原创 栾小凡 2025-05-27 18:06 上海
到 2026 年，大多数企业将优先采用自然语言作为查询接口
前言
几十年来，从报表系统到财务分析，再到用户行为查询，我们早已习惯了通过 SELECT–FROM–WHERE 的方式与数据库对话。而在这一过程中，SQL 也逐渐成为人们对‘数据库查询’的默认理解方式。甚至，当年标榜“反 SQL 革命”的 NoSQL，有无一例外，引入了 SQL 支持。
但历来如此，就代表永远正确吗？
根据 Gartner 预测，到 2026 年，大多数企业将优先采用自然语言作为查询接口，SQL 将从“必选项”变成“可选项”。
而随着大模型与向量数据库的落地速度加快，我们需要重新审视：SQL是否还是数据库查询的最优解？
01
自然语言交互，数据库查询的另一种解法
想象一下，不再需要写复杂 SQL 查询，而是直接说一句：“帮我找出最近购买行为和我最像的用户最喜欢的商品。”
后台就听懂了你的意图，然后迅速决定：
是查结构化表？
还是做一次向量相似度搜索？
要不要调用外部服务补充数据？
做完这些决策，数据库就能自行搞定所有执行细节，返回你想要的结果。
而这样做带来的用户升级主要包括：
✅ 零语法门槛，我们不需要记字段名、不怕括号乱套，表达需求更自然。
✅ 对非结构化数据查询更友好，图像、音频、文本都能作为查询对象。
✅ 这套系统会的受众会更加广泛：不仅是工程师能用，运营、产品甚至市场部也都能对数据进行交互。
02
自然语言交互背后是Agent调度
那么实现基于自然语言的交互？业内通常的做法是自然语言解析 + 向量检索 + Agent 调度。
自然，这其中最重要的一环就是Agent 调度，它主要可以完成四大功能
解析意图：判断你到底是要查什么字段、查哪个库、查哪个索引。
选择策略：是做结构化过滤，还是走向量检索，还是两者混合？
调用能力：直接执行 API、触发 SDK，甚至跨服务联合执行。
结果包装：不返回一堆乱七八糟的 JSON，而是你能立刻看懂的结果。
举个例子： 在向量数据库 Milvus 中，一行代码就能完成一次复杂的相似度检索：
results = collection.search(query_vector, top_k=10, filter="is_active == true")
这种“API-first” 的思路，天然适配大模型的 Function Calling、MCP 能力，执行更快，出错更少，也更容易标准化和集成。
03
SQL为什么不适合做向量检索？
一个共识是，非结构化数据占据了全世界数据总量的80%，而向量数据库，相比传统的关系型数据库，天生适配自然语言查询也更适配大模型。
<->
运算符，下面这样的语句看起来“挺高级”的：SELECT *
FROM items
ORDER BY embedding <-> query_vector
LIMIT 10;
但表面上的“兼容”，又带来了新的问题：这种SQL并未形成标准，从而给开发者带来了更高的学习成本。不仅如此，将向量数据存储在关系型数据库中还存在严重的性能问题：
问题一，执行路径复杂：但传统数据库会强制走解析器、优化器、事务等重逻辑路径，导致消耗了大量额外的资源
问题二，I/O 压力大：向量存成 BLOB，每次检索都要解码；图索引场景还可能频繁跳转磁盘，极度消耗性能。
我们做过一个测试，在相同检索条件下，Milvus 查询延迟是 pgvector 的 40%，吞吐量提升了 4.5 倍。换句话说，传统关系型数据库套壳向量检索，其实反而带来了更大的系统复杂度。
整体来说，关系型数据库和向量数据库在设计哲学、数据结构和查询逻辑上，思路天差地别：
尾声
总结来说，应对AI时代，向量数据库的优势有四：
1. 支持多样化模型结构
现实世界的数据远比表格复杂。向量数据库能灵活支持嵌套文档、时间序列向量，以及 ColBERT、CoLPAL 等多向量结构，以适配不同模型生成的丰富语义表示。
2. Agent 友好的原生 API
大模型更擅长调用函数而不是写 SQL。向量数据库具备 Python-first 的 API 设计，原生支持 Function Calling，一行代码即可完成嵌入检索、过滤、重排序和语义高亮，极大降低开发和运维成本。
3. 深度语义理解能力
向量数据库不只是执行命令，更能理解意图。它与 AI Agent 协作，可以跳出“字面匹配”的束缚，实现语义层面的智能检索，让未来的数据库不只要知道“怎么查”，更要知道“你真正想查什么”。
4. 召回率的极致优化
通过结构化过滤、混合检索、Rerank 等手段，向量数据库可以不断优化搜索结果的相关性，把更多真正有价值的内容找回来，达成性能与召回的平衡。
一句话总结，向量数据库并不是为了替代关系型数据库，它更多情况下，是一种专门与 AI 场景相伴生的新型基础设施，能更好的响应你的自然语言查询，也能够对语义信息进行检索。最终让数据库从死板的执行者，转变为真正理解上下文、主动帮你决策的数据智能体。
作者介绍
栾小凡
Zilliz 合伙人和研发 VP
LF Al & Data 基金会技术咨询委员会成员
