去年年底的一个深夜古茗科技集团运维负责人刘星光再次被手机震动惊醒——屏幕上跳动着上百条数据库告警短信。「这不是什么意外。」刘星光说「古茗全国上万家门店每一杯奶茶的下单、库存调度、会员积分、联名营销都跑在 100 多个数据库实例上——RDS、Redis、MongoDB、PolarDB什么都有。门店在扩订单在涨联名活动的频率比以往翻了一倍尖刺流量来得快去得也快。」而支撑这一切的 DBA 团队一共就那么几个人。「每天 70% 的时间耗在『接警—登跳板机—看 Process List—Kill 慢 SQL—判断是否扩容』这套流程上。」刘星光回忆「一次大促处置最快也要 10 到 20 分钟。要是人不在电脑前时间更长。而这 10 分钟里客户下单有延迟门店出杯有卡顿——这是我们不能接受的。」好钢全用来救火了。01每天都在重复的三件事让刘星光下定决心做改变的痛点不是一天攒出来的而是每天都在重复。MySQL 主库 CPU 飙高几乎每次新业务上线必现。DBA 来不及看完所有慢查询就被下一波告警淹没。元数据散落各处。研发新人入职后写 SQL对历史字段的业务含义是什么、有没有关联数据需要来回沟通。回答的人疲惫问的人也不好意思。变更审批流程长得让人崩溃。加个索引、加个权限走完审批可能要等上一天。DBA 成了整个研发链路的瓶颈——但他们自己也不想当这个瓶颈。「这些事情有共性、有规则、有标准答案——能不能让 Agent 来做」刘星光开始想这个问题。02人做判断Agent 做执行去年下半年古茗与阿里云瑶池数据库团队合作引入了阿里云的 AI 原生数据库服务AIDBS让 Agent 接管救火和答疑这两件最耗人的事。目标很朴素人来做判断和决策Agent 来调度和执行。具体落了三个方向。第一步是让数据资产「活」过来。古茗之前也搞过静态元数据平台做出来就是个数据字典半年之后基本没人用了——因为它只能展示信息不能解决问题。这次思路变了不让人来查它让它主动出现在研发的工作流里。在 IDE 里写 SQLMeta Agent 自动识别涉及哪些表、字段口径是什么、有没有合适的索引数据库变更审批时自动算血缘、评估上下游影响面和风险等级。低风险操作——比如加索引、加配置——直接让 Agent 执行DBA 不再需要逐条审批。效果立竿见影DDL 审批时间平均下降 30%–40%。第二步是让 Agent 成为一个「永不下班的值班员」。以前告警的逻辑是出事了、短信找人、人去诊断、人做决策、人执行操作。现在变了出事了Agent 先主动诊断人做决策Agent 执行操作。Agent 自动拉慢日志、对比历史基线、定位问题 SQL给出组合索引建议、限流方案、临时扩容三个选项——直接推送给 DBA由人选择走哪一步。刘星光举了一个例子有一次大促订单库 CPU 突然飙高。以前这种情况从收到告警到处理完毕最快十几分钟。这次 Agent 几分钟就定位完了给出建议DBA 一键执行——整个事情不到五分钟就搞定了。「而且它给出的建议和资深 DBA 的判断基本没有区别。有些时候甚至更客观。」第三步是给 AI 划一道不可逾越的线。让 Agent 真正读写数据是自然的下一步但问题也随之浮现。早期 Agent 直连数据库一个 Agent 套一个账号越往后权限管控越松。最怕的几件事Agent 拼的 SQL 有没有问题会不会越权访问会不会删表出了问题能不能追溯「Agent 不记日志的时候出了事你连查都没法查。」刘星光说。古茗的做法是在 Agent 和生产数据库之间加了一层数据网关SQL 进来先解析、改写越权字段脱敏危险操作拦截。身份维度从「一个大账号」变成「场景 会话 工具」的模式所有操作按 Session 可追溯。目前在客服答疑等场景已经跑通Agent 接库的周期从平均一两天降到几个小时。03改变的不只是数据库回头看这 90 天技术层面的提升是一方面但对组织的影响可能更大。研发开始信任数据库这一层了。「以前研发对数据库总有距离感——怕改错、怕被骂、审批又慢。现在写 SQL 时 Agent 就在旁边给建议上线后还有兜底。研发自主变更的比例从以前的很少到现在过半以上。」专家经验开始变成组织资产。「资深 DBA 处理过的 Case 以前藏在他们脑子里人走了就带走了。现在每一次 Agent 的处置都回流到知识库下次同类问题直接复用。」预算决策变得透明了。哪些库该降配、哪些该升配、哪些表半年没人查可以归档——Agent 都会主动评估。数据库单位成本是下降的但容量和性能反而更好了。更深层的变化在于 DBA 的角色本身。过去 70% 的时间在救火现在这部分被 Agent 接走了。他们终于有精力去做架构优化、容量规划、引擎升级这些「本来应该做但一直没空做」的事情。04先标准化再放权采访最后刘星光说了一句挺实在的话「很多公司是『我不知道 AI 能干什么但我一定要做』这个出发点不太对。AI 不是万能药。别一上来就让它解决你最痛的场景先从可控的、有共性的事情开始给团队和产品一个磨合期。」他也提到一个关键原则人和 Agent 的边界要提前定好。哪些事情让 Agent 自治哪些必须 DBA 二次确认——「过分相信 AI 也会出问题。等磨合几年之后可以逐步放权到 80%–90%但现在还不是时候。」从被上百条告警短信困住的深夜到 DBA 团队终于能腾出手做架构优化古茗这个案例其实说明了一件事AI Agent 在企业里真正能跑起来的前提不是技术多先进而是你得先想清楚哪些事该交给机器、哪些事必须留给人。先标准化再自动化先划好边界再放开权限。这个顺序反了再好的工具也白搭。