阿里云Hologres CLI & Skills让数据仓库首次Agent-Ready；ClickHouse Open House 2026发布统一数据栈从分析数据库走向AI全栈基础设施；阿里云Agent Infra发布AgentTeams多智能体治理与STAROps智能运维

第十期追踪到DataInfra领域三条重要动态：阿里云5月27日开源Hologres AI插件——这是业界首个将数据仓库明确设计为”Agent-Ready”的工具包，Hologres CLI以JSON优先输出让AI代理原生理解数据库响应，六层安全防护（行数限制保护/连接级只读回退/显式写入授权/危险操作阻止/Serverless计算隔离/自适应执行防OOM）构建了AI代理操作数据库的安全边界——这比Vol.9报道的LoongCollector+ACS Agent Sandbox（运行时层安全）更进了一步，将安全边界从”Agent运行时”下推到”数据库操作层”，Agent Skills以8个领域专业技能包让AI代理获得查询优化/慢查询诊断/Schema设计/UV去重/BSI人群分析等专业能力，AIGC原生SQL让数据仓库直接生成文本/图像/视频配合Volume存储管理——数据仓库从”被动查询”走向”主动创作”；ClickHouse Open House 2026于5月27日在旧金山开幕Day 1——Postgres Managed by ClickHouse以NVMe本地存储实现10倍OLTP性能提升和微秒级磁盘延迟，pg_clickhouse统一查询层让应用在Postgres接口中透明查询ClickHouse，Langfuse LLM可观测性平台提供AI质量监控补上”代理是否可靠”的拼图，零拷贝湖仓实现Iceberg双向访问——ClickHouse正从”最快的分析数据库”走向”事务+分析+可观测性+AI质量监控”的统一数据栈，这个栈恰好覆盖了AI代理工作负载的完整数据需求；阿里云5月26日发布Agent Infra完整产品矩阵——AgentTeams基于Matrix协议实现异构智能体（OpenClaw/QwenPaw/Claude Code等）的统一治理和Leader-Worker协作编排，原生IM集成让员工在钉钉/飞书/企业微信中调度Agent团队，STAROps以UModel统一数据模型将日志/指标/追踪/事件/拓扑建模为单一模型，故障仿真系统连接”注入-采集-诊断-修复”闭环——这三条动态共同指向DataInfra的一个新阶段：数据基础设施不再只是”为AI代理提供数据”，而是”为AI代理提供从数据到安全到运维的完整运行环境”。

Hologres CLI & Skills：业界首个Agent-Ready数据仓库工具包

事件概述

5月27日，阿里云在官方博客发布Hologres AI插件——一套完全开源的工具包，包含Hologres CLI（执行层）和Agent Skills（知识层）两个核心层次，让AI代理能够安全、高效、智能地访问和管理Hologres实时数据仓库。Hologres CLI以JSON优先输出和六层安全防护为核心设计，30+命令覆盖Schema管理、表管理、SQL执行、动态表生命周期管理、GUC参数调优等所有场景。Agent Skills包含8个领域专业技能包——从CLI使用指南到查询优化、慢查询诊断、Schema设计、权限管理、UV/PV去重、BSI人群分析和AIGC广告投放。该工具包还引入AIGC原生SQL能力——用SQL调用大模型生成文本/图像/视频，配合Volume存储进行全流程资产管理。一键安装支持8大AI开发工具（Claude Code/Cursor/Codex/Qoder等），Apache 2.0完全开源。

技术解析

• JSON优先输出：所有命令默认返回结构化JSON，支持4种输出格式（json/table/csv/jsonl）。AI代理原生理解JSON响应，无需正则解析自由文本。错误响应包含结构化错误码（如LIMIT_REQUIRED、WRITE_GUARD_ERROR、DANGEROUS_WRITE_BLOCKED），AI代理可自动识别错误类型并采取正确行动——如被LIMIT_REQUIRED拒绝后自动添加LIMIT子句重试。
• 六层安全防护：第1层行数限制保护（无LIMIT查询直接拒绝）→第2层连接级只读保护（默认SET default_transaction_read_only = ON，即使AI代理绕过所有CLI检查数据库引擎也拒绝写操作）→第3层显式写入授权（写操作必须添加--write标志）→第4层危险操作阻止（无WHERE的DELETE直接拒绝）→第5层Serverless计算隔离（AI代理查询自动路由到独立Serverless资源组，零生产影响）→第6层自适应执行（优化器自动将复杂SQL分为多Stage，中间结果写磁盘避免OOM）。六层防护的设计哲学是”纵深防御”——每一层都是独立的安全边界，即使某层被绕过，下一层仍然生效。
• Agent Skills 8个技能包：基础技能（hologres-cli使用指南/schema-generator设计/privileges权限管理）、性能优化（query-optimizer执行计划分析/slow-query-analysis慢查询诊断）、场景化技能（uv-compute十亿级RoaringBitmap去重/bsi-profile-analysis人群分析/ad-campaign AIGC广告投放）。每个技能包将Hologres专家经验浓缩为AI可消费的结构化知识。
• AIGC原生SQL：hologres ai gen文本生成、hologres ai image-gen图像生成、hologres ai t2v文本转视频、hologres ai i2v图像转视频——数据仓库从”被动查询”走向”主动创作”。Volume存储管理配合AI生成内容，形成”生成→存储→查询→优化”闭环。
• 动态表生命周期管理：AI代理用自然语言描述需求（如”基于orders表构建实时区域销售仪表板，每5分钟刷新”），自动生成hologres dt create命令，--dry-run预览SQL经用户确认后执行——这是Vol.7报道的Spark SDP声明式管道理念在数据仓库层的实现。
• 1100+单元测试：安全机制和命令行为全面覆盖测试，确保AI代理操作的可预测性。

行业影响

Hologres CLI & Skills的深层意义不是”又一个数据库CLI工具”，而是数据仓库首次被明确设计为AI代理的一等操作对象。此前的数据库CLI（psql/mysql/clickhouse-client）是为人类设计的——输出是人类可读的表格，操作依赖人类判断安全边界。Hologres CLI的设计假设操作者是AI代理而非人类——JSON输出让代理原生理解响应，六层安全防护让代理在安全边界内自主操作，Agent Skills让代理获得领域专家知识。

这与Vol.9报道的LoongCollector+ACS Agent Sandbox形成互补——后者解决的是AI代理运行时的安全和可观测性（Agent在沙箱中运行），Hologres CLI解决的是AI代理操作数据仓库时的安全和效率（代理在安全边界内操作数据库）。两者共同指向一个趋势：AI代理的安全边界正在从”运行时层”走向”数据层”——当AI代理不仅需要在安全环境中运行，还需要安全地操作数据库、读写数据、调优查询时，数据基础设施必须为代理操作提供原生安全模型。

更值得注意的是AIGC原生SQL的设计——数据仓库不再只是”被查询”的对象，而是”主动创作”的主体。当SELECT语句可以调用大模型生成图像和视频，INSERT语句可以注册AI生成的素材，动态表可以实时监控ROI时，数据仓库的边界从”数据分析”扩展到”AI内容生产+数据分析+实时监控”——这是数据仓库走向AI原生工作流引擎的信号。

相关链接

• Hologres CLI & Skills: Agent-Ready Infrastructure for Smart Data Warehouse Ecosystem
• Hologres AI Plugins GitHub Repository

---

ClickHouse Open House 2026：从分析数据库到AI全栈数据基础设施

事件概述

5月27日，ClickHouse Open House 2026在旧金山开幕Day 1。这是ClickHouse继2025年首届用户大会后的第二次年度大会，以”the real-time database for AI”为主题。Day 1 Keynote发布多项产品动态：Postgres Managed by ClickHouse进入Private Preview——NVMe本地存储企业级Postgres与ClickHouse原生集成，pg_clickhouse扩展提供统一查询层，原生CDC实现Postgres到ClickHouse的秒级同步，构建OLTP+OLAP统一数据栈；ClickHouse Agentic Data Stack正式发布——Langfuse LLM可观测性平台（1月收购）提供AI质量监控，ClickStack高性能可观测性栈提供基础设施监控，clickhousectl CLI提供Agent友好的数据库操作接口；零拷贝湖仓实现Iceberg双向访问——与Microsoft合作在开放湖仓格式上实现高性能读写。

技术解析

• Postgres Managed by ClickHouse：与Ubicloud合作构建的NVMe本地存储Postgres服务。核心差异化：NVMe存储与计算物理同置，磁盘延迟从毫秒降至微秒级，IOPS无EBS限制。实测对磁盘密集型Postgres工作负载最高10倍性能提升（相同成本和硬件配置下）。架构选择上明确拒绝对象存储后置（object-storage-backed）方案——对象存储适合分析但高延迟和粗粒度I/O不适合事务模式。
• pg_clickhouse统一查询层：每个Postgres服务自带pg_clickhouse扩展，应用在Postgres接口中透明查询ClickHouse——支持JOIN和聚合的查询下推，构建应用时无需管理两套数据库连接。这是”HTAP”的一种新实现路径：不是在单一引擎中同时优化OLTP和OLAP（如TiDB），而是用两个各有所长的引擎通过统一查询层连接。
• 原生CDC同步：基于ClickPipes/PeerDB（2024年收购）的Postgres CDC连接器，支持初始加载和增量同步，已有数百家企业客户每月移动数百TB数据。未来计划推出逻辑复制v2（更可靠的slot flush）和亚秒级复制延迟——这些将独占于ClickHouse原生Postgres服务。
• 故障转移复制槽：独创的可靠性特性——逻辑复制槽在HA故障转移和扩缩容操作中自动保留，CDC管道无需人工干预或重建槽即可继续运行，避免大型数据库的昂贵全量重同步。
• Langfuse LLM可观测性：1月收购的Langfuse是领先的开源LLM可观测性平台（20K+ GitHub stars、26M+/月SDK安装量），覆盖AI可观测性、提示词管理、评估和实验。Langfuse架构本身运行在ClickHouse上——收购是”已运行在我方数据库上的领先开源项目”的经典收购逻辑（与PeerDB/HyperDX一脉相承）。Langfuse解决的核心问题是”AI代理是否真的在正确工作”——传统可观测性看系统健康，LLM可观测性看输出质量。
• ClickStack可观测性栈：基于ClickHouse的高性能可观测性栈，支持日志/指标/追踪的统一存储和查询。LinkedIn和Zoox在Open House上分享了大规模生产实践。
• 零拷贝湖仓：与Microsoft合作实现Iceberg格式的高性能双向访问——不将数据导入ClickHouse即可实现亚秒级查询。这是ClickHouse “data lake ready”战略的下一步：从”查询湖仓数据”到”与湖仓零拷贝双向交互”。

行业影响

ClickHouse Open House 2026的深层意义不是”又一批产品更新”，而是ClickHouse正从”最快的分析数据库”重新定位为”AI时代的全栈数据基础设施”。这个栈的四个层次恰好覆盖AI代理工作负载的完整数据需求：事务层（Postgres Managed处理OLTP）、分析层（ClickHouse核心处理OLAP）、可观测性层（ClickStack处理系统监控+Langfuse处理AI质量监控）、湖仓层（Iceberg双向访问处理开放格式数据）。

这与Hologres CLI & Skills形成有趣的对照——两者都在构建”AI代理友好的数据基础设施”，但路径不同：Hologres选择在单一引擎内扩展能力边界（HSAP实时分析+Agent安全+AIGC创作），ClickHouse选择用多个专业引擎通过统一接口连接（Postgres for OLTP + ClickHouse for OLAP + ClickStack for observability + Langfuse for LLM observability）。前者是”一体化”路径，后者是”组合式”路径——这与Vol.7报道的Iceberg File Format API的”插件模型”vs”Iceberg统一目录”的架构选择异曲同工。

pg_clickhouse统一查询层则代表了HTAP的新实现范式。此前的HTAP方案（如TiDB/SingleStore）试图在单一引擎中同时优化OLTP和OLAP，但两个工作负载对存储格式、查询优化器、并发控制的需求根本不同，导致”既不极快也不极稳”。ClickHouse的方案是”用最好的OLTP引擎（Postgres）和最好的OLAP引擎（ClickHouse）通过统一查询层连接”——放弃单一引擎的简洁性，换取两个引擎各有所长的极致性能。这是一个务实的架构选择，尤其在AI代理工作负载中——代理的写操作（状态更新、工具调用记录）走Postgres路径，代理的分析操作（数据探索、模式识别）走ClickHouse路径。

相关链接

• Postgres Managed by ClickHouse
• Building an Enterprise Postgres Service in ClickHouse Cloud
• ClickHouse Welcomes Langfuse: The Future of Open-Source LLM Observability
• ClickHouse Is Data Lake Ready
• Open House 2026 Conference

---

阿里云Agent Infra：从单智能体运行到多智能体治理与智能运维

事件概述

5月26日，阿里云在官方博客发布Agent Infra完整产品矩阵——这是阿里云CTO李飞飞在2026年阿里云峰会上发布的AI代理基础设施五大平台：AgentRun（一站式开发构建）、AgentTeams（多智能体治理与协作）、AgentLoop（可观测性与持续演进）、STAROps（全域智能运维）以及此前已发布的Agent安全能力。AgentTeams基于Matrix协议实现异构智能体（OpenClaw/QwenPaw/Claude Code等）的统一治理，Leader-Worker协作编排支持Human-in-the-Loop设计，原生IM集成（钉钉/飞书/企业微信）让员工在聊天窗口中调度Agent团队，AI Registry统一注册Skills/MCP Servers/Agents/Team模板。STAROps以UModel统一数据模型将日志/指标/追踪/事件/拓扑建模为单一模型，故障仿真系统连接”注入-采集-诊断-修复”闭环，开源UModel统一数据模型项目和RCA评估基准集（2000+评估记录/700+运维场景）。AgentLoop的可观测性层支持零修改接入（自研探针/OTel SDK/OTel eBPF），兼容QwenPaw/HiClaw/Dify/Hermes-Agent/Coze/AgentScope/LangChain等主流框架；评估与优化层形成”采集→分析→评估→优化”数据飞轮。

技术解析

• AgentTeams——多智能体治理：核心设计基于Matrix协议实现协议级解耦——一个Team可混合OpenClaw、QwenPaw、Claude Code等异构智能体，消除框架锁定。Leader-Worker协作编排中Leader负责意图理解/任务分解/进度监控，Worker执行分配工作，Human-in-the-Loop设计确保100%可见可干预。AI Registry统一注册Skills/MCP Servers/Agents/Team模板，REST转MCP支持零代码转换让现有业务系统无需修改即可接入。零信任架构下智能体不持有凭证，网关集中控制访问。
• STAROps——智能运维：四大核心能力——Sense感知（全域数据统一建模）、Target目标（长运行任务机制）、Autonomy自主（数字员工）、Resilience韧性（故障仿真）。UModel将日志/指标/追踪/事件/拓扑统一为单一模型，AI分析时自动感知服务集群/依赖组件/调用关系。故障仿真系统连接”故障注入→数据采集→智能诊断→自动修复”闭环，结合在线状态和离线仿真持续迭代分析模型。
• AgentLoop——数据飞轮：可观测性层零修改接入主流框架，评估与优化层形成”采集→分析→评估→优化”飞轮——每次在线交互都成为优化智能体的燃料，支持Agent-as-a-Judge评估模式和实验驱动迭代。
• 开源贡献：UModel统一数据模型项目和RCA评估基准集开源，与中国信通院/小鹏汽车/中科院软件所等10+机构联合发起”企业通用语义标准行业倡议”。

行业影响

AgentTeams的深层意义是多智能体治理从”各自为政”走向”统一编排”。此前企业内部的AI代理分散在各部门——OpenClaw处理文档、Claude Code写代码、QwenPaw做推荐——这些代理无法互相发现、协作和监督。AgentTeams用Matrix协议作为统一通信层，用AI Registry作为统一资产注册中心，用零信任网关作为统一安全边界——三统一（通信/资产/安全）让多智能体从”独立运行”变为”团队协作”。原生IM集成则让这种协作对终端用户透明——员工不需要知道背后是3个还是30个代理在工作，只需在钉钉/飞书中发起任务。

STAROps则标志着运维从”人看系统运行”走向”智能体代替人持续运行”。长运行任务机制让运维从被动告警响应变为主动持续监控——一次目标对齐后，后续检查/告警分析/异常处理/验证全自动执行。UModel统一数据模型的开源也值得关注——当运维数据有统一的语义标准时，不同厂商的运维AI可以在同一基础上比较和组合，避免锁定。

将本期三条动态串联，一个清晰的图景浮现：数据基础设施正在从”为AI代理提供数据”走向”为AI代理提供完整的运行环境”。Hologres CLI & Skills为代理提供安全的数据操作环境（数据库层），ClickHouse统一数据栈为代理提供从事务到分析到质量监控的完整数据服务（数据栈层），AgentTeams+STAROps为代理提供从多智能体协作到智能运维的运行保障（运行时层）——三层叠加，AI代理的”工作环境”从”一个能跑代码的容器”进化为”有安全数据访问/有多智能体协作/有智能运维保障的完整基础设施”。当这个完整基础设施到位时，AI代理的部署门槛将从”自建一切”降至”接入即用”——这正是云计算对应用部署所做的范式迁移在AI代理领域的重演。

相关链接

• What Does Alibaba Cloud’s Agent Infra Look Like
• Alibaba Cloud Unveils Advanced Agentic AI Ecosystem for Global Customers
• Alibaba Cloud AI Agent Security Solution

---

编者评

第十期的三条动态，与前九期的主线形成了又一个维度的跃迁。Vol.1-2确立了”AI原生基础设施”和”基础设施AI代理化”两条主线，Vol.3-4追踪到AI代理趋势渗透到治理层和存储/芯片层，Vol.5看到横切面基础设施为AI代理重新定义角色，Vol.6见证了AI推理基础设施的精细化，Vol.7看到湖仓格式插件化和AI代理成为基础设施原生操作者，Vol.8看到AI基础设施的系统性构建和湖仓事务模型的架构性重构，Vol.9看到AI Agent记忆、安全和可观测性的基础设施化。本期则看到了一个更根本的转变：数据基础设施正在从”被人或代理操作的对象”走向”为代理提供完整运行环境的基础设施”。

Hologres CLI & Skills的意义不在于CLI本身——psql和clickhouse-client早已存在——而在于数据库首次被设计为”被AI代理安全操作”的对象。六层安全防护的纵深防御模型解决了此前的核心矛盾：AI代理操作数据库要么权限不足无法完成工作，要么权限过大可能造成破坏。Serverless计算隔离尤其精妙——代理查询自动路由到独立资源组，既保证零生产影响又无需代理感知资源隔离的存在。这是”安全边界下推到数据层”的标志性实践。

ClickHouse统一数据栈则展示了”AI代理友好基础设施”的另一种路径——不是在单一引擎内扩展能力边界（如Hologres），而是用多个各有所长的引擎通过统一接口连接。Postgres for OLTP + ClickHouse for OLAP + ClickStack for observability + Langfuse for LLM observability——四层恰好对应AI代理工作负载的四个数据需求层次。pg_clickhouse统一查询层让应用无需感知底层是两个引擎，这与Vol.8报道的Unity Catalog外部引擎安全写入的思路一致：多引擎不是问题，多引擎没有统一接口才是问题。

AgentTeams + STAROps则补上了AI代理基础设施的”协作”和”运维”维度。当代理不再是单打独斗而是团队协作（AgentTeams），当代理的运维不再是人看仪表板而是智能体持续运行（STAROps），AI代理的运行模式从”工具使用”变为”团队协作”——这与企业从”个人贡献者”到”团队协作”的组织演进路径一致。

将十期主线串联，一个完整的演进图景浮现：DataInfra正在经历从”为人设计”到”为人+代理协同设计”到”为代理设计”的三阶段范式迁移。Vol.1-3是第一阶段——让人能继续使用基础设施的同时为代理提供接口；Vol.4-7是第二阶段——让人和代理在基础设施中协同工作；Vol.8-10是第三阶段——基础设施开始为代理设计专用能力（Agent安全模型/统一数据栈/多智能体治理）。当数据库有Agent专用的安全模型（Hologres六层防护）、数据栈有Agent专用的查询接口（pg_clickhouse+clickhousectl）、运行时有Agent专用的治理框架（AgentTeams Matrix协议）时，“AI代理”不再是在人类基础设施上”寄生”的外来者，而是基础设施的原生用户——这个转变的深层含义是：DataInfra的最终形态不是”支持AI的数据基础设施”，而是”AI原生的数据基础设施”。