一、产品定义SingleStore 实际上是在构建：「统一语义 + 结构化 + 全文 + 时序 + 分析」的一体化查询引擎。向量是其中一个关键模块，是“一等公民”。二、与传统方案对比传统方案SingleStore业务数据库 + 向量库 + ETL（3 套系统）1 套数据库多跳查询、延迟高、数据不一致原地向量化、毫秒级…
https://www.onehouse.ai/blog/onehouse-launches-vector-embeddings-generator一、产品定位Onehouse 的 Embedding Generator 让传统数据湖（Hudi / Iceberg / Delta）在不改架构、不改数据模型的情况下，天…
https://github.com/lancedb/lancedb开源多模态向量数据库 + AI 湖仓**，基于列式格式 Lance，整合向量检索、全文检索、SQL、版本控制、对象存储支持，支持本地嵌入和云部署。一、核心技术LanceDB 的差异化在于"文件优先 + 版本控制 + 多模态一体化"，特别适合需要成本控…
一、核心范式转变：传统表格存储 → AI语义理解传统Schema的缺陷：为机器存储设计的僵硬表格结构化Schema本质上是人类认知的数字化投影，对AI而言是"黑盒"。表格的行列、字段类型、外键关系——这些都是人类设计的语义包装，AI只能机械操作，无法真正理解数据背后的业务意图。语义Schema的意义：富弹性的业务逻辑…
https://github.com/oceanbase/seekdb一、它能做什么？在数据库内做混合检索 + AI 工作流的单存储引擎 —— 不再把数据搬来搬去。能力说明混合检索向量 + 全文 + SQL 过滤 + JSON + GIS，一条 SQL 搞定AI-in-DB写入/查询时自动 embed、rerank、…
数据基础设施正在从“描述世界”转向“Agent 理解世界并在其中行动”，数据库作为 Data Infra 的核心组件，也在经历从传统架构向 Agent 时代的转型。核心不是数据形态，而是 Data → Knowledge → Context → Decisions → Actions → Feedback 的闭环。一…
一、为什么要有统一上下文层AI Infra 从“数据流”向“知识流”和“状态流”转变，企业级 Agent 落地确实是混合型的，并且一个能够共享知识和状态的 Context Engineering 基础设施，即“统一上下文层”（Unified Context Layer），是实现复杂 Agent 工作流的刚需。有 3 …
MiroThinker 是 MiroMind AI 推出的「面向深度研究与长时序、工具驱动任务」的开源 agentic 模型系列（含 8B/30B/72B 尺度），并配套开源的 agent 框架（MiroFlow）、训练数据集（MiroVerse）与训练/评估流水线，目标是把连续、多步、工具交互作为性能的第三维（“I…
https://github.com/WyseOS/wyse-browser1. 产品定位Wyse Browser 是一个 专为 AI Agents、自动化系统和可编排任务（flows）打造的浏览器执行层（Browser Runtime Layer）。通过多进程沙箱浏览器、REST API、可复用 Worklets，…
https://github.com/puppygraph/一、产品定位PuppyGraph 是一个 图查询引擎（Graph Query Engine），定位于在企业现有的数据仓库或数据湖之上，快速启用图分析能力，而不必重新部署或迁移数据到图数据库。它的核心主张是：“Zero ETL, instant graph i…