SeekDB 详解：三行代码构建 AI 原生应用的全能数据库

适合 Centos/RedHat 系服务器环境。

# 1. 添加 OceanBase 镜像源
sudo yum-config-manager --add-repo https://mirrors.aliyun.com/oceanbase/OceanBase.repo

# 2. 安装 SeekDB
sudo yum install -y seekdb

# 3. 启动服务
cd /home/admin/oceanbase && ./bin/observer -r 127.0.0.1:2881:2881

方式三：Python 嵌入式模式

直接作为 Python 库运行（类似 SQLite 的体验，适合本地 AI Agent 开发）。

pip install seekdb

5. 配置指南

SeekDB 的主要配置文件通常位于 /etc/oceanbase/seekdb.cnf (RPM 安装) 或挂载卷中。

核心配置参数解析：

修改配置示例：

[server]
# 调整内存上限为 8G
memory_limit=8G
# 设置数据目录
data_dir=/data/seekdb/store

6. 实战调用：从 SQL 到 Python

场景：构建一个简单的知识库搜索

1. 使用 SQL (兼容 MySQL)

你可以使用任意 MySQL 客户端连接 SeekDB。

-- 1. 创建表：包含文本内容和向量字段 (假设向量维度为 3)
CREATE TABLE knowledge_base (
    id INT PRIMARY KEY AUTO_INCREMENT,
    content TEXT,
    embedding VECTOR(3),
    category VARCHAR(20),
    FULLTEXT(content)
);

-- 2. 插入数据
INSERT INTO knowledge_base (content, embedding, category) VALUES
('OceanBase is a distributed database.', '[0.1, 0.2, 0.3]', 'Tech'),
('SeekDB is AI-native.', '[0.4, 0.5, 0.6]', 'Tech'),
('Apple is a fruit.', '[0.9, 0.1, 0.1]', 'Food');

-- 3. 混合搜索查询
SELECT id, content, VECTOR_DISTANCE(embedding,'[0.1, 0.2, 0.3]') as dist 
FROM knowledge_base 
WHERE category = 'Tech' AND MATCH(content) AGAINST('distributed')
ORDER BY dist ASC LIMIT 5;

2. 使用 Python SDK (极简模式)

import seekdb

# 1. 初始化客户端 (嵌入式或连接 Server)
db = seekdb.connect(mode="embedded")
# 或 host="127.0.0.1", port=2881

# 2. 创建集合 (类似表的概念，自动处理 Embedding)
collection = db.create_collection("my_docs", dimension=768)

# 3. 插入数据 (自动调用内置 Embedding 模型，如果配置了的话)
collection.add(
    documents=["SeekDB simplifies AI stack.", "RAG is powerful."],
    metadatas=[{"category":"database"},{"category":"AI"}]
)

# 4. 语义搜索
results = collection.query(
    query_texts=["What is SeekDB?"],
    n_results=2
)
print(results)

7. 适用场景总结

• RAG (检索增强生成)：结合 LLM 构建企业知识库、智能客服。SeekDB 的混合检索能显著降低 LLM 的'幻觉'。
• 推荐系统：利用向量相似度进行'猜你喜欢'召回。
• 多模态搜索：以文搜图、以图搜商品。
• 边缘 AI：在手机、IoT 设备端侧运行本地知识库（得益于其轻量化）。

总结

OceanBase SeekDB 的出现，标志着数据库正在从单纯的'存储工具'向'智能引擎'进化。对于开发者而言，它最大的价值在于'省心'——不需要再去学习和维护复杂的向量数据库集群，只需用最熟悉的 SQL，配合极低的资源成本，就能构建出高性能的 AI 应用。

如果你正在寻找一个轻量、全能且对 MySQL 友好的 AI 数据库，SeekDB 绝对值得一试！