耦路径 + (b) pgvector v0.8(Iterative Scan + HNSW + DiskANN + halfvec)内嵌优化路径 + (c) R-48 pgvector 0.9(Hybrid Search + Binary Vectors)April 2026 锚定 + (d) R-49 pgvector 0.8.0 ANN 索引查询规划器改进确认发布(数据库更智能判断何时使用向量索引 vs 全表扫描);Iterative Scan 是 PG 内嵌路径对 R-41 SIGMOD 2026 Article 134 警示的工程层回应;R-44 PostgreSQL-V 工业锚定(Purdue 6 位 + Google Cloud + CoreWeave)= "PG 内嵌 vs 解耦"路径从学术推进到顶级云厂商级别工程化决策;R-44 CVE-2026-3172 = pgvector 内嵌路径必须配套升级(0.8.2 修复 buffer overflow);R-46 OpenTechStack 三维印证 PG 内嵌路径 10M 以下区间生产就绪判断(p95 ~35ms + RDS 共享零增量运维成本);R-48 pgvector 0.9 Hybrid/Binary 锚定 + 跨主流 DB 内置化印证 + Multi-Vector 新维度补强 = 选型决策树五元化;R-49 PG 18.6 / 19 Beta3 / PG 14 2026-11-12 EOL 警示 + pgvector 0.8.0 ANN 索引查询规划器改进 = 选型决策树五元矩阵版本生态补强。

§2 关键工作脉络

§2.1 向量数据库选型与 commoditization 共识

§2.1 选型决策树 2026 H2(R-37~R-48 十一轮迭代 + R-49 PG 18.6 / 19 Beta3 / pgvector 0.8.0 版本生态补强 = 五元矩阵): - < 50M 向量 + 已有 PG → pgvector 0.8.2+(CVE-2026-3172 修复)+ pgvector 0.8.0(R-49 锚定 ANN 索引查询规划器改进) + pgvector 0.9 April 2026(R-48 锚定 Hybrid Search + Binary Vectors)+ pgvectorscale 0.8.0(halfvec + iterative_scan + StreamingDiskANN + HNSW 并行 + streaming inserts); PG 18 GA 2026-09 AIO subsystem 2-3× 读吞吐; PG 18.6 / 19 Beta3(R-49 锚定); PG 14 2026-11-12 EOL(R-49 警示)请尽快升级; pgvectorScale 50M 471 QPS @ 99% recall / p95 28ms vs Pinecone s1 p95 784ms(28×);R-39 Lushbinary 量化 = pgvector+pgvectorscale P99 ~85ms / QPS 320 / Recall@10 0.978 @ 10M 1536d AWS r6i;R-40 Neon Lakebase Search 100% pgvector 兼容 + 单索引 1B+;R-41 SIGMOD 2026 Article 134 警示:真实 DBMS 内部署后延迟差距 10×;R-44 PG-V 工业锚定 = Jianguo Wang 团队 6 位 + Google Cloud 06/2026 + CoreWeave 05-06/2026;pgvector 扩展竞合 = VectorChord / pg-storm / PG-V / HNSW-Merger / Yi(arXiv:2607.15576);R-46 三维:pgvector 10M 以下 p95 ~35ms;1M 查询/月成本 pgvector RDS r6g.2xl ~$250 / Qdrant Cloud ~$120 / Qdrant 自托管 ~$40 / Pinecone ~$180;Qdrant p95 ~22ms(pgvector 快 37%);ID/embedding dual-write 平滑迁移;R-47 第四源 4 框架 cost 比对(DEV/Instaclustr/Kunal/LinkedIn:Pinecone $500-2000 vs $180 + pgvector 自托管 $200-800 vs $250 + DEV pgvector 50M P95 28ms + HNSW 150×); - 50M - 100M + 零运维 → Pinecone serverless(p50 ~4.2ms / QPS ~800 / $180/月);+ 混合检索 → Qdrant Cloud(p50 ~2.1ms / QPS ~1,200 / p95 ~22ms / ~$120/月)/ Weaviate Cloud - > 100M + 自托管 → Milvus / Zilliz Cloud;+ 托管 → Pinecone enterprise - Agent 原生 + MCP → ZeroDB(PingCAP + AINative 2026-08) / VelestDB / R-49 pgbot 只读健康检查 MCP 工具(★邻接级) - 超大规模分析 vector search → TEngineDB-V(arXiv:2608.00650, 清华 + 腾讯, 相对 StarRocks 145× + Tencent 100B 生产 52× 提速) - Omni-RAG 统一 DBMS → R-42 AkasicDB(arXiv:2608.09214) + VelestDB VelesQL - 边缘/嵌入式 → zvec(alibaba/zvec ~15,443⭐)/ LanceDB / R-40 Qdrant Edge - 内存架构超大规模语义缓存 → R-40 Redis 官方 RAG at Scale 2026(-68.8% LLM 成本 + 十亿向量单数毫秒级 P95) - AI agent 跨多数据源 → Memori Labs(CockroachDB)/ pgmnemo 0.14.0 - 去中心化 edge 协同 RAG → DEFRAG(arXiv:2608.00922, cost ↓ 98.4% / throughput ↑ 97.8%) - 中大规模 + SSD 高吞吐 → R-42 VeloANN(SSD 驻留图索引 + DiskANN 互补) - 湖仓 + ANN → R-42 Filtered Vector Search in a Disaggregated Lakehouse(arXiv:2608.05441) - 快速原型 / A/B testing embedding → Chroma 0.5.x(S3/GCS + copy-on-write forking) - 原型/超轻量结构化存储 → R-40 sqlite-utils 4.2.1 - 复杂 Agentic 工具调用 / 代码检索 / 单文档问答 → 不要向量 DB(Claude Code / Cursor Codemaps / Devin / Windsurf / Sourcegraph Amp / Cline 六大生产实证) - GCP 原生 → Vertex Vector;亿级混合 → Vespa - R-48 跨主流 DB 内置向量(第十一源) → PostgreSQL(pgvector/pgvectorscale)+ MongoDB + Oracle + Azure HorizonDB + AWS Neptune + Google = 中小规模(<1 亿向量)无需独立向量库;专用向量库仅在十亿级规模 + 亚 10ms 延迟场景保持不可替代性 - R-48 Multi-Vector / Late Interaction(新维度) → Qdrant v1.10+ / Weaviate v1.29+ / Vespa / LanceDB v0.15+ / VectorChord / Milvus v2.6.4(array-of-structs) = ColBERT / MAXSIM 词级细粒度匹配,法/医/技术文档垂类 RAG;Qdrant hnsw_config=HnswConfigDiff(m=0) 仅做重排序模式 - R-48 跨模型稳健性(SIGMOD 2026 Best Paper HM) → "Integrating Vector Databases across Embedding Models"(Edinburgh + Huawei)解决 embedding model drift / churn - R-49 版本生态补强 → PG 18.6 / 19 Beta3 / PG 14 EOL 2026-11-12 / pgvector 0.8.0 ANN 索引查询规划器改进

§2.1 第三方独立验证(十六轮, R-32~R-49 沿用):R-32 Salt Q1 / R-35 Actian 471.57 QPS / R-37 Firecrawl/Mastra/Oracle + Stonebraker & Pavlo / R-39 Lushbinary(Qdrant 8,400/Milvus 7,100/Weaviate 4,200/pgvector 320 QPS @ 10M)/ R-40 Neon/Qdrant Edge/Redis / R-41 SIGMOD 2026 Article 134(库级 vs 生产 10×)/ R-42 AkasicDB/VeloANN/Filtered Lakehouse / R-43+R-44 PG-V/CockroachDB/CVE-2026-3172 / R-46 OpenTechStack 三维 / R-47 DEV/Instaclustr/Kunal/LinkedIn 第四源 4 框架 / R-48 第十一源(LinkedIn/DataAspirant/Redis 2026/Multi-Vector HF Blog)+ 跨主流 DB 内置化 6 系统 + pgvector 0.9 锚定 = R-49 PG 18.6 / 19 Beta3 / pgvector 0.8.0 = 十五源 + 一版生态补强 = 十六源跨验证完整。

§2.2 AI4DB / Text-to-SQL

BIRD / Spider 2.0-Snow 错误率 52.8% / 66.1% 量化 + ReViSQL arXiv:2603.20004 RLVR + BIRD-Verified 2.5k 数据修正 61.1% 错误 + ReViSQL-235B-A22B SOTA + ReViSQL-30B-A3B 7.5× 更低成本匹配 = Text-to-SQL 2026 H2 范式从"模型架构"到"数据质量"转移; GenDB arXiv:2603.02081 Multi-Agent 自动生成执行引擎代码 + Bespoke OLAP arXiv:2603.02001 工作负载驱动专用 OLAP 引擎合成 + Query Optimization in the Wild arXiv:2510.20082v2 LLM-as-Cardinality-Est + Cortex AISQL arXiv:2511.07663v3(Snowflake,语义 SQL 进入生产)+ ARXIV 15.24× / CNN 69.52× / 均值 30.7× 语义 join query rewriting 降本 = SIGMOD 2026 三主线(AI 协作从优化到合成)。

R-41+R-42 新增条目:Data Agent benchmark(arXiv:2603.20576v1, UC Berkeley RISE Lab + Hasura,2026-03-21)= 评估 AI Agent 数据相关问题 + 当前 Agent 跨表连接/子查询优化/多跳推理失败率显著上升;Window Function Optimization(arXiv:2608.06043, Daniel Lindner/Felix Naumann/Alberto Lerner)= 窗口函数 OLAP 场景核心。

🟢 R-48 新增条目 · Larch: Learned Query Optimization for Semantic Predicates(Fuheng Zhao 等, arXiv:2606.07923, 2026-06, paper_card 103 database 主分类, S2:1) = (a) 核心问题:AI SQL 查询(WHERE AI_FILTER(embedding, text) 或 WHERE AI_SIMILAR(embedding, prompt))语义过滤器执行成本远高于传统谓词,传统优化器无法感知其成本/选择性;(b) 核心贡献:Larch 框架 + Larch-A2C(Advantage Actor-Critic 学习最优执行策略)+ Larch-Sel(选择器);token 使用量始终优于现有语义过滤器优化技术;(c) 与 R-41 GenDB / R-42 Bespoke OLAP / R-42 Cortex AISQL / R-42 ARXIV 30.7× 关系:共同形成 AI4DB / Text-to-SQL 2026 H2 范式锚定 = 习得式优化 + 多 Agent 自动生成 + 语义 SQL + LLM-as-Cardinality-Est 协同;(d) 与 R-43 Walk Before You Run 元认知导向:Larch 偏学习式优化(策略梯度),Walk Before You Run 偏规划式元认知;(f) §3.2 D70 同步锚定(AI4DB 内部路径之争);立标等级 ★★★(S2:1 citation 新论文 + AI4DB 范式锚定 + 工程价值高)

🟢 §2.2 评测体系五维度:BIRD / Spider 2.0 / ReViSQL(准确率导向)→ R-42 Data Agent benchmark(任务完成度导向)→ R-42 ACME(跨引擎语义一致性)→ R-43 Walk Before You Run(元认知导向)→ R-48 Larch(策略梯度学习式优化 = AI4DB 第五维度);R-49 沿用 R-46 + R-47 + R-48 全部, 无新增条目。

§2.3 数据库与 Agent 记忆交叉(12 元 + 十抽象层十路线对照 + 事务语义层 + R-49 Markdown Memory Paradigm 邻接)

详见 §沿革摘要 R-41+R-42 + §1 变迁二 + §2.15 R-41 ACME + §2.2 R-42 Data Agent benchmark + §2.13 R-41 SIGMOD 2026 Article 134 警示。R-41+R-42+R-44 CK 立标等级补强:维持 R-38 候选级中档 ★★ + 新增"候选期 ≥ 1 周 + 实证评估 1 周内未公开"硬约束 => R-44 CK 升级 ★★★ = branch-head lineage 治理 + 激活契约 + off-commit candidate evaluation 与 atomic application 解耦 + GitHub jaylee19/CK-Continuity-Kernel + 与 R-43 Berkeley Agent-First + R-41 Agentic Transaction 清华 + R-42 BEGIN AI TRANSACTION Mozafari 三层协同 = Agent 事务语义层第四种实现路径; 十抽象层十路线对照 = (a) 应用层 token-efficient + (b) 协议层 Context Database + (c) R-44 协议层 A2A vs MCP = CockroachDB 数据库作为 Agent 协调点 + (d) 融合引擎层 + (e) 数据库内核层 Agent 探索 + (f) 状态持久化/自我改进层 + (g) 商业关系型数据库 Agent 记忆平面(CockroachDB Memory/Context/Control) + (h) R-41 Agentic Transaction 清华 + (i) R-42 BEGIN AI TRANSACTION Mozafari + (j) R-43 Berkeley Agent-First 数据系统端重设计 + (k) R-44 CK 升级 ★★★ branch-head lineage + GUI Agent 记忆 FocusMem(arXiv:2608.04530 Content/Readout/Trust 因子化)+ Activity Frames(arXiv:2608.05784 "说 vs 做"双轨)。

R-41+R-42 新增条目:Agentic Transaction(arXiv:2608.13900, 清华)= ACID 四维挑战 + 现有 ReAct/Rewoo/LangChain 框架缺少原子性和回滚机制(候选级低档 ★);BEGIN AI TRANSACTION(arXiv:2608.05412, Barzan Mozafari)= 语义隔离的 AI 工作流持久化。

R-44 新增条目:CockroachDB A2A Is Now an Open Standard. The Data Layer Underneath It Isn't.(cockroachlabs.com/blog/a2a-agent-state-data-layer, Quentin Packard, 2026-08-19) = A2A 水平协调 + MCP 垂直工具 + 数据库 = 共享状态层 = 协调点 = 数据库;立标等级 = 中高价值(商业数据库厂商顶级权威发布 + 工业侧呼应 R-43 Berkeley Agent-First);§2.5 §2.13 §3.1 C52 同步新增。

🟡 R-49 微弱增量 2 · Markdown Memory Paradigm · 文件优先 vs 向量库为主记忆(Micheal Lanham, substack) = (a) 核心论点:高可见度 Agent 栈(Manus、OpenClaw、Claude Code)正在从"向量数据库为主记忆"转向"文件系统为主记忆";(b) File-First 架构:文件系统作为持久化、可检查接口,状态和学习存储在文件系统,选择性 rehydrate 相关数据到 context window;(c) 典型实现:OpenClaw 的两级文件持久化、混合评分(0.7 向量权重/0.3 文本权重 + 30天半衰期时序衰减);Claude Code 的 CLAUDE.md 层级化指令文件体系;典型文件 todo.md(规划模块派生,counter "lost-in-the-middle" 退化);(d) 工程意义:文件系统作为主记忆原语 vs 向量数据库——这对本地优先/隐私优先 Agent 设计有重要影响,与 R-40 Redis 官方 RAG at Scale 内存向量缓存形成 "持久层文件 / 缓存层内存向量 / 长期层向量库" 三层范式对照;(e) 不入 database 主轴 = 邻接 §2.3 Agent Memory 十抽象层之"(f) 状态持久化/自我改进层";立标等级 = ★邻接级;§2.3 §IX 邻接补强。

🟡 R-49 邻接 1-5 · MemTrapBench / StateMemBench / BASM / ReFind / MemGraphRAG(全部 RAG/Memory 主题页覆盖范围, database 主轴不入) = (a) MemTrapBench(Mengru Wang 等, 2026-08-20):五主流长期记忆框架表现全部低于无记忆基线 + AdaptiveMem 修复方案;(b) StateMemBench(arXiv:2608.19652):234 个多会话场景状态追踪评测;(c) BASM(arXiv:2608.22339 EMNLP 2026 Findings):AppWorld +23.8% / BFCL +5.0% / AgentDojo 攻击成功率 -4.6% / AppWorld 平均步数 -6.6%;(d) ReFind(arXiv:2608.12888v2):六基准 leaderboard 平均准确率 58.2(最强结构化基线 HippoRAG2 = 53.2) + LongMemEval-S 93.2 + SH-QA 83.0 vs BM25-RAG 66.0 +17 分;(e) MemGraphRAG(arXiv:2606.00610 KDD 2026 录用):MuSiQue 58.41% vs Vanilla RAG 30.15% / HippoRAG2 55.41% / LightRAG 47.81%;(f) R-49 邻接不入 database 主轴 = 建议转交 rag.md / agent.md 主题页评估;立标等级 = 邻接参考 ★;§2.3 §IX 邻接补强。

🟡 R-49 邻接 6 · primitivesp "AI Agent Infrastructure Stack" 市场分析(market 邻接) = (a) Mem0 $24M Series A(2025-10)/ Temporal $5B 估值 a16z $300M Series D(2026-02)/ Braintrust $80M Series B(2026-02)/ Anthropic 收购 Vercept(2026-02);(b) 核心论点:编排层(LangGraph/CrewAI/AutoGen)正在商品化;真正护城河在 eval 平台和 memory + 执行环境;(c) Temporal 定性:解决的是真正的分布式系统难题,而非框架 ergonomics;§2.3 §IX 市场邻接。

R-45 + R-46 + R-47 + R-48 + R-49 沿用 R-44 主条目全部, R-49 新增邻接(★)全部不入 database 主轴

§2.5 云原生与分布式数据库(CockroachDB / TiDB / Aurora DSQL / pgrust / PLB / R-44 A2A 协议层 / R-45 边缘邻接 / R-48 SIGMOD 2026 顶会季反转 / R-49 PG 18.6 / 19 Beta3 / 14 EOL 状态持续)

CockroachDB Agentic AI 三层架构(2026-06-11):Memory 持久化 Agent 上下文 + Context 跨多 Agent 共享状态 + Control 事务边界/防止脏写 + Vector Search 复用 AI + AI Observability = 商业关系型数据库官方拥抱 Agent 记忆平面;Memori Labs + AI Agents Need Context to Reason + AI Agent 观测性 + 24× Token Multiplier(Agentic token ≈ 传统 API 24 倍);R-44 CockroachDB Managed MCP Server(2026-03-25);R-44 A2A vs MCP 分层(2026-08-19)= A2A = 水平协调 + MCP = 垂直工具 + 数据库 = 共享状态层;R-33~R-49 CockroachDB 九次官方发布月度节奏。

CockroachDB SIGMOD 2026 Scalable Leader Leases(Ibrahim Kettaneh 等 6 位, Industry 3 Session Jun 2 2026 Bengaluru):多共识组(数千到数百万 range)下 lease-maintenance CPU 降低最高 85%;emptysqua.re 独立确认 85% CPU claim;R-48 emptysqua.re/blog/sigmod-2026 复盘确认 LeaseGuard: Raft Leases Done Right SIGMOD 2026 Industry 3 Session 正式接收。

🟡 R-45 §2.5 脚注 · LeaseGuard 拜占庭安全改进方向(arXiv:2601.00273, IJACSA):标准 Raft 假设 Crash-Stop,未对消息内容做加密验证 → 拜占庭故障场景下, 恶意节点可伪造日志条目或心跳包;适用场景 = 仅"高度对抗性环境"(区块链、分布式金融系统);改进方向 = 基于 arXiv:2512.15659 Raft Leases 安全加固;与 CockroachDB Scalable Leader Leases 同源但方向相反(LeaseGuard = 安全加固 vs CockroachDB = 性能优化);立标等级 = 边缘邻接 ★ 脚注级;R-46 + R-47 + R-48 + R-49 沿用 + R-48 emptysqua.re 复盘确认。

TiDB TiKV + TiFlash HTAP 路径固化(MySQL 兼容 + TiKV 行存储 + TiFlash 列式同步复制 + 跨节点 ACID + MPP = R-33 关系型云原生三路线对照:CockroachDB / TiDB / Aurora DSQL)。

OceanBase Mercury arXiv:2602.07584v1 HTAP 第三条路线:LSM-tree-integrated 自适应列存 = baseline data 由行存转列存 + 增量数据保持行存 + 完整 DML 不丢失;与 TiDB + Aurora DSQL 形成 R-38 HTAP 三路线对照。

🟢 R-41 + R-42 新增条目:PLB: Priority-Aware Load Balancing for Replicated Databases(arXiv:2608.06140, 2026-08)= 副本数据库优先级感知负载均衡;§3.1 C47 新增。

🟢 R-44 新增条目:大型分布式数据库 A2A 协议层正式交付(CockroachDB A2A vs MCP, 2026-08-19);详见 §2.3。

🟢 R-48 新增条目 · SIGMOD 2026 顶会季反转(emptysqua.re/blog/sigmod-2026 + https://2026.sigmod.org/sigmod_awards.shtml):(a) Snowflake Cortex AISQL(arXiv:2511.07663v3, SIGMOD Companion '26)= AI_COMPLETE + AI_FILTER + AI_AGG 三个新算子,输入图像/音频;(b) Microsoft Fabric Best Industry Paper · Coprocessor Abstraction Layer(CAL) = 硬件无关 API,GPU/FPGA 协处理器即插即用;(c) Oracle JSON-to-Duality Migrator = MongoDB → 关系型 schema 自动设计,始终达 2NF,估算节省空间时达 3NF;(d) Berkeley+NUS+Tsinghua Automated Discovery of Test Oracles for DBMS Using LLMs = LLM 自动发现 DBMS 测试预言机(§2.10 跨引擎测试层补强);(e) LeaseGuard: Raft Leases Done Right(A. Jesse Jiryu Davis SIGMOD 2026)= R-45 §2.5 脚注所引 LeaseGuard 与 CockroachDB Scalable Leader Leases 同 session,R-48 emptysqua.re 复盘确认 SIGMOD 2026 Industry 3 Session 正式接收;(f) TrieHI: Directory-Aware Query and Maintenance in Vector Databases(Mengzhao Wang/Zheng Gong 等 6 人, arXiv:2606.16903, paper_card 013 database 主分类, 2026-06-15)= 向量索引目录感知查询与维护;立标等级 ★★★;

分布式数据库 2026 benchmark 横评(sanj.dev):TiDB 52K OLTP TPS / CockroachDB 45K / YugabyteDB 48K;HTAP = TiDB Excellent / CockroachDB Good / YugabyteDB Good;写延迟 P99 TiDB 30-80ms / CockroachDB 50-100ms;TiDB AI Agent(Manus)+ Dify 80% 成本下降;Aurora DSQL(arXiv:2607.13276 AWS Marc Brooker)多区域 active-active OLTP + 完全解耦 + MVCC OCC + journal replication 把跨区域协调最小化到 commit 层 + Section 8 生产教训四大警示。

PostgreSQL 18 GA(2026-09):异步 I/O(AIO)子系统 2-3× 读吞吐 + io_uring + pg_aios; Skip Scan on B-tree; Eager Freezing; pgvector 与 AIO 整合; pg_stat_io WAL I/O; pg_upgrade --jobs/--swap; Image Volumes GitOps; 校验和默认启用; MD5 已废弃(迁移 SCRAM); effective_io_concurrency 默认 1 → 16。

🟢 R-49 §2.5 状态持续补强 · PostgreSQL 版本生态 2026-08-13 节点(postgresql.org + Bytebase + Kunal Ganglani) = (a) PG 19 Beta 3 测试中 / PG 18.6 稳定版 / PG 17.11 / 16.15 / 15.19 稳定版;PG 14 2026-11-12 EOL,请尽快升级;(b) PG 18 新特性:uuidv7() 函数(时间有序 UUID + 全局唯一,优化索引性能)+ OAuth 2.0 认证 + COPY 命令增强(导出速度翻倍 + ON_ERROR 选项支持批量导入跳过失败行)+ SIMD (AVX-512) B-tree 索引加速 + 并行 BRIN 索引构建;(c) pgvector 0.8.0 = ANN 索引查询规划器改进,数据库更智能判断何时使用向量索引 vs 全表扫描(R-43 pgvector v0.8 里程碑 + R-48 pgvector 0.9 April 2026 锚定的中间版本,本轮确认发布);(d) MySQL 9.7.1 WebAuthn 支持;§2.5 状态持续补强;R-49 §2.5 §2.1 §2.7 同步锚定。

pgrust(github.com/malisper/pgrust v0.1, 2026-07-19)= 250K Rust 行 + 通过 PG 18.3 全部 46,066 回归测试 + 分析型 300× 提速 + sysbench-oltp +30% + ClickBench +18.5% vs ClickHouse(pgrcolumnar)+ AGPL = AI 重塑数据库内核范式首例跑通 + PG 关系型扩展路径四件套(与 PG 18 GA AIO + PG-V 解耦 + PG-V 工业锚定)。

pgvector 0.9 April 2026(R-48 新增锚定):Hybrid Search(BM25+vector 原生融合)+ Binary Vectors + Improved Indexing Primitives(CallSphere/pecollective.com/Instaclustr 三源核验) = PG 内嵌路径继续推进 + 与 R-43 v0.8 里程碑配套 + R-44 CVE-2026-3172 升级路径 + 0.8 line 已 stable + 0.9 持续整合;§2.1 §2.7 §2.8 §2.12 同步锚定。

§2.6 KV Cache 系统化五维度路线矩阵(沿用 R-43 + R-44 邻接 + R-46 沿用 + R-47 5 件邻接追踪 + R-48 沿用 + R-49 ReCache 邻接追踪)

复用(C2KV arXiv:2607.17715 KDD 2026)+ 存储原语化(arXiv:2608.01526)+ 稀疏激活(HiSparse arXiv:2608.07009)+ HBM 解耦(OasisKV arXiv:2608.08097)+ PIM 内存计算(PIM-DIMM KV Cache Server HotInfra 2026, Khyati Kiyawat & Kevin Skadron, 32K tokens DeepSeek-R1-671B, 23×64GB PIM-DIMM vs 19×H100 SXM5 = 聚合带宽 150.7 TB/s vs 63.7 TB/s 2.4× + 吞吐量 1,607 tok/s vs 679 tok/s 2.4× + CapEx $27,664 vs $570,000 1/20×)= R-36 PIM 内存计算范式首次进入 KV Cache 主轴 + R-37~R-49 沿用。

🟢 R-44 邻接补强:CoRun(arXiv:2608.14376v1, 2026-08 投稿, 待同行评审)= 确定性 LLM 推理调度:continuous batching 中不同长度请求混合 → CUDA Graph 形状不固定 → 无固定形状优化;prefill 隔离 + decode pad 到最大并发重放固定 CUDA Graph;吞吐量提升 15–324%(所有模型均超 2×)+ 输出 bit-identical(deterministic);评测 Qwen3-235B-A22B / DeepSeek-V3 / Hy3;与 §2.11 KV Cache 系统化五路线形成 inference 调度侧补充视角:"确定性 KV-cache 重放"与数据库可重现查询计划概念平行 = inference × storage 交叉邻接;立标等级 = 候选级中档 ★★;§2.11 §3.2 D69 新增。

🟡 R-47 5 件邻接追踪取代 R-46 kv-cache-analyzer 锚, 不入 database 主轴(详见沿革摘要 R-47 (2))。

🟡 R-49 ReCache 邻接追踪(buttondown/patricknovak1 报道, 2026-08, 不入 database 主轴) = (a) TTFT 加速 3.655× + KV 张量内存减少 92.43% + 注意力加速 1.423×;(b) 方法 = 资源级注意力,独立缓存资源表示,去除跨资源交互,生成组合不变 KV 块;(c) 与 §2.6 §2.11 KV Cache 系统化五路线形成 "工具调用场景 KV 复用" 邻接视角;(d) Inv-F1 82.3% vs 82.4% 基线对比;(e) 立标等级 = 邻接级 ★;§2.6 §2.11 §IX 邻接补强。

§2.7 向量检索精度与优化层(R-37+R-38 工程化补强 + R-39 R-40 R-41 R-42 R-43 + R-44 沿用 + R-41 SIGMOD 2026 Article 134 警示 + R-44 PG-V 工业锚定 + R-46 三维补强 + R-47 第四源 4 框架 + R-48 SIGMOD 2026 Best Paper HM + Multi-Vector 新维度 + 跨主流 DB 内置化 + R-49 候选(κ)维度判定维持 ★★★)

🟢 R-37 检索三向优化路线成型:(a) 索引粒度自适应(SPI arXiv:2511.16681v3 + Hyper-Efficient RAG arXiv:2511.16681v2)= Query-Depth-Adaptive 多分辨率索引 + 分布式并行搜索;(b) 内存侧(R-36 PIM-DIMM)= PIM 内存计算范式, 内存中心化第五路线, 150.7 TB/s vs 63.7 TB/s;(c) 元数据侧(SRAG arXiv:2603.26670)= re-chunking + tagging + 结构化元数据重表征。

🟢 R-38 工程化补强:PG 18 GA AIO + pgvector 与 AIO 整合 = 高并发向量搜索性能改善;Chroma 0.5.x S3/GCS + collection forking copy-on-write = A/B testing embedding 模型成本降低。

🟢 R-39 沿用:Vector DB 第四轮跨源验证(Lushbinary Qdrant 8,400 / pgvector 320 QPS @ 10M 1536d) + zvec(~15,443⭐)+ Agentic Search 边界条件 9 轮跨源验证。

🟢 R-40 沿用:Vector DB 第五波跨源验证(Neon Lakebase Search + Qdrant Edge + Redis RAG at Scale)+ 内存架构大规模语义缓存官方背书(-68.8% LLM 成本 / 十亿向量单数毫秒级 P95)+ 边缘/嵌入式三足鼎立(zvec / LanceDB / Qdrant Edge)。

🟢 R-41 + R-42 沿用:Vector DB 第六方独立验证(SIGMOD 2026 Article 134 库级 vs 生产 10×)+ Filtered ANN 选型六方独立验证 + SSD 驻留图索引(VeloANN)+ Omni-RAG 统一 DBMS(AkasicDB)。

🟢 R-43 + R-44 沿用:PostgreSQL-V 工业锚定(Purdue 6 位作者 + Google Cloud + CoreWeave)+ CockroachDB A2A 数据层 + CVE-2026-3172 pgvector 0.6.0~0.8.1 parallel HNSW buffer overflow + 0.8.2 修复 2026-02-25 = R-43 v0.8 里程碑必须配套升级 + CK 升级 ★★★ branch-head lineage。

🟢 R-46 三维补强 + R-47 第四源 4 框架补强:HNSW 构建 150× + pgvector 50M P95 28ms 印证 PG 内嵌路径 50M 以下生产就绪;R-47 五件 KV Cache 交叉邻接追踪不入 database 主轴。

🟢 R-48 顶会季反转 · SIGMOD 2026 Best Paper Honorable Mention "Integrating Vector Databases across Embedding Models"(Beining Yang/Yang Cao, University of Edinburgh; Yang Ren, Edinburgh Research Center, Central Software Institute, Huawei, 2026-05-31~06-05 SIGMOD 2026 Bengaluru, https://2026.sigmod.org/sigmod_awards.shtml 锚定): (a) 核心问题:向量 DB 索引与存储建立在单一 embedding 模型假设之上;实际生产中 embedding 模型会随业务演化/模型升级/领域适应而变化 → 当向量集合使用旧模型生成、新模型查询时,向量几何结构改变 → 检索准确率灾难性下降;(b) 核心贡献:跨 embedding 模型向量集成方法(unsupervised embedding transformation),无需重新编码全部向量即可桥接异构模型向量空间;(c) 意义:首次在向量 DB 核心机制层面系统解决 embedding model drift / churn 问题;与 SIGMOD 2026 Warm-up Session "Vector Databases - Pointing in the Right Direction?" 形成共识闭环;(d) §3.1 C54 同步锚定;(e) 立标等级 ★★★★(SIGMOD 顶会 Best Paper HM + 学术-工业合作 Edinburgh/Huawei + 解决核心未解问题)。

🟢 R-48 Multi-Vector / Late Interaction 新维度(HuggingFace Blog):(a) 核心内容:Qdrant v1.10+ / Weaviate v1.29+ / Vespa / LanceDB v0.15+ / VectorChord(Postgres 扩展)+ Milvus v2.6.4(array-of-structs 形式)原生支持 late interaction 多向量索引;(b) ColBERT/MAXSIM 模式:Qdrant 推荐 hnsw_config=HnswConfigDiff(m=0) 仅做重排序而非图遍历,适合 Retrieve-then-Rerank 流程(候选集 200-500 条规模);LightOn fast-plaid 支持 pip install 快速集成,无需自建服务器;(c) 意义:Multi-vector 检索(ColBERT 范式)在需要细粒度词级匹配的垂类 RAG 场景(如法律/医学/技术文档)价值显著,但工程复杂度高于单向量方案;§2.1 §2.12 同步锚定。

🟢 R-48 pgvector 0.9 April 2026 锚定(CallSphere/pecollective.com/Instaclustr 三源核验):Hybrid Search(BM25+vector 原生融合)+ Binary Vectors + Improved Indexing Primitives = PG 内嵌路径继续推进,与 R-43 v0.8 里程碑配套 + R-44 CVE-2026-3172 升级路径 + 0.8 line 已 stable + 0.9 持续整合。

🟢 R-48 跨主流 DB 内置化印证(LinkedIn/DataAspirant 2026 综述):PostgreSQL + MongoDB + Oracle + Azure HorizonDB + AWS Neptune + Google 全部已将向量搜索作为标准功能而非独立品类;中小规模(<1 亿向量)RAG 架构正在从"独立向量数据库"向"向量能力集成到已有关系库"收敛。

🟡 R-49 §2.7 候选(κ)维度判定:R-48 §2.7 Multi-Vector / Cross-Model Robustness 候选第(κ)维度(R-48 立标等级 ★★★ 待 R-49 判定升格或维持候选)经 R-49 接力棒独立判定 = (a) SIGMOD 2026 Best Paper HM 锚定 + Multi-Vector HF Blog 锚定 + 跨主流 DB 内置化印证 6 系统均未动摇;(b) 9 月上旬 VLDB 2026 / CIDR 2026 / 其他 SIGMOD 2026 工业论文落地前,本轮无新数据冲击候选升格;(c) 判定 = 维持候选 ★★★ 不升格 第(κ)维度,继续观察 R-50+ 数据;§2.15 §2.7 沿用。

§2.8 LLM × Database 安全(四攻击向量 + R-44 CVE-2026-3172 第五向量 + R-45 + R-46 + R-47 + R-48 + R-49 沿用)

2026 H2 LLM × Database 安全演进:(a) Jailbreak 字节层 + (b) Shadow in the Cache GPU 显存层 + (c) PA-HDP 差分隐私查询层 + (d) Stable-RAG + RAGSieve 检索结果完整性层(R-39 第四攻击向量);R-44 第五向量:(e) CVE-2026-3172 pgvector 0.6.0~0.8.1 parallel HNSW index build buffer overflow(CWE-191 + CWE-787, github.com/pgvector/pgvector Issue #959 + nvd.nist.gov + sentinelone.com 三源核验, 2026-02-25 修复 0.8.2 发布)= 远程低权限用户(AV:N/AC:L/PR:L)可泄露其他关系数据(C:H/I:N)或让数据库崩溃(A:H);触发条件 = CREATE INDEX / REINDEX 权限 + parallel workers;缓解 = 升级 0.8.2+ 或临时 max_parallel_maintenance_workers = 0;§2.8 第五向量 + §3.1 C53 新增 + §2.15 九轴范式安全层(ι)新增。R-46 + R-47 + R-48 + R-49 沿用, 无新增安全攻击向量;R-48 pgvector 0.9 April 2026 印证 pgvector 生态持续整合, 但 0.6.0~0.8.1 用户仍需升级至 0.8.2+;R-49 §2.8 沿用。

Jailbreak(arXiv:2607.07696 AIDB 2026 VLDB Workshop, MIT/Vrije)LLM 直接读取 PG/MySQL 存储文件 + Apache Arrow 列式缓冲 + DuckDB/Spark/RAPIDS/cuDF + 27× 吞吐 + 安全风险(绕过 RBAC/列权限/行过滤); Shadow in the Cache(arXiv:2508.09442 NDss 2026)KV-cache GPU 显存明文 + 侧信道攻击 + 缓解; PA-HDP(arXiv:2607.14811)prompt-aware dynamic hierarchical DP + 动态风险分层; Datasette 1.0a38 SQL 注入修复; HF 2026-07 Autonomous Agent 入侵 + 4 CVE Agent 框架 RCE(CVE-2026-4372/5241/61447/54769/57572/59726 + Orca 2026 Report 99.9% 未修补率)。

🟢 R-39 第四攻击向量 = Stable-RAG(arXiv:2601.02993 ACL 2026 Main)+ RAGSieve(arXiv:2608.13010)检索结果完整性层: - Stable-RAG Mitigating Retrieval-Permutation-Induced Hallucinations in RAG(ACL 2026 Main)提出:答案锚定浓度(answer-anchor concentration)+ 载体迁移(carrier transition) - RAGSieve(arXiv:2608.13010)从知识投毒角度切入:RAGSieve-Query(RSQ) 查询局部对比, 第 1-5 名 vs 第 6-20 名得分差异检测答案锚点集中度; RAGSieve-Graph(RSG) 图结构检测载体迁移

🟢 R-45 + R-46 + R-47 + R-48 + R-49 沿用 R-44 全部, 无新增安全攻击向量

§2.10 自治数据库(LLM 智能体 + 软件 + 硬件 + 测试四轴)

Gen-DBA arXiv:2601.16409v2 CMU Database Group 2026 自治数据库 Vision(1057+ 引擎)+ DIRT arXiv:2604.16373 SQLite B-tree 模糊测试(2100+ bug)+ SafarDB arXiv:2603.08003 FPGA 加速分布式事务 + Probabilistic Failure Model arXiv:2602.11362v1 Raft/Paxos + R-41 + R-42 ACME FSE 2026(NUS)= 子句映射(clause mapping)将 SQL 语义等价性映射到不同 DB 引擎执行路径, 发现跨引擎语义不一致 = 自治数据库从 LLM 智能体扩展到软件 + 硬件 + 一致性协议 + 跨引擎测试四轴。R-48 邻接:Berkeley+NUS+Tsinghua Automated Discovery of Test Oracles for DBMS Using LLMs(SIGMOD 2026)= LLM 自动发现 DBMS 测试预言机;立标等级 ★★★。

§2.11 KV Cache 优化五路线 + R-44 邻接 + R-49 ReCache 邻接追踪

复用(C2KV) + 存储原语化(Rethinking Boundaries) + 稀疏激活(HiSparse) + HBM 解耦(OasisKV) + PIM 内存计算(HotInfra 2026 PIM-DIMM) + 双路径常驻(DUAL-BLADE arXiv:2604.26557 边缘 LLM 推理 KV-cache NVMe-direct 卸载)+ P2P GPU 共享(Harvest arXiv:2602.00328 + FlexPipe 生产集群 GPU 显存利用率 43.48% 平均 / 28.78% 中位数 / 38.44% 落在 10-30% 区间)+ 语义保真压缩(KV Cache Transform Coding arXiv:2511.01815 ICLR 2026 + DCT 变换 + 频域截断 + 与 vLLM PagedAttention 正交)+ FlintKV arXiv:2607.02401 现代 NVMe KV 存储引擎 + 跨引擎 KV Cache 五大优化方向(arXiv:2603.20397 Dell)= §2.11 KV Cache 系统化五路线 + 工程实现层四向扩展。

🟢 R-40 沿用 + 邻接补强:Redis 官方 RAG at Scale 2026 = 语义缓存 -68.8% LLM 成本与 §2.11 KV Cache 五路线形成 数据库→语义缓存→KV Cache 端到端关联;R-41 + R-42 沿用:全部五路线 + 工程实现层四向扩展;R-44 邻接补强:CoRun(arXiv:2608.14376v1, 2026-08 投稿)= 确定性 LLM 推理调度 = continuous batching → CUDA Graph 形状不固定 → prefill 隔离 + decode pad 重放固定 CUDA Graph;吞吐量 15–324% + bit-identical;§2.6 详述 + §2.11 邻接 = inference × storage 交叉;🟡 R-47 5 件邻接追踪不入 database 主轴;R-48 沿用 R-44 + R-47 全部 KV Cache 主叙事;🟡 R-49 ReCache 邻接追踪(buttondown/patricknovak1 报道, 2026-08, 不入 database 主轴) = TTFT 加速 3.655× + KV 张量内存减少 92.43% + 注意力加速 1.423×;资源级注意力 + 独立缓存资源表示 + 组合不变 KV 块;Inv-F1 82.3% vs 82.4% 基线;§2.6 §2.11 §IX 邻接补强。

§2.12 RAG 数据层载体范式(R-37 检索三向优化路线 + R-38 工程化补强 + R-39 R-40 R-41 + R-42 R-43 + R-44 沿用 + R-41 SIGMOD 2026 实证 + R-46 三维补强 + R-47 第四源 4 框架 + R-48 跨 DB 内置化 + Multi-Vector 新维度 + pgvector 0.9 Hybrid/Binary 锚定 + R-49 PG 18.6 / pgvector 0.8.0 状态持续)

R-37 SRAG(arXiv:2603.26670)+ SPI(arXiv:2511.16681v3)+ Hyper-Efficient RAG(arXiv:2511.16681v2)= 检索精度 + 检索效率 + 高并发 三轴并行优化路线; R-38 工程化补强:PG 18 GA AIO + Chroma 0.5.x copy-on-write collection forking; R-38 数据库邻接确认:KG-DML(arXiv:2608.12304 paper_card 922 database 邻接, RAG + LLM 自动构建 DML 模型 + KG 表征)= 不入主轴; R-39 邻接待核实:FT-RAG(arXiv:2605.01495, KDD 2026 Jeju, 候选级中档 ★★, 优先级低); 沿用 RAG 数据层载体范式迁移四大独立来源(Vectorless/Agentic Search, A-RAG, SoK Agentic RAG, Multi-Agent RAG ER benchmark)+ ReViSQL(VectorLiteRAG CPU/GPU 联合向量索引分区)+ SSRAG(结构化-语义 RAG + Agent 路由 + 向量+图混合检索)+ TeleMem + AgenticRAG + TechRAG + BRTR + SPI + Coverage Illusion(生产 RAG 72.2% 不需 LLM 增强 + Post-retrieval Cascade 质量 +0.140/延迟 -31.8%)。

🟢 R-40 沿用:R-40 无 RAG 数据层载体新主叙事增量;沿用 R-37 R-38 R-39 全部路线; R-40 工程化补强:Redis 官方 RAG at Scale 2026 工程化断点共识(dual pipelines + hybrid retrieval + semantic caching + 全链路可观测性)= 与 R-37 检索三向优化路线形成 RAG 数据层范式 = 算法层 + 系统层 + 工程化层三层并立。沿用 RAG 数据层载体范式迁移 arXiv ID(完整列表)+ arXiv:2608.08119 TSDS-Toolbox(R-37 邻接) + arXiv:2304.07193 DINOv2(R-37 邻接) + arXiv:2504.08930 VectorLiteRAG + arXiv:2601.06037 TeleMem + arXiv:2601.12658 SSRAG + arXiv:2603.06503 BRTR + arXiv:2605.05538 AgenticRAG + arXiv:2605.27220 Coverage Illusion + arXiv:2606.01613 TechRAG。

🟢 R-41 + R-42 沿用:全部沿用 + R-42 新增:Filtered Vector Search in a Disaggregated Lakehouse(arXiv:2608.05441, Rakesh Jain/Thomas Griffin/Syed Zawad)= 表格式裁剪与每文件 ANN 索引组合, Iceberg + 向量搜索融合方向的最新研究 + AkasicDB(arXiv:2608.09214)Omni-RAG 统一 DBMS = RAG 数据层载体范式从"算法 + 系统 + 工程化"扩展到"算法 + 系统 + 工程化 + 湖仓融合 + 统一 DBMS"五层。

🟢 R-43 + R-44 沿用:全部沿用 + R-44 CockroachDB A2A 工业侧强化协议层 + R-44 PG-V 工业锚定 + R-44 CVE-2026-3172 安全考量 = RAG 数据层载体范式新增"工业锚定层 + 安全层"。

🟢 R-46 三维 + R-47 第四源 4 框架补强 + R-48 跨 DB 内置化 + Multi-Vector 新维度 + pgvector 0.9 锚定 + R-49 PG 18.6 / pgvector 0.8.0 状态持续:RAG 数据层载体范式新增"经济维度"层 + DEV 50M P95 28ms + HNSW 150× 印证 PG 内嵌路径 50M 以下生产就绪 + 跨主流 DB 内置化印证(PostgreSQL/MongoDB/Oracle/Azure HorizonDB/AWS Neptune/Google)+ Multi-Vector / Late Interaction 新维度(ColBERT / MAXSIM / Qdrant v1.10+ / Weaviate v1.29+ / Vespa / LanceDB v0.15+ / VectorChord / Milvus v2.6.4)+ pgvector 0.9 Hybrid/Binary 锚定 + R-49 PG 18.6 / 19 Beta3 / 14 EOL 警示 + pgvector 0.8.0 ANN 索引查询规划器改进确认发布 = RAG 数据层载体范式 2026 H2 = "算法 + 系统 + 工程化 + 湖仓融合 + 统一 DBMS + 工业锚定 + 安全 + 经济 + 跨 DB 内置化 + Multi-Vector + 跨模型稳健性" 十层并立 + R-49 版本生态补强。

§2.13 Agentic 搜索替代 RAG 反向约束(R-36~R-44 沿用 + R-41 SIGMOD 2026 实证补强 + R-44 CockroachDB A2A 工业实证 + R-46 ClimbMix 脚注 + R-48 沿用 + R-49 沿用)

AAAI 2026(arXiv:2602.23368 Amazon Science "Keyword Search is All You Need")= 94.5% RAG 保真度 / 88.0% 上下文召回 / 91.5% 答案正确率, 零向量数据库; Search-R1(arXiv:2503.09516)用强化学习训练检索策略在 7 数据集平均上比 RAG 高 24% 相对提升(Qwen2.5-7B); R-38 六大生产系统实证:Claude Code / Cursor(Codemaps)/ Windsurf(SWE-1.5 + Cascade)/Devin / Sourcegraph Amp / Cline——全部放弃预建向量库, 改用按需工具调用(glob/grep/read); SWE-bench:RAG baseline 1.96% → SWE-agent 12.47%(6× 提升); 边界重定义 = 简单文档检索 / 结构化知识库 / 多跳推理仍需向量检索, 但单文档问答 / 工具调用 / 长上下文理解 / 代码检索 / Agent 任务场景中 agentic keyword search 已足够好且零维护成本; R-40 Redis 官方 RAG at Scale 工程化补强 = 内存向量数据库作为 RAG 系统"中间缓存层"成为 2026 H2 新工程共识; 🟢 R-41 SIGMOD 2026 Article 134 实证补强:Filtered Vector Search 在真实 DBMS 内部署后延迟差距可达 10× = 选型决策必须基于生产环境实测;🟢 R-42 AkasicDB Omni-RAG 统一 DBMS + Filtered Vector Search in a Disaggregated Lakehouse:Omni-RAG 混合负载需要统一 DBMS 而非外挂式向量库;🟢 R-43 Berkeley Agent-First = 数据系统面向 Agent 重设计进入学术主流;🟢 R-44 CockroachDB A2A = 协调点 = 数据库 + 数据库作为 Agent 共享状态层 = 工业侧最强实证;🟢 R-48 沿用。

🟡 R-46 §2.13 脚注 · BrowseComp-Plus → ClimbMix(arXiv:2608.20317 SIGIR 2026, cs.IR 主分类)= Agentic 搜索评测语料库基础设施:固定搜索语料库,解耦 Agent/检索器角色混淆;ClimbMix 更大规模 web corpus 难度转移证据查找;立标等级 = 边缘邻接 ★ 脚注级(三源核验:jay 8-22 database-e1prep + jay T2105 + Sahel_Sharify X 8-21);R-47 + R-48 + R-49 沿用。

§2.15 LLM × Database 融合新节(R-38 七轴 + R-39 R-40 沿用 + R-41+R-42 八轴范式 + 工程工具链第四象限成型 + R-44 九轴范式 + 安全层(ι) + R-45 + R-46 + R-47 + R-48 沿用 + R-49 候选(κ)维度维持候选 ★★★ + R-49 §2.15 pgbot 邻接补强(ε)融合引擎方向)

🟢 R-41 + R-42 八轴范式正式成立:详见 §1 变迁三 + §2.5 PG 18 GA + pgrust + §2.10 自治数据库四轴 + R-38 CK(arXiv:2608.11632 backlog 候选) + R-39 CK 维持 ★★ 候选级中档 + R-41 + R-42 新增:(α) 自治调优 + (β) 存储代码合成 + (γ) 系统性模糊测试 + (δ) 完整重写 + (ε) 融合引擎 + (ζ) 检索精度层 + (η) 运行时内核层(PG 18 GA AIO) + (θ) R-41 + R-42 数据库工程工具链层:ACME FSE 2026(NUS 团队)= 子句映射(clause mapping)将 SQL 语句的语义等价性映射到不同数据库引擎的执行路径, 用于发现跨引擎语义不一致性问题;与 R-27 DIRT 系统性模糊测试层互补:DIRT 聚焦 DB 内部 B-tree bug; ACME 聚焦跨引擎 SQL 语义一致性 = 数据库工程工具链的第四象限(迁移测试与质量保障)。

🟢 R-44 九轴范式正式成立:沿用 R-41 + R-42 八轴范式 + 新增(ι) R-44 安全层:CVE-2026-3172 pgvector 0.6.0~0.8.1 parallel HNSW index build buffer overflow(CWE-191 + CWE-787)+ 0.8.2 修复 2026-02-25 + CVSS V3.1 = AV:N/AC:L/PR:L/UI:N/S:U/C:H/I:N:A:H = AI 重塑数据库内核九轴范式 + 安全层(ι)正式成立;R-43 v0.8 里程碑必须配套升级 + ACK-FSE 2026 检查跨引擎 SQL 语义一致性 = 数据库工程工具链第四象限 + R-44 安全层(ι)第九轴 = LLM × Database 安全 + 跨引擎测试 + 内存安全 三轴并立。

🟢 R-45 + R-46 + R-47 + R-48 沿用 R-44 九轴范式;R-46 ClimbMix 邻接 §2.13 脚注不入九轴范式;R-48 §2.7 Multi-Vector / Cross-Model Robustness 作为第七、八轴延展候选(立标等级 ★★★,待 R-49 判定)。

🟡 R-49 候选(κ)维度判定:R-48 §2.7 Multi-Vector / Cross-Model Robustness 候选第(κ)维度经 R-49 接力棒独立判定 = 维持候选 ★★★ 不升格(SIGMOD 2026 Best Paper HM 锚定 + Multi-Vector HF Blog 锚定 + 跨主流 DB 内置化印证 6 系统均未动摇;9 月上旬 VLDB 2026 / CIDR 2026 / 其他 SIGMOD 2026 工业论文落地前本轮无新数据冲击候选升格);§2.15 §2.7 沿用。

🟡 R-49 §2.15 微弱增量 1 · pgbot · AI Agent 用 Postgres 只读健康检查 MCP 工具(pgrundev/pgbot, github.com/pgrundev/pgbot, 2026-08-25 简报) = (a) 核心机制:Go 编写,为 AI Agent 提供只读 Postgres 健康检查 MCP 工具;覆盖指标 = 连接数、缓存命中率、锁争用、索引未使用率、回滚率、复制延迟、checkpoint 状态;(b) Read-only 默认:安全设计,Agent 无法通过该工具执行写操作,作为 MCP 数据库观测 Tool 的参考实现;支持 Supabase / Neon / AWS RDS / 本地 / Docker / K8s;(c) 与 §2.3 Agent Memory 十抽象层之"数据库内核层 Agent 探索"方向呼应:pgbot 是该方向的具体工程实现参考,衔接 R-33 Branchable DBMS Columbia DAPLab + R-44 CockroachDB Managed MCP Server;(d) 与 R-48 §2.15 AI 重塑数据库内核九轴范式(ε) 融合引擎方向:pgbot 属于(ε)方向的工具链补充,不入主轴;(e) 立标等级:★★ 邻接参考,工程参考价值有别于学术/商业产品;§2.15 §IX 邻接补强。

§3 共识与争议试金石

§3.1 共识(54 → 54 条)

  • C1-C53 沿用 R-47(完整继承, 不重述);R-48 无新增共识条目
  • R-48 锚定 · C54:SIGMOD 2026 Best Paper Honorable Mention "Integrating Vector Databases across Embedding Models"(Edinburgh + Huawei)= 跨模型稳健性成为顶会焦点;跨模型向量集成(unsupervised embedding transformation)是向量 DB 核心开放问题
  • R-49 沿用 C1-C54 全部, 无新增共识条目
  • 详见 R-44 C52 CockroachDB A2A 数据层协议层视角 + C53 CVE-2026-3172 pgvector 第五向量;R-45 + R-46 + R-47 + R-48 + R-49 沿用

§3.2 争议(69 → 70 条)

  • D1-D69 沿用 R-47(完整继承, 不重述);R-48 D70 新增
  • R-48 锚定 · D70:Larch(arXiv:2606.07923)习得式查询优化 vs 规则式优化器传统路径 = AI4DB 内部路径之争(策略梯度学习式 vs 启发式/规则式);对立项:Larch token 节省可量化但工程复杂度高,规则式路径成熟但语义谓词成本不可知;立标等级 = 中价值 ★★★(AI4DB 范式锚定 + 工程复杂度争议)

  • R-49 沿用 D1-D70 全部, 无新增争议条目

  • 详见 R-44 D69 CoRun 确定性 + 吞吐量 vs 复杂度争议;R-45 + R-46 + R-47 + R-48 + R-49 沿用

§4 开放问题(57 → 57)

  • O1-O57 沿用 R-47(完整继承, 不重述)
  • O56 沿用 R-42(VeloANN arXiv 号核实)+ R-44 CK 升级 ★★★ 状态更新 + R-45 + R-46 + R-47 + R-48 + R-49 沿用(CK 生产验证数据仍不可知)
  • O57 沿用 R-43(Walk Before You Run DASHSys 元认知标准化)+ R-48 + R-49 沿用
  • R-49 沿用 O1-O57 全部, 无新增开放问题

§5 趋势(64 → 64)

  • trend 1-64 沿用 R-47(完整继承, R-48 + R-49 无新增 trend)

附 核心参考清单(R-49 加固)

R-49 新增 0 arXiv ID 数据库主轴 + 0 CVE + 0 DOI + 0 SIGMOD 程序页面 + 5 arXiv ID 邻接 + 1 工具 + 1 Substack + 1 Inbox + 1 GitHub Trending = 沿用 R-48 全部硬资产: - pgbot 只读 Postgres 健康检查 MCP 工具(github.com/pgrundev/pgbot, pgbot.dev, Go, 2026-08-25 简报,§2.15 邻接(ε)融合引擎方向补强,立标 ★★) - Markdown Memory Paradigm(Micheal Lanham, substack, 2026-08-25 简报,§2.3 邻接(f)状态持久化/自我改进层补强,邻接 ★) - MemTrapBench(Mengru Wang 等, aiweekly.co/alerts/memtrapbench, 2026-08-20,§2.3 邻接不入主轴) - StateMemBench(arXiv:2608.19652, 2026-08,§2.3 邻接不入主轴) - BASM(arXiv:2608.22339, EMNLP 2026 Findings 已接收),§2.3 邻接不入主轴 - ReFind(arXiv:2608.12888v2, 2026-08),§2.3 邻接不入主轴 - MemGraphRAG(arXiv:2606.00610, KDD 2026 录用, 2026-08-09~13),§2.3 邻接不入主轴 - ReCache(buttondown/patricknovak1, 2026-08),§2.6 §2.11 邻接不入主轴 - primitivesp "AI Agent Infrastructure Stack" 市场分析(substack, 2026-08,§2.3 §IX 市场邻接) - PostgreSQL 版本生态 2026-08-13 节点(postgresql.org + Bytebase + Kunal Ganglani,2026-08-13):PG 19 Beta3 + PG 18.6 + PG 14 2026-11-12 EOL + pgvector 0.8.0 ANN 索引查询规划器改进 + MySQL 9.7.1 WebAuthn(§2.5 §2.1 §2.7 同步锚定)

R-48 ~ R-41+R-42 ~ R-44 + R-45 + R-46 + R-47 沿用清单(完整列表详见 archive/database-changelog.md): - R-48: arXiv:2606.16903 TrieHI + arXiv:2606.07923 Larch + SIGMOD 2026 Best Paper HM + emptysqua.re/blog/sigmod-2026 + huggingface.co/blog/multi-vector-encoder + callsphere.ai/blog/td30-fw-pgvector-0-9 + pecollective.com/tools/pgvector + instaclustr.com 2026 guide + linkedin.com/posts/AbhinavKandalkar + dataaspirant.com 2026 综述 + redis.io/blog/vector-search-database-news-2026-guide + research.ed.ac.uk Edinburgh Research Explorer - R-47: DEV/Instaclustr/Kunal/LinkedIn Marcelo Negrini + 5 KV Cache 邻接(arXiv:2608.03893 + arXiv:2608.01526 + arXiv:2608.08878 + arXiv:2608.19662 + arXiv:2607.28633v2) - R-40 沿用 4 arXiv ID(tom/2026-08-18-rag-e1prep.md 引用):arXiv:2608.13410 ParliamentRAG + arXiv:2608.14054 RAEF + arXiv:2606.16817 QueryviaRL + arXiv:2608.13237 Search-R1 stopping - R-46: arXiv:2608.20317 ClimbMix SIGIR 2026 + open-techstack.com pgvector vs Qdrant 2026 - R-45: arXiv:2601.00273 Raft Vulnerability Assessment IJACSA + arXiv:2512.15659 Raft Leases - R-44: arXiv:2608.14376v1 CoRun + cockroachlabs.com/blog/a2a-agent-state-data-layer + CVE-2026-3172 + github.com/pgvector/pgvector Issue #959 + nvd.nist.gov/vuln/detail/CVE-2026-3172 + cs.purdue.edu/homes/csjgwang + jaylee19/CK-Continuity-Kernel - R-43: arXiv:2608.15994 PostgreSQL-V CIDR 2026 + arXiv:2509.00997v2 Berkeley Agent-First + arXiv:2608.16045 Walk Before You Run + github.com/purduedb/PostgreSQL-V + people.eecs.berkeley.edu/~matei/publications + arXiv:1704.00028 paper_card 961 database 邻接(R-43 沿用) - R-41 + R-42: arXiv:2603.23710 SIGMOD 2026 Article 134 + arXiv:2608.09214 AkasicDB + arXiv:2608.13900 Agentic Transaction 清华 + arXiv:2603.20576v1 Data Agent benchmark + arXiv:2608.05441 Filtered Vector Search in a Disaggregated Lakehouse + arXiv:2608.05412 BEGIN AI TRANSACTION + arXiv:2608.06043 Window Function + arXiv:2608.06140 PLB + arXiv:2509.19767 FusedANN-cpp + arXiv:2607.22922v1 iFVS + arXiv:2607.29606 QASP

硬资产(R-49 完整继承 R-19~R-48 + R-49 无新增): - 全部 arXiv ID(271 个, R-49 沿用 R-48 全部 + R-49 无新增数据库主轴 arXiv ID + 5 邻接 arXiv ID 不入主轴) - 3 CVE(CVE-2026-3172 R-44 完整披露 + CVE-2026-4372+5241+61447+54769+57572+59726 Agent RCE) - 1 DOI(10.14778/3796195.3796198 Terark-DS VLDB 2026) - 54 共识试金石(C1-C53 沿用 + C54 R-48 新增 跨模型稳健性顶会焦点共识 + R-49 沿用 C1-C54 全部) - 70 争议试金石(D1-D69 沿用 + D70 R-48 新增 AI4DB 学习式 vs 规则式路径之争 + R-49 沿用 D1-D70 全部) - 64 趋势(trend 1-64 沿用, R-48 + R-49 无新增 trend) - 57 开放问题(O1-O57 沿用, R-48 + R-49 无新增)

R-49 检查过的 inbox 来源清单(2026-08-25 下午/晚间,完整): - jay/inbox/2026-08-25-database-e1prep.md(R-49 主指引 0 实质 + 2 微弱增量 + 5 邻接:① pgbot[微弱增量 1, §2.15 (ε)融合引擎方向邻接 ★★] ② EnSI-RAG[邻接, 不入 database 主轴, 转交 rag.md] ③ MemGraphRAG[邻接] ④ ReCache[邻接] ⑤ MemTrapBench/StateMemBench/BASM/ReFind[邻接 1-4]) - jay/inbox/2026-08-25-inference-vector-k8s-agent.md(R-48 已锚定:pgvectorScale 471 QPS + Multi-Vector HF Blog + 跨主流 DB 内置化) - jay/inbox/2026-08-25T1105-jay-five-category-briefing.md(Vector DB 选型决策树 R-48 已覆盖 + pgbot R-49 微弱增量 1 + EnSI-RAG R-49 邻接不入主轴) - jay/inbox/2026-08-25-github-trending-inference-mcp-postgres.md(PG 19 Beta3 / PG 18.6 / pgvector 0.8.0 / PG 14 EOL 警示 R-49 §2.5 状态持续补强) - jay/inbox/2026-08-25-1950-evening-supplement.md(MemTrapBench + StateMemBench + BASM + ReFind + MemGraphRAG + ReCache 邻接 1-6 全部不入 database 主轴) - jay/inbox/2026-08-25-ai-engineering-trending.md ✅ 无 database 直接新增 - jay/inbox/2026-08-25-ai-engineering-github-trending.md ✅ 无 database 直接新增 - jay/inbox/2026-08-25T1505-jay-afternoon-supplement.md ✅ MCP 安全专题,无 database 实质增量 - jay/inbox/2026-08-25T0506-jay-csdn-inference-quantization-highvalue.md ✅ 无 database 直接新增 - jay/inbox/2026-08-24-1000-rss-nathan-benaich.md + 2026-08-24-1004-rss-yt-fireship.md ✅ 无 database 直接新增 - tom/inbox/2026-08-25-inference-e1prep.md + 2026-08-25-evaluation-e1prep.md + 2026-08-25_agents-lite.md ✅ 无 database 直接新增 - flyp/inbox/2026-08-25-multimodal-e1prep.md + 2026-08-25-reliability-science-long-horizon-agents-critical-read.md ✅ 无 database 直接新增 - spark/inbox/2026-08-25-llm-infra-e1prep.md ✅ 主轴 llm-infra,无 database 直接新增 - spark/inbox/2026-08-25-agent-e1prep.md ✅ 主轴 agent,无 database 直接新增 - stephen/inbox/2026-08-25-0517-stephen-coordination-check-morning.md + 2026-08-25-1245-stephen-coordination-check-noon.md + 2026-08-25-1003-news-anthropic-news.md + 2026-08-25-1003-news-openai-news.md ✅ 无 database 直接新增 - paper_cards(IDs 1072~1076 共 5 张新卡 + 1058~1071 共 14 张 = database 主分类新增 0 张 R-49;R-19~R-49 累计 database 主分类 9 张由 R-19~R-48 提供)

Web Tavily 第三方独立核验(R-49 + R-48 + R-47 + R-46 + R-45 + R-44 沿用): - github.com/pgrundev/pgbot pgbot Postgres AI DBA 工具(R-49 §2.15 §IX 邻接补强,★邻接级) - pgbot.dev pgbot 官网(R-49 §2.15 §IX 邻接补强) - substack.com/micheallanham Markdown Memory Paradigm in AI Agent Architectures(R-49 §2.3 §IX 邻接补强,★邻接级) - postgresql.org PostgreSQL 18.6 / 19 Beta3 / 14 EOL(R-49 §2.5 §2.1 §2.7 状态持续补强) - bytebase.com PostgreSQL 18 New Features(R-49 §2.5 §2.1 §2.7 状态持续补强) - kunalganglani.com pgvector vs Pinecone 2026(R-47 §2.1 第四源沿用) - https://2026.sigmod.org/sigmod_awards.shtml SIGMOD 2026 Awards(Integrating Vector Databases - Best Paper HM, R-48 沿用) - emptysqua.re/blog/sigmod-2026 SIGMOD 2026 Recap(R-48 沿用) - huggingface.co/blog/multi-vector-encoder Multi-Vector 数据库支持矩阵(R-48 §2.1 §2.7 沿用) - callsphere.ai/blog/td30-fw-pgvector-0-9-hybrid-search-and-binary-vectors-2026 pgvector 0.9 April 2026(R-48 §2.1 §2.7 沿用) - dev.to/actiandev/whats-changing-in-vector-databases-in-2026-3pbo DEV Community 2026-08(R-47 §2.1 第四源沿用) - instaclustr.com/education/vector-database/best-open-source-vector-database-solutions-top-5-in-2026 Instaclustr 2026(R-47 §2.1 第四源沿用) - linkedin.com/posts/marcelonegrini_do-you-still-need-a-vector-database-in-activity-7489700898596839424-hCUm LinkedIn Marcelo Negrini(R-47 §2.1 第四源沿用) - open-techstack.com/blog/pgvector-vs-qdrant-2026 OpenTechStack pgvector vs Qdrant 2026(R-46 §2.1 沿用) - cockroachlabs.com/blog/a2a-agent-state-data-layer CockroachDB A2A 官方公告(R-44 §2.3 §2.5 §2.13 §3.1 C52 沿用) - github.com/pgvector/pgvector/issues/959 Buffer overflow 一手披露(CVE-2026-3172, R-44 §2.8 §2.15 沿用) - nvd.nist.gov/vuln/detail/CVE-2026-3172 + sentinelone.com NVD + SentinelOne CVE 评级(R-44 §2.8 §2.15 沿用) - cs.purdue.edu/homes/csjgwang Jianguo Wang @ Purdue 主页(R-44 PG-V 工业锚定沿用) - cockroachlabs.com/blog/cockroachdb-ai-agents-managed-mcp-server CockroachDB Managed MCP Server(2026-03-25, R-44 沿用) - github.com/purduedb/PostgreSQL-V GitHub 仓库(⭐24, cidr branch 可执行原型, R-43 §2.1 沿用) - ecorpit.com/postgres-vector-search-pgvector-pgvectorscale-paradedb-lantern-2026 Postgres vector search 4 options 2026(R-43 §2.1 沿用)

本次变更

  • Wave2 E1 第四十九轮(2026-08-25 20:40 · jay · R-49): R-48 顶会季反转后持续低沉延续轮(0 实质 + 2 微弱增量 + 5 邻接 + 7 状态持续 + 1 候选(κ)维度判定)。🟡 §2.15 pgbot 只读 Postgres 健康检查 MCP 工具(pgrundev/pgbot, §2.15 (ε)融合引擎方向邻接 ★★)= AI Agent 时代 MCP 数据库观测 Tool 参考实现,与 R-33 Branchable DBMS + R-44 CockroachDB Managed MCP Server 衔接;🟡 §2.3 Markdown Memory Paradigm(Micheal Lanham, substack)邻接补强 §2.3 (f) 状态持久化/自我改进层 ★邻接级,"持久层文件 / 缓存层内存向量 / 长期层向量库" 三层范式对照 + 与 R-40 Redis 官方 RAG at Scale 形成端到端关联;🟡 §2.5 PG 18.6 / 19 Beta3 / PG 14 2026-11-12 EOL 警示 + pgvector 0.8.0 ANN 索引查询规划器改进确认发布 + MySQL 9.7.1 WebAuthn = 版本生态状态持续补强 §2.1 §2.7 §2.12 同步锚定;5 邻接全部不入 database 主轴(MemTrapBench 五主流记忆框架表现全部低于无记忆基线 / StateMemBench 234 多会话场景状态追踪 / BASM EMNLP 2026 Findings 边界感知技能记忆 AppWorld +23.8% / ReFind 六基准 leaderboard 58.2 vs HippoRAG2 53.2 / MemGraphRAG KDD 2026 MuSiQue 58.41% vs Vanilla RAG 30.15%)+ primitivesp 市场分析邻接(Mem0 $24M / Temporal $5B / Braintrust $80M)+ ReCache KV Cache 邻接(TTFT 3.655× / KV 内存 -92.43%);7 状态持续追踪 CK ★★★ / TEngineDB-V / FVS 10× / pgvector v0.8.2 / CoRun / VelestDB / Letta + pgmnemo 0.14.0 / Memori 沿用均无显著变化;R-49 候选(κ)维度判定 = 维持候选 ★★★ 不升格 第(κ)维度,继续观察 R-50+ 数据(9 月上旬 VLDB 2026 / CIDR 2026 落地前);database 主分类 paper_cards 持续 0 张净增(连续第 12 轮累计 R-19~R-48 共 9 张主分类由 R-48 收尾);R-48 §2.7 Multi-Vector/Cross-Model Robustness 候选(κ)维度 + R-48 §2.1 跨主流 DB 内置化 + R-48 pgvector 0.9 + R-47 §2.1 第四源 + R-46 三维 + R-45 拜占庭脚注 + R-44 工业锚定 + 九轴范式完整保留。

  • Wave2 E1 第四十八轮(2026-08-25 05:40 · jay · R-48): SIGMOD 2026 顶会季反转轮(3 实质 + 1 邻接 + 5 状态持续 + 1 修正确认)。详见 archive/database-changelog.md R-48 段(SIGMOD 2026 Best Paper HM "Integrating Vector Databases across Embedding Models"(Edinburgh + Huawei)+ Larch arXiv:2606.07923 策略梯度学习式优化 + TrieHI arXiv:2606.16903 + 跨主流 DB 内置化第十一源 + Multi-Vector/Late Interaction 新维度 + pgvector 0.9 Hybrid/Binary April 2026 锚定 + emptysqua.re SIGMOD 2026 Recap + Actian 数字 471.57 QPS LinkedIn 二次核验结案 + 5 状态持续 + 1 修正确认 + C54 + D70)。

  • Wave2 E1 第四十七轮(2026-08-23 20:40 · jay · R-47): 持续低沉期延续(0 实质 + 1 第四源 4 框架 + 1 KV Cache 5 件邻接 + 5 状态持续追踪 + 1 长尾待核实)。详见 archive/database-changelog.md R-47 段(§2.1 pgvector/Pinecone 第四源 4 框架 cost 量级差异比对 + §2.6/§2.11/§2.13 KV Cache × Database 5 件邻接追踪 + Actian 471 vs 47 数字待核实)。

  • 更多历史变更见 archive/database-changelog.md(R-1 ~ R-46 完整段)