面向 AI Agent 的数据库运维：SelectDB CLI 与 Skills 架构设计及实践

作者｜陈明雨，Apache Doris PMC Chair

集群该扩到几个节点、这张表该用聚合模型还是主键模型、慢查询的瓶颈在扫描还是在聚合——数据库运维中最耗时的，往往是这类没有标准答案的问题。它们高度依赖经验，而经验通常留在个别人的头脑里，很难被复用，也很难被验证。

SelectDB 正式发布面向 AI Agent 的智能运维能力体系，核心产品形态为 SelectDB CLI 与 Skills：CLI 为 Agent 提供结构化的取证与执行入口，Skills 则将数据库专家的判断过程沉淀为可审查、可执行的工作流。该体系同时覆盖管控面（Cloud）与数据面（内核），并在底层内置了四类安全机制，确保变更过程可控、关键操作始终由人确认。

本文将从数据库运维决策的复杂性出发，介绍 CLI + Skills 的架构设计，并通过三个端到端的实操案例，展示 AI Agent 如何基于自然语言完成集群管理、表结构设计与 Benchmark 调优。

1. 业务背景：运维决策的复杂性

数据库运维的核心挑战，往往不在于命令的执行，而在于决策的准确性与连贯性。

从集群规划阶段开始，运维人员就需要做出一系列高度依赖经验的决策：规格选型（CPU、内存与缓存的最佳配比）、表模型设计（明细、聚合或主键模型的选择及字段类型定义）、分区分桶与索引设计等。

更为复杂的是，这些决策之间存在紧密的耦合关系。例如，表结构或分区分桶设计不合理，会在后期表现为慢查询，甚至直接限制集群的平滑扩容；而资源配置的偏差，则会直接影响系统的稳定性与使用成本。

过去的运维工具更多关注“如何执行”，例如扩缩容、查日志、恢复故障，这些操作通常都有确定的命令和工具。但在真实的运维场景中，更难的是“何时做出何种判断”，以及如何评估该判断可能带来的影响和风险。

如何将这些依赖经验的判断过程转化为可复用、可验证的工程化能力，是数据库智能运维需要解决的重要问题。

SelectDB CLI 与 Skills 主要围绕这一问题进行设计。

2. 平台架构设计

2.1 从面向人到面向 Agent 的工具接口演进

数据库运维交互经历了传统 CLI（面向专家）与 GUI（降低门槛）两个阶段，本质上均是“面向人”的设计。AI Agent 接入后，需要理解用户意图，并将其转换为一系列可执行、可验证的步骤。传统工具在对接 Agent 时存在三类典型问题：

• 解析不稳定：传统 CLI 经常使用 ASCII 表格等面向人阅读的格式，Agent 在解析字段、状态和异常信息时容易出现偏差。
• 上下文爆炸：Profile 等诊断信息可能包含数千行内容，直接输入 Agent 会占用大量上下文，也增加关键信息遗漏的概率。
• 缺乏闭环：传统报错通常只说明错误原因，但 Agent 还需要知道下一步应该如何处理。

因此，面向 Agent 的接口需要重点解决三个问题：结构化输出与一次性取证，减少多轮交互带来的上下文丢失；明确的错误码与修复建议，便于 Agent 判断下一步操作；明确的安全边界与确认机制，确保变更过程可控。

2.2 CLI + Skills 两层能力架构全景

SelectDB 将面向 Agent 的运维能力拆分为两个层次：

• CLI：负责连接环境、采集证据、查询状态与提交变更，并统一返回结构化、可重试的结果，为 Agent 提供稳定的取数和执行入口。
• Skills：将复杂的判断逻辑、诊断路径和建议生成流程沉淀为工作流，使 Agent 能够按照相对固定的流程进行诊断与优化。

为保障 Agent 参与数据库运维时的安全性与可控性，底层设计了四类基础安全机制：

• 取证前置：先获取真实环境中的确定性证据，再生成建议。
• 变更预演：清晰展示当前状态、目标状态及影响预估，涉及变更操作必须由人类确认。
• 幂等执行：从接口层面避免 Agent 重试导致的重复变更。
• 密钥隔离：凭证仅通过环境变量传递，避免进入 Agent 上下文或日志。

3. 核心能力建设

3.1 CLI：结构化取证框架

在运维诊断中，上下文的完整性非常重要。SelectDB CLI 主要遵循三项设计原则：按主题返回相对完整的信息，减少遗漏；使用 JSON 等结构化格式，减少解析异常；对大体量诊断信息进行摘要，避免占用过多上下文，实际场景中，可节省高达 90% 的 token。

CLI 体系分为两类，实现管控面与数据面的闭环：

• SelectDB Cloud CLI（管控面）：覆盖 Cloud 环境运维，包括多环境认证、连接信息管理、Cluster 生命周期管理、网络控制及计费审计。例如，不同环境可以直接切换，不需要重复登录和配置连接信息。
• Apache Doris CLI（数据面）：专注与数据库内核的交互，提供 SQL 执行、SOCKS5 隧道、Profile 信息提取及数据分布状态探查等能力。Agent 可以直接拿到慢查询 Profile、Tablet 分布和集群状态，作为后续诊断的依据。

两类 CLI 结合起来，将 Cloud 管控面和 Doris 数据面连接起来，使 Agent 能够基于结构化的“证据快照”完成分析、规划与执行，而不是在不同系统中进行零散查询。

3.2 Skills：领域知识工程化

CLI 解决的是 Agent 如何获取证据和执行操作，Skills 则规定 Agent 在不同场景下如何收集信息、进行判断并生成建议。每个 Skill 主要定义以下触发器、决策树、证据收集流程、建议模板四个部分：

针对不同的运维面，Skills 同样分为两套矩阵：

• SelectDB Cloud Skills：涵盖环境路由、集群生命周期管理、读写分级、密钥安全及管控面故障自诊。
• Apache Doris Skills：涵盖资源规划、表模型设计、慢查询诊断、迁移评估，并包含 10 类实践经验和 8 项决策规则。例如什么场景该用 Unique Key 而不是 Aggregate、分桶键怎么选、分桶数怎么定、什么情况下需要调整分区策略等。

4. 端到端场景实操

接下来通过三个完整场景，展示 Claude Code 配合 Skills 和 CLI，在 SelectDB Cloud 和 Apache Doris 中完成管控面管理、数据面操作及 Benchmark 调优。每个场景均附有完整演示视频，正文仅保留场景介绍和关键结论。

4.1 场景一：管控面 - 集群生命周期管理

本场景展示如何通过自然语言完成 SelectDB Cloud 集群的生命周期管理，包括环境接入、Warehouse 选择、集群创建、扩容和删除。

用户只需要描述目标，例如：“在当前 Warehouse 下创建一个 8 核计算集群，空闲 15 分钟自动暂停；之后扩容到 16 核，演示完成后删除。”

Agent 会先探查环境和资源状态，再通过 Skills 和 CLI 完成实际操作。对于计费变更、资源删除等关键操作，会要求用户确认；如果执行过程中出现错误，也可以根据返回信息调整后继续执行。

视频 1 链接：https://cdn.selectdb.com/static/1_selectdb_ai_agent_cluster_lifecycle_management_63a8c8ccc9.mp4

这一场景重点体现的是运维操作的安全性和确定性：Agent 不只是执行命令，还会结合资源状态、平台约束和操作风险完成完整闭环。否则，用户往往需要在 CLI 文档、控制台和运维经验之间来回确认。

4.2 场景二：数据面 - 智能表结构设计与建表

本场景模拟 IoT 数据场景。用户只需要描述目标，例如：“5 万台设备持续上报数据，需要分钟级实时大盘、设备 ID 高并发点查，同时保留 90 天原始数据。”

Agent 给出的设计中，关键 DDL 包括：

UNIQUE KEY(device_id)

PARTITION BY RANGE(event_time)

DISTRIBUTED BY HASH(device_id) BUCKETS ...

针对不同访问模式，分别使用明细模型、Unique Key 模型和聚合模型。三类查询模式差异较大，一张表很难同时做到最优，因此拆分为不同模型分别承载。

视频 2 链接：https://cdn.selectdb.com/static/2_apache_doris_ai_table_design_demo_d8025532e2.mp4

这里的关键是把 Doris 的表模型、分区、分桶等设计经验沉淀下来，将业务访问模式转化为合适的 Doris 表设计。没有 Skills，这些判断通常需要用户自己查表模型、分区、分桶等资料，再结合经验做取舍。

4.3 场景三：Benchmark 调优实践

本场景通过 ClickBench Benchmark，展示 Agent 如何协同管控面和数据面，从零完成集群创建、建表导数、Benchmark 跑分、性能诊断、调优及再次验证。

用户需求可以直接描述：“跑一个 ClickBench Benchmark，创建集群、建表、导数、跑分、调优，再重新跑分对比结果。”

视频 3 链接：https://cdn.selectdb.com/static/3_apache_doris_clickbench_ai_performance_tuning_01cbd10ce3.mp4

首轮 Benchmark 后，Agent 根据实际运行结果分析慢查询，并针对分桶、bucket 数量和前缀索引等提出优化方案。重新建表和跑分后，整体性能提升约 13%。对于部分提升不明显的重查询，Agent 根据新的运行结果重新分析，最终判断主要瓶颈在 CPU 和聚合计算，而非最初判断的扫描并行度。

Benchmark 调优更依赖持续诊断和验证。Skills 让 Agent 能够基于实际跑分不断修正判断；如果完全依赖人工，往往需要反复收集 Profile、数据分布和集群信息，再交给研发或性能专家分析。

5. 快速开始

目前 CLI 与 Skills 均已开源，可接入 Claude Code、Cursor、Copilot 等 AI 助手。后续还会补充更多场景模板，并支持 MCP Server 接入方式。

无论使用 SelectDB Cloud 云原生实时数据仓库还是开源 Apache Doris 实时分析数据库，都可以通过以下方式快速开始：

# 1. 安装两类 CLI
npm install -g @apache-doris/doriscli    # 数据面交互
npm install -g @selectdb/cloudcli          # 管控面交互

# 2. 将领域知识接入 AI Agent 工作流
npx skills add apache/doris-skills              # 注入内核与调优经验
npx skills add selectdb/selectdb-cloud-skills   # 注入云端管控与调度经验

相关开源项目：

• Apache Doris Skills：面向 AI Agent 的数据库运维与调优 Skills
• SelectDB Cloud Skills：面向 AI Agent 的云数据库运维 Skills

如果你在实际使用中遇到问题，或者有值得复用的设计和实践经验，欢迎提交 PR。相关案例会整理到 references/ 目录，方便后续遇到类似问题时快速参考。