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 / pgEnum | id, 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 | text | text('topic') | 主题名、问题描述 |
| 分数/百分比 | integer | integer('mastery_score') | 0-100 整数 |
| 枚举类型 | pgEnum | pgEnum('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 JSON | jsonb | jsonb('quiz_questions').$type<QuizQuestion[]>() | 多层嵌套结构,支持 JSON 查询 |
| 向量数据 | vector(1536) | vector('embedding', { dimensions: 1536 }) | Embedding 向量存储 |
各类型的详细定义和差异,详见 Agent 全栈技术栈:PostgreSQL 数据类型详解。
jsonb vs json:为什么选 jsonb
PostgreSQL 提供两种 JSON 类型,差别不小:
json | jsonb | |
|---|---|---|
| 存储方式 | 原始文本 | 二进制解析格式 |
| 保留输入顺序 | 是 | 否 |
| 支持索引 | 不支持 | 支持 GIN 索引 |
| 查询性能 | 每次解析 | 预解析,快 |
| 适用场景 | 仅记录原始 JSON | Agent 业务首选 |
Agent 业务几乎总是用 jsonb——它支持 @>(包含)和 ?(键存在)等 JSON 查询操作符,还能建 GIN 索引加速。
Drizzle Schema 示例:study_diagnoses 表
以”个人学习助手”为例,Agent 评估用户笔记后生成诊断结果(掌握度评分、盲区列表、考题),需要持久化存入数据库:
// 示意代码,展示关键类型用法
import { pgTable, uuid, text, integer, jsonb, timestamp, pgEnum } from 'drizzle-orm/pg-core';
// 枚举:限制严重程度只能是这三个值
const severityEnum = pgEnum('severity', ['low', 'medium', 'high']);
const studyDiagnoses = pgTable('study_diagnoses', {
id: uuid('id').defaultRandom().primaryKey(),
topic: text('topic').notNull(), // 标量:主题名
masteryScore: integer('mastery_score').notNull(), // 标量:0-100 分
keyGaps: text('key_gaps').array().notNull(), // 数组:盲区列表
severity: severityEnum('severity').default('medium'), // 枚举:严重程度
// jsonb:复杂嵌套的考题数组,搭配 TS 泛型做类型约束
quizQuestions: jsonb('quiz_questions').$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:
- 标量字段(
topic,masteryScore):用text和integer,可以直接WHERE mastery_score > 80精确查询 - 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 - 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 - 嵌套 JSON 字段(
quizQuestions):用jsonb+.$type<T>()泛型,既享受 JSON 的灵活性,又有 TypeScript 类型安全
认知升级
记住这三句话:
简单字段存 SQL 标量。 向量存 pgvector。 复杂嵌套结构存 JSONB + Zod 强类型映射。
这是从”前端/传统思路”向”Agent 全栈数据架构思路”演进的核心认知。传统数据库设计只考虑”字段是什么类型”;AI 业务数据库设计还要考虑”数据是什么形态”——标量、向量还是半结构化 JSON。
传统 vs AI 业务设计差异
| 维度 | 传统 DB 设计 | AI 业务 DB 设计 |
|---|---|---|
| 数据来源 | 用户表单输入 | LLM 生成 + 用户输入 + 向量化 |
| 字段类型 | 标量为主 | 标量 + 向量 + jsonb |
| 查询方式 | SQL 精确查询 | SQL + 向量相似度 + JSON 查询 |
| Schema 偏定 | 字段固定,改表要迁移 | 部分字段灵活(jsonb 可动态扩展) |
| 索引策略 | B-Tree | B-Tree + HNSW(向量)+ GIN(jsonb) |
适用边界:jsonb vs 拆成关联表
不是所有嵌套结构都应该塞进 jsonb。判断标准:
| 情况 | 方案 | 原因 |
|---|---|---|
| LLM 生成的一次性结构(考题、诊断结果) | jsonb | 结构不固定,拆表收益小 |
| 需要独立查询/更新的子实体 | 拆成关联表 | jsonb 内部元素不能高效单独更新 |
| 简单的标签/列表 | text[] | 不需要 jsonb 的复杂性 |
| 需要跨记录聚合统计的实体 | 拆成关联表 | jsonb 的聚合查询性能不如关联表 JOIN |
一句话带走
简单字段存标量,向量存 pgvector,复杂嵌套结构存 JSONB + Zod 强类型映射。
参考来源
- PostgreSQL JSON 类型文档 — json vs jsonb 区别
- PostgreSQL 数组类型文档 —
text[]原生数组支持 - pgvector GitHub —
vector(n)类型与相似度操作符 - Drizzle ORM PG Core 文档 —
pgEnum/jsonb().$type()/.array()语法
相关
- Agent 全栈技术栈 — PG 数据类型详解与四层架构总览
- Zod 全生命周期 — Zod 校验通过后数据如何落库
- Structured Output — LLM 生成的结构化数据如何保证合规