AI 智能体与 DuckDB 确定性拆分架构实践

作者基于一次大型容灾演练的自动化分析工作流，论证了 AI 智能体并未取代传统 SQL 引擎或湖仓架构，而是将交互入口从工程师转向了 Agent。该架构采用对象存储（S3 兼容）存放 Parquet 文件，利用进程内运行的 DuckDB 作为确定性计算层处理聚合与过滤，再由智能体生成受限代码并解读结构化事实包。这种设计在约 112 万行、3.8MB 压缩数据的负载下实现了无需共享数据库服务的端到端闭环。 核心机制在于“确定性拆分”原则：将精确数值计算（如 QPS、延迟百分位、SLO 违规判定）交给确定性工具执行，确保结果可复现且不受模型幻觉影响；智能体则专注于结合上下文对冲突证据进行概率性推理和分类。例如，系统会对比历史基线与稳态窗口，区分短暂抖动与持续性劣化，并将这些逻辑封装在重放包中，包含输入数据、配置、生成的代码及执行元数据，以便后续审计和验证。 对于架构选型，文章提出了四个明确的信号来判断何时需要引入托管湖仓：当存在独立消费者需要稳定契约时；当数据量达到 TB 级别无法移动至本地环境时；当工作流需连接组织级权威数据集时；以及当需要并发写入或表级演进支持时。在这些条件未满足前，使用 Apache Iceberg 等开放表格式或分布式引擎反而会增加不必要的集成与运维成本。结论是架构决策应贴合真实负载形态，而非盲目追求重型组件。