传统数据库设计只需要考虑标量字段:id、title、score、created_at。但在 Agent 业务中,你还需要存 LLM 生成的高维嵌套 JSON 和 Embedding 向量。一张表要同时容纳三种完全不同的数据形态。

痛点:传统 DB 设计 vs AI 业务 DB 设计

传统 CRUD 应用的数据表设计通常是:

users: id, name, email, age, created_at
notes: id, user_id, title, content, created_at

全是标量——整数、字符串、时间戳。数据库可以直接 WHERE age > 18 做精确查询。

但 Agent 业务的数据长这样:

  • LLM 生成的嵌套结构:考题数组 [{ id, question, options: [4个选项], correctAnswerIndex, explanation }]——字段可变、层级嵌套
  • Embedding 向量:1536 维浮点数组 [0.0123, -0.1542, ..., 0.8901]——用于语义相似度检索
  • 盲区列表:['向量计算', 'Rerank', 'pgvector']——简单的字符串数组

这些数据塞不进传统的 varchar 或 integer 字段。

三种数据形态对比

Agent / AI 业务中,数据库设计需要同时兼顾三种形态的数据:

数据形态特点PG 存储方案典型示例
标量与关系数据固定字段、强类型、可 SQL 精确查询text / integer / pgEnumid, user_id, status
非结构化语义向量高维浮点数组,用于相似度检索vector(1536) (pgvector)embedding
半结构化/高维 JSON嵌套结构、字段可变、需灵活存储jsonb + Zod 强类型映射quiz_questions, key_gaps

关键认知:传统数据库设计只考虑标量;AI 业务还需要向量字段(语义检索)和 jsonb 字段(LLM 生成的复杂嵌套结构)。

PG 类型映射表(AI 业务视角)

PostgreSQL 提供了丰富的原生数据类型,Agent 业务中最常用的 6 个:

业务需求PG 字段类型Drizzle 语法适用场景
基础文本texttext('topic')主题名、问题描述
分数/百分比integerinteger('mastery_score')0-100 整数
枚举类型pgEnumpgEnum('severity', ['low','medium','high'])限制只存指定选项
简单字符串数组text[]text('key_gaps').array()盲区列表 ['向量计算','Rerank']
复杂嵌套 JSONjsonbjsonb('quiz_questions').$type<QuizQuestion[]>()多层嵌套结构,支持 JSON 查询
向量数据vector(1536)vector('embedding', { dimensions: 1536 })Embedding 向量存储

各类型的详细定义和差异,详见 Agent 全栈技术栈:PostgreSQL 数据类型详解。

jsonb vs json:为什么选 jsonb

PostgreSQL 提供两种 JSON 类型,差别不小:

jsonjsonb
存储方式原始文本二进制解析格式
保留输入顺序是否
支持索引不支持支持 GIN 索引
查询性能每次解析预解析,快
适用场景仅记录原始 JSONAgent 业务首选

Agent 业务几乎总是用 jsonb——它支持 @>(包含)和 ?(键存在)等 JSON 查询操作符,还能建 GIN 索引加速。

Drizzle Schema 示例:study_diagnoses 表

以”个人学习助手”为例,Agent 评估用户笔记后生成诊断结果(掌握度评分、盲区列表、考题),需要持久化存入数据库:

// 示意代码,展示关键类型用法
import { pgTable, uuid, text, integer, jsonb, timestamp, pgEnum } from 'drizzle-orm/pg-core';
 
// 枚举:限制严重程度只能是这三个值
const severityEnum = pgEnum('severity', ['low', 'medium', 'high']);
 
const studyDiagnoses = pgTable('study_diagnoses', {
  id: uuid('id').defaultRandom().primaryKey(),
  topic: text('topic').notNull(),                    // 标量:主题名
  masteryScore: integer('mastery_score').notNull(),  // 标量:0-100 分
  keyGaps: text('key_gaps').array().notNull(),       // 数组:盲区列表
  severity: severityEnum('severity').default('medium'), // 枚举:严重程度
 
  // jsonb:复杂嵌套的考题数组,搭配 TS 泛型做类型约束
  quizQuestions: jsonb('quiz_questions').$type<Array<{
    id: string;
    question: string;
    options: string[];              // 4 个选项
    correctAnswerIndex: number;     // 0-3
    explanation: string;
  }>>().notNull(),
 
  createdAt: timestamp('created_at').defaultNow().notNull(),
});

这张表的设计思路:

  1. 标量字段(topic, masteryScore):用 text 和 integer,可以直接 WHERE mastery_score > 80 精确查询
  2. 枚举字段(severity):用 pgEnum,数据库层限制只能存 'low' / 'medium' / 'high',脏数据直接拒绝
  3. 数组字段(keyGaps):用 text[],PG 原生支持数组类型,可以 '向量计算' = ANY(key_gaps) 查询
  4. 嵌套 JSON 字段(quizQuestions):用 jsonb + .$type<T>() 泛型,既享受 JSON 的灵活性,又有 TypeScript 类型安全

认知升级

记住这三句话:

简单字段存 SQL 标量。 向量存 pgvector。 复杂嵌套结构存 JSONB + Zod 强类型映射。

这是从”前端/传统思路”向”Agent 全栈数据架构思路”演进的核心认知。传统数据库设计只考虑”字段是什么类型”;AI 业务数据库设计还要考虑”数据是什么形态”——标量、向量还是半结构化 JSON。

传统 vs AI 业务设计差异

维度传统 DB 设计AI 业务 DB 设计
数据来源用户表单输入LLM 生成 + 用户输入 + 向量化
字段类型标量为主标量 + 向量 + jsonb
查询方式SQL 精确查询SQL + 向量相似度 + JSON 查询
Schema 偏定字段固定,改表要迁移部分字段灵活(jsonb 可动态扩展)
索引策略B-TreeB-Tree + HNSW(向量)+ GIN(jsonb)

适用边界:jsonb vs 拆成关联表

不是所有嵌套结构都应该塞进 jsonb。判断标准:

情况方案原因
LLM 生成的一次性结构(考题、诊断结果)jsonb结构不固定,拆表收益小
需要独立查询/更新的子实体拆成关联表jsonb 内部元素不能高效单独更新
简单的标签/列表text[]不需要 jsonb 的复杂性
需要跨记录聚合统计的实体拆成关联表jsonb 的聚合查询性能不如关联表 JOIN

一句话带走

简单字段存标量,向量存 pgvector,复杂嵌套结构存 JSONB + Zod 强类型映射。

参考来源

相关