Databend

面向 AI Agent 的企业级数据仓库

大规模分析、向量搜索、全文检索——提供灵活的 Agent 编排能力与安全的 Python UDF 沙箱。专为企业级 AI 工作负载而构建。

☁️ 试用 Cloud • 🚀 快速上手 • 📖 文档 • 💬 Slack

💡 为什么选择 Databend？

Databend 是一款基于 Rust 构建的开源企业级数据仓库。

核心能力：分析、向量搜索、全文检索、自动 Schema 演进——统一集成在一个引擎中。

面向 Agent：支持用于 Agent 逻辑的沙箱 UDF、用于编排的 SQL、确保可靠性的事务处理，以及用于生产数据安全实验的数据分支（Branching）功能。

📊 核心引擎分析、向量搜索、全文检索、自动 Schema 演进、事务支持。	🤖 面向 Agent沙箱 UDF + SQL 编排。基于企业数据构建并运行 Agent。
🏢 企业级规模弹性计算，云原生架构。支持 S3/Azure/GCS。	🌿 数据分支类 Git 的数据版本控制。Agent 可在生产数据的快照上安全操作。

⚡ 快速上手

1. 云服务（推荐）

在 Databend Cloud 免费开始 — 60 秒内即可准备好生产环境。

2. 本地部署（Python）

适用于开发与测试：

pip install databend

import databend
ctx = databend.SessionContext()
ctx.sql("SELECT 'Hello, Databend!'").show()

3. Docker

在本地运行完整的数据仓库：

docker run -p 8000:8000 datafuselabs/databend

🤖 面向 Agent 的架构

Databend 的 沙箱 UDF (Sandbox UDF) 通过三层架构实现灵活的 Agent 编排：

• 控制平面 (Control Plane)：资源调度、权限验证、沙箱生命周期管理
• 执行平面 (Execution Plane) (Databend)：SQL 编排，通过 Arrow Flight 发起请求
• 计算平面 (Compute Plane) (Sandbox Workers)：运行 Agent 逻辑的隔离沙箱

-- 定义你的 Agent 逻辑
CREATE FUNCTION my_agent(input STRING) RETURNS STRING
LANGUAGE python HANDLER = 'run'
AS $$
def run(input):
    # 你的 Agent 逻辑：LLM 调用、工具使用、推理等...
    return response
$$;

-- 使用 SQL 编排 Agent
SELECT my_agent(question) FROM tasks;

🚀 应用场景

• AI Agents：沙箱 UDF + SQL 编排 + 用于安全操作的数据分支。
• 分析与 BI：大规模 SQL 分析 — 了解详情
• 搜索与 RAG：向量搜索 + 全文检索 — 了解详情

🤝 社区与支持

• 📖 文档
• 💬 加入 Slack
• 🐛 问题追踪
• 🗺️ 路线图

贡献者将被永久记录在 system.contributors 表中 🏆

📄 许可协议

Apache 2.0 + Elastic 2.0 | 许可协议常见问题解答

---

企业级仓库，面向 Agent 就绪 🌐 官网 • 🐦 Twitter