主要内容
开源文档数据库平台 RavenDB 推出了其所称的“首个完全集成的数据库原生 AI 代理创建器”，这是一款使企业更易于构建和部署 AI 代理的工具。该平台解决了企业 AI 中的一个常见问题——安全且经济高效地将模型连接到公司自身数据系统和工作流程的困难。
让 AI 实用而非仅仅强大
该公司希望加快 AI 部署速度并提高安全性。RavenDB 的首席执行官兼创始人 Oren Eini 表示，目标是通过将 AI 直接嵌入公司已有的数据所在位置来实现其真正价值。他解释说，许多组织面临困境，因为他们的数据分散在多个系统和格式中，导致集成成本高昂且复杂。“用户在构建 AI 解决方案时面临的最大问题是，通用模型实际上并不能带来任何有价值的东西，”他说。“要使 AI 在您的系统中带来真正的价值，您需要整合自己的系统、数据和操作。”
RavenDB 的新 AI 代理创建器通过让公司在数据库中直接向模型暴露相关数据，消除了大量的开销，无需单独的向量存储或 ETL 工作流程。该系统自动管理技术挑战，如模型内存处理、摘要和数据安全。据 Eini 称，这意味着公司“可以在一两天内从一个想法转变为部署的代理”。
直接数据访问和实时答案
传统的 AI 工作流程通常涉及将数据从数据库导出到向量存储，然后将该存储连接到 AI 模型，从而导致延迟和安全漏洞。RavenDB 的方法使用内置的向量索引和语义搜索，使信息可立即提供给数据库内部的 AI 代理。这种设计支持实时响应，使 AI 代理能够立即访问最新更新的信息，例如检查客户的最新订单或发货状态，而无需等待数据刷新。
在安全问题上，Eini 指出：“AI 代理不会作为系统的特权部分执行，”他说。“它作为具有与操作它的用户相同访问权限的外部实体运行。”
用例和行业洞察
Eini 指出，RavenDB 已经在实际客户环境中应用了 AI 代理创建器。在一个例子中，该系统用于招聘中的候选人排名，自动读取并比较上传的简历与工作要求，以识别有前途的申请人。在另一个例子中，Eini 解释了 AI 代理创建器如何用于重新排名语义搜索结果，以输出准确的相关性，而不仅仅是找到最近的向量匹配。
行业分析师将这种集成视为向嵌入式、特定领域 AI 转变的一部分。在最近的一份 Forrester 报告中，高级分析师 Stephanie Liu 写道：“AI 代理正着眼于自主性，但您糟糕的文档意味着它们可能无法达到这个门槛。”她说，尽管完全自主性仍然具有挑战性，但 AI 系统与实时企业数据之间的更紧密联系可以为尝试代理 AI 的组织“提供即时的实际价值”。
更广泛的背景
数据库原生 AI 可能标志着公司在其运营中使用机器智能的一个重大转变。通过将计算和安全屏障保留在数据库内部，像 RavenDB 这样的平台可以减少对额外基础设施层的需求，这是许多企业在扩展其 AI 计划时面临的挑战。AI News 最近报道了 Google 的 Gemini Enterprise，旨在将 AI 代理引入日常业务工作流程，并研究了 CrateDB 如何重新思考数据库基础设施以实现实时 AI 性能。这是两个重大发展，反映了代理系统和以数据为中心的架构如何融合，使企业 AI 更高效。RavenDB 的最新产品基于这一趋势，将数据库定位为 AI 进程中的积极参与者。