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——具备灵活的 Agent 编排能力与安全的 Python UDF 沙箱。专为企业级 AI 工作负载打造。

☁️ 试用 Cloud • 🚀 快速入门 • 📖 文档 • 💬 Slack

💡 为什么选择 Databend？

Databend 是一款使用 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、自动模式演进（Auto Schema Evolution）——统一集成在单一引擎中。

Agent 就绪：提供用于 Agent 逻辑的沙箱 UDF、用于编排的 SQL、用于保证可靠性的事务处理，以及用于在生产数据上进行安全实验的分支（Branching）功能。

📊 核心引擎分析、向量搜索、全文检索、自动模式演进、事务支持。	🤖 Agent 就绪沙箱 UDF + SQL 编排。在企业数据上构建并运行您的 Agent。
🏢 企业级规模弹性计算，云原生架构。支持 S3/Azure/GCS。	🌿 数据分支类似 Git 的数据版本控制。Agent 可在生产环境快照上安全地进行操作。

⚡ 快速入门

1. 云端版 (推荐)

在 Databend Cloud 上免费开始 — 60 秒内即可部署生产环境。

2. 本地版 (Python)

适用于开发和测试环境。要求 Python 3.12 或 3.13，以及 databend-driver 0.34.0 或更高版本：

pip install "databend-driver[local]>=0.34.0"

from databend_driver import connect

conn = connect("databend+local:///./local-state")
print(conn.query_row("SELECT 'Hello, Databend!'").values())

3. Docker

在本地运行完整的数据仓库：

docker run -p 8000:8000 datafuselabs/databend

🤖 Agent 就绪架构

Databend 的 沙箱 UDF (Sandbox UDF) 通过三层架构实现了灵活的 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 发出请求
• 计算平面 (Compute Plane) (沙箱工作节点)：运行 Agent 逻辑的隔离沙箱

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

-- 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 —— 了解更多
• 分析与 BI：大规模 SQL 分析 —— 了解更多
• 搜索与 RAG：向量 + 全文检索 —— 了解更多

🤝 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 🏆

📄 许可证

Apache 2.0 + Elastic 2.0 | 许可常见问题解答

---

企业级仓库，Agent 就绪 🌐 网站 • 🐦 Twitter