三场演讲、一场圆桌，把“AI 时代怎么做项目”拆成了底座、方法、判断力三层。

一、60 人的小班课：把 AI 讲成可以照着做的步骤

10 月 16 日上午，开放原子技术沙龙 · OpenTenBase Workshop 在开放原子上海开源促进中心开讲。与常规的城市行不同，这一场是限额 60 人的小班 Workshop，听众主体是上海杉达学院正在上《工程技术与创新实践》课程的同学。

三场演讲分别由腾讯云数据库研发总监、OpenTenBase 技术委员会副主席范孝剑，「川序」AI Agent 管理平台创始人尹海文，OpenTenBase ACE 专家委员会主席薛晓刚带来；圆桌环节由 OpenTenBase 社区秘书长单致豪与尹海文、薛晓刚三位专家一同回答同学们的提问。

二、四个关键技术观察

把三位讲者的内容放在一起看，能看到四条彼此咬合的技术判断。

观察一：数据库的服务对象，第一次从人变成了 Agent

过去人用数据库，是写一条 SQL，目标明确；Agent 用数据库，是先加载会话状态，再按需检索知识、查询业务数据、记录执行结果，链路长、目标还会漂移。由此带来三个变化：数据消费者从工程师、BI 和应用系统变成 Agent 与自主工作流；数据结构从结构化为主变成文档、图片、向量、图关系并存；数据库的角色从“事实记录系统”变成“智能体执行的基础设施”。

观察二：Agent 落地生产的瓶颈，不在模型，在工程

范孝剑把它概括为三句话：“这个问题的背景，我上次说过了”（记忆缺失）、“为了早高峰那 20 分钟，全天按峰值付费”（弹性不足）、“想改，但不敢在生产上验证”（迭代受阻）。模型能力之外，记忆、弹性、迭代这三道工程坎，决定了 Agent 能不能从演示走到生产。

观察三：AI Coding 的瓶颈，不在“生成”，在“改得动”

尹海文的开场问了三个问题：下个月让你加一个功能，你还改得动吗？答辩时老师问“这段为什么这么写”，你答得上来吗？出了 bug，你能找到是哪一次改动引入的吗？AI 是放大器——放大速度，也放大混乱。缺的不是模型能力，是规格、验收和历史。

观察四：AI 落不了地，卡在数据孤岛与数据治理

薛晓刚的判断最不客气：当前企业的数据散在向量库、时序库、关系库、文档库里，彼此整合不了，AI 就无从训练和应用。“绝大多数企业 AI 没能落地盈利，核心就是数据整合没做好。”而多模融合、数据建模这类活，正是数据库从业者最硬的护城河。

三、观点输出汇总

范孝剑｜腾讯云数据库研发总监、OpenTenBase 社区技术委员会副主席

· “数据库的服务对象，第一次从人变成了 Agent。”

· “模型决定了 AI Agent 的下限，而数据底座决定了 AI Agent 的上限。”

· AI 时代企业和个人的差异不再是“谁更懂算法”，而是谁沉淀了更厚的记忆；建议每个人找一个顺手的 AI 工具，长期把笔记、想法、判断沉进去。

· 让 AI 管数据库，先解决“敢不敢”：只读可放开，高危设禁令，数据留在用户 VPC 内，决策与执行全程留痕。

尹海文｜「川序」AI Agent 管理平台创始人、OpenTenBase ACE

· “这些问题的答案，不在 AI 的能力里，在做法里。”

· 大模型的本质是下一个词预测器，它没有“理解”的开关，是超大规模的续写，不是懂你项目的工程师。

· “重要约定不能只活在对话里，要落进项目文件。”

· 规格驱动开发的四层结构：需求 → 设计 → 任务 → 实现，越往上改越便宜；“写得好的标准：AI 不需要猜，你不需要返工。”

· “提交密度 = 恢复点密度”“总结是它写的，diff 是它做的。”

薛晓刚｜腾讯云架构师同盟上海理事、OpenTenBase ACE 专家委员会主席

· AI 离不开数据，数据都存在数据库里，所以数据库从业者是离 AI 最近的人。

· 行业预测到 2027 年，80% 的 NoSQL 能力会集成进关系数据库，这个趋势正在逐步兑现。

· 企业要的不是“服务器 CPU 满了”，而是哪个业务仓库、哪段代码、哪个开发、因为什么业务操作导致的问题。

· “AI 能抄成功案例，因为它抄的都是成功的；它没抄过那些失败的，也抄不了失败的。”

单致豪｜OpenTenBase 社区秘书长

· 参加黑客松时发现，很多纯靠 AI 搭项目的开发者，连 IP 地址组成这种基础常识都不懂，排查问题完全不会。“基本功还是必须要学。”

· OpenTenBase 是开放原子开源基金会大力支持的开源数据库项目之一，当前重点关注 AI 智能体开源生态；欢迎高校作为学术机构加入合作。

· 学习氛围很重要：加入校园学习社团、用考证给自己设 deadline、参加黑客松拿 24 到 48 小时的短周期训练。

四、圆桌上的三个共识

“只有自己基础好，才能判断 AI 做得对不对。你要比 AI 懂的多，才能对 AI 说不。”——薛晓刚

第一，基础功不能丢。 C 语言、数据库原理、操作系统这些课，不是为了让你手写快排，而是为了让你在 AI 出错时能看出来。大学保留这些基础课，是有道理的。

第二，交流能力比写代码更重要。 FDE 模式的核心不是快速出 demo，而是前期把真实需求拿回来。

第三，人工审核是最后一道防线。 AI 生成的内容依然需要人来把关。很多技能在贬值，但思考能力是别人替代不了的。

现场还有一位跨专业考研的同学提问“怎么快速适应”。尹海文讲了自己的经历：本科园林设计，偏文科，后来做了十多年数据库，核心是主动学习——这个时代，可以用 AI 帮你筛行业新闻、遇到不懂就追问它，但不能等着学校教。

五、不是结束

分享之外，交流同样热烈。现场同学提问不断，与嘉宾围着真实问题反复对谈，在一次次回应中解开对未来的困惑。

三场演讲为课程实践任务做了铺垫，圆桌为大家校准了方向；开源贡献的实践路径，也被留在了现场。期待更多同学借力 AI，把想法做成作品，把自己送到更远的地方。

OpenAtom OpenTenBase 社区

开源分布式数据库 · 欢迎 Star 与共建