Databend

面向 AI Agents 的企业级数据仓库

大规模分析、向量搜索、全文搜索 —— 提供灵活的 agent 编排和安全的 Python UDF 沙箱。专为企业级 AI 工作负载而构建。

## 💡 为什么选择 Databend？ Databend 是一个使用 Rust 构建的开源企业级数据仓库。 **核心能力**：分析、向量搜索、全文搜索、自动 schema 演进 —— 统一在一个引擎中。 **面向 Agent 准备就绪**：用于 agent 逻辑的沙箱 UDF，用于编排的 SQL，用于可靠性的 transactions，以及用于在生产数据上进行安全实验的 branching。 | | | | :--- | :--- | | **📊 核心引擎**
分析、向量搜索、全文搜索、自动 schema 演进、transactions。 | **🤖 面向 Agent 准备就绪**
沙箱 UDF + SQL 编排。在您的企业数据上构建并运行 agents。 | | **🏢 企业级规模**
弹性计算，云原生。支持 S3/Azure/GCS。 | **🌿 Branching**
类 Git 的数据版本控制。Agents 可以安全地在生产快照上操作。 |  ## ⚡ 快速开始 ### 1. Cloud（推荐） [在 Databend Cloud 免费开始](https://docs.databend.com/guides/cloud/) —— 60 秒内即可投入生产环境。 ### 2. Local（Python） 非常适合开发和测试。需要 Python 3.12 或 3.13 以及 `databend-driver` 0.34.0 或更高版本： ``` pip install "databend-driver[local]>=0.34.0" ``` ``` from databend_driver import connect conn = connect("databend+local:///./local-state") print(conn.query_row("SELECT 'Hello, Databend!'").values()) ``` ### 3. Docker 在本地运行完整的数据仓库： ``` docker run -p 8000:8000 datafuselabs/databend ``` ## 🤖 面向 Agent 准备就绪的架构 Databend 的 **沙箱 UDF** 通过三层架构实现了灵活的 agent 编排： - **Control Plane**：资源调度、权限验证、沙箱生命周期管理 - **Execution Plane**（Databend）：SQL 编排，通过 Arrow Flight 发出请求 - **Compute Plane**（沙箱 Workers）：运行您的 agent 逻辑的隔离沙箱 ``` -- Define your agent logic CREATE FUNCTION my_agent(input STRING) RETURNS STRING LANGUAGE python HANDLER = 'run' AS $$ def run(input): # Your agent logic: LLM calls, tool use, reasoning... return response $$; -- Orchestrate agents with SQL SELECT my_agent(question) FROM tasks; ``` ## 🚀 使用场景 - **AI Agents**：沙箱 UDF + SQL 编排 + branching，实现安全操作 - **分析与 BI**：大规模 SQL 分析 —— [了解更多](https://docs.databend.com/guides/query/sql-analytics) - **搜索与 RAG**：向量 + 全文搜索 —— [了解更多](https://docs.databend.com/guides/query/vector-db) ## 📄 许可证 [Apache 2.0](licenses/Apache-2.0.txt) + [Elastic 2.0](licenses/Elastic.txt) | [许可证常见问题](https://docs.databend.com/guides/products/dee/license)

标签：Rust, 云计算, 代码示例, 全文检索, 可视化界面, 向量检索, 幻觉缓解, 数据仓库, 数据分析, 漏洞探索, 网络流量审计, 规则引擎, 请求拦截, 逆向工具, 通知系统