文章介绍了 Theoric Labs 的 LeanDB 实验，旨在将形式化方法与 AI 智能体结合应用于数据库领域：用 Lean 语言描述数据及其属性，同时使用 SQL 数据库进行存储和查询。文章通过咖啡菜单示例系统讲解了 Lean 的类型系统，包括归纳类型（如 Temperature、MenuItem）、细化类型（如限制浓缩咖啡份数为 1-4 的 ShotCount 子类型）、依赖类型（杯型大小依赖于冷热温度的 CupSize 索引族），以及元类型（FieldSpec 宇宙设计模式，用数据描述类型）。作者认为，强类型能让编译器在运行前阻止非法数据写入，将验证结果显式化，从而构建无 bug 的软件系统。
文章探讨了 Snowflake、Databricks、ClickHouse、BigQuery、MotherDuck 等数据仓库平台在 AI 时代的架构演进，总结了七大架构经验：推理正在成为数据库算子；数据转换可通过 LLM 推断并物化新事实；语义层正成为 Agent 的基础设施；Agent 的部署位置是重要的架构决策；数据仓库正成为 Agent 工作的执行环境；Agent 是一种新的数据库工作负载，其迭代、突发、高并发的访问模式要求重新设计数据库系统。这些模式为所有 AI 产品的架构设计提供了借鉴。
Cloudflare 于 2026 年 9 月 1 日起对 Workers Free 账户的 D1 数据库实施每日硬性限额：行读取或行写入任一耗尽后查询直接报错，直到次日 UTC 00:00 重置。文章详解了 D1 按实际扫描/写入行数（而非 SQL 条数或返回行数）计量的核心机制，列举了无索引过滤、ORDER BY RANDOM()、前置通配符搜索等易触发限额的查询模式，并分析索引在节省读取与产生写放大之间的权衡。作者以自己站点为例梳理了排查与优化步骤，建议用量化监控、索引治理、缓存和降级设计应对免费层故障边界，或选择升级付费方案。
作者为 SiteData 工具做性能优化：千万级 Google Ads 广告标题的模糊查询原本用 MySQL 需约 6 秒，导致广告竞争信号功能只能手动触发。作者对比 Elasticsearch 与 Manticore Search 后，选择轻量的 Manticore 作为搜索层，MySQL 继续承担业务数据。迁移后查询压缩至约 0.6 秒，压测显示平均耗时 170-180ms、零错误，且资源占用极低（8GB 内存仅用 662MB）。文章总结了三点经验：慢功能可能是性能问题而非价值问题；主数据库不应包揽全部职责；小团队选型应以成本和务实为导向。
本文探讨了Postgres在处理数十亿行时间序列数据时遇到的性能瓶颈，以及如何通过Tiger Cloud（基于TimescaleDB的托管服务）解决这些问题。文章以Cloudflare团队的经历为例，展示了他们花费两年时间手动构建分区管理和聚合管道，最终迁移到TimescaleDB将查询速度提升35倍。作者演示了如何使用Tiger CLI作为MCP服务器，让Claude Code直接管理数据库基础设施，并构建了一个实时地震仪表盘。通过自动时间分区、连续聚合和压缩功能，Tiger Cloud简化了数据工程工作，使开发者能专注于应用开发。
文章指出学习 Python 和 SQL 时缺乏真实数据是常见痛点，推荐了 6 个免费数据源，包括 Kaggle、Hugging Face、Our World in Data 等，涵盖机器学习、经济统计等领域，帮助用户完成分析作品集。
本文深入解析了HNSW（分层可导航小世界）算法，这是现代向量数据库实现快速近似最近邻搜索的核心技术。文章通过邮政分拣的比喻，阐述了HNSW如何结合NSW图结构和跳表的概念，利用分层结构从粗糙到精细地快速定位目标，并详细说明了向量搜索和插入的具体流程。
pgContext 0.2.0 发布，作为 PostgreSQL 的开源扩展，提供更快的语义搜索、过滤和混合检索功能。新版本优化了性能，增加了搜索透明度和安全性，支持更多 AI 搜索方法，适用于推荐系统和低成本检索。用户可通过源代码、容器或 Docker Compose 使用。
pgContext是一个开源Postgres扩展，将数据库转变为全功能AI搜索引擎。它比pgvector快5.3倍，支持混合检索、过滤器感知向量搜索和精确重评分。核心能力包括HNSW索引、多种距离度量、全文搜索混合检索等，性能优异，无需额外数据库。
文章讲述了 TiDB 从传统分布式数据库演变为面向 AI Agent 的统一存储层的过程。作者通过回顾从解决 MySQL 分库分表问题，到支持百万级数据库、文件系统、Agent Runtime Workspace，再到构建 Agent Stack 的六个阶段，阐述了基础设施产品如何被客户实际需求而非顶层设计推动演化，最终成为 AI 应用背后的关键基础设施。
