谁替 AI 闭合回路？从瓦特的飞球，到 DolphinDB 的智能数据库

一句话主旨　2026 年 7 月，DolphinDB 把一个 AI Agent 运行时框架装进了数据库。判断这件事的分量，控制论给了一把好尺子，输出之后有没有通道流回、并参与决定下一拍输出。本文沿回路四站检查 DolphinDB，感知、记忆、反射、决策，看智能怎样在库里闭合。

系列说明　本系列五篇各占一个维度。《当数据库长出大脑》写结构，《三百年时延坍缩史》写时间，《数据的引力》写空间，《智能数据库的语言学》写意义。本篇补上第五个维度，行动。一台机器说得再好，行动的世界只认一件事，它做错之后，有没有路让它知道错了。五篇互不重叠。

---

序章　｜　发布说明里的那段话

2026 年 7 月 9 日，DolphinDB V3.00.6 的发布说明里，出现了一段数据库产品少见的表述：“新增 AI Agent 运行时框架（DolphinX），提供智能体交互、会话管理、技能管理、记忆管理、LLM 接入、上下文组装和权限控制等核心能力。”

Agent 住进了数据库。兴奋与怀疑都是正常反应，真正有用的问题是第三个，它可靠吗，它的环闭没闭。

这把尺子两百多年前就有了。1788 年，瓦特与博尔顿把一套飞球机构装上蒸汽机，两个金属球随转速张开，转得越快球飞得越高，连杆把进汽阀压得越小，转速落下来，球跟着落下，阀门重新开大。输出（转速）引回输入端（阀门），方向与偏差相反，机器从此自己修正自己。这样的系统叫闭环。只管输出、后果与自己无关的，叫开环。今天的多数大模型应用开着环，它们知道关于温度的一切，除了此刻这一台机器的温度。

写这篇时，我把 DolphinDB 从 3.00.1 到 3.00.6 的发布说明从头读了一遍。向量引擎、全文引擎、MCP、Agent 运行时，两年四步。把这几步放到回路上看，每一步都落在其中一站。下面逐站检查。

---

第一章　｜　环的常识

一个最小控制回路由四件东西组成。传感器量被控对象，控制器算该做什么，执行器去做，反馈通道把结果送回来比对。数据库时代的回路多了一件，也是企业里最贵的一件，记忆。

控制工程里最常用的控制律叫 PID，比例看当下的偏差，积分看历史累积的偏差，微分看偏差的变化趋势。这三句话恰好也描述一套数据平台的三种本事，看当下、存历史、追趋势。DolphinDB 官网首页对自身的口径是"基于高性能时序数据库，支持复杂分析与流式处理的实时计算平台"，一个产品名里装着三样里的两样，剩下的一样，正是 2026 年 7 月新装进去的。

历史不再展开，压成一张图。飞球之后八十年，麦克斯韦才把调速器的运动写成微分方程，控制理论由此开始。1922 年米诺尔斯基从老舵手的操舵动作里提炼出 PID，1948 年维纳出版《控制论》，副标题是"或关于在动物和机器中控制和通讯的科学"。书名里那个希腊语词 kybernētēs 本义是舵手，英语的 governor，也就是调速器，溯源到同一个词。瓦特时代管转速的机械与维纳时代管反馈的学科，在词源上是同一个词。

---

第二章　｜　库的三站

2.1　感知　｜　工业现场的方言

回路第一段是把物理世界翻译成数。工业现场不讲同一种话，PLC 吐 Modbus 报文，老变电站讲 IEC 104，过程工业用 OPC UA，新一些的网关走 MQTT。一套工业数据库要在产线边上活下来，先得听懂这些方言。DolphinDB 物联网方案列出的接入协议包括 MQTT、OPC/OPC UA/DA、Modbus、IEC 104，翻译过来就是，从上世纪九十年代的老设备到今天的边缘网关，都得能接。

接住之后是密度与洪峰。某地震台网中心的案例里，每个监测通道每 10 毫秒采一条记录，每 3 秒封装成 MiniSeed 文件发往台网中心。某无人工厂产线监控用三台四核 32GB 服务器，承接实时写入 32.4 万点每秒，双副本，同时在百亿量级数据上支撑高并发即席查询的毫秒级响应。听不懂方言，接不住洪峰，回路第一段就断了。

2.2　记忆　｜　积分项的住处

PID 三项里最容易被低估的是积分，它累积全部历史，每一毫秒的偏差都记在账上，回路要消除稳态误差，靠的正是这件不遗忘的东西。放大到工厂这个尺度，累积历史的角色由时序数据库承担，控制回路的扫描周期以秒计，传感器数据落进库，按时间分区、按设备组织，十年后仍要能毫秒级取回。

DolphinDB 在某水电企业的工业互联网平台里，分布式单表存到万亿行，各电站设备数据集中一处，边端只留近期热数据。DB-Engines 时序数据库榜单上，它 2026 年 3 月排到全球第五、国产第一，也是首批通过国家安全可靠测评的时序数据库。工业与能源客户愿意把最长周期的记忆交给谁，排名和测评是最直白的回答。

2.3　反射　｜　毫秒级的一跳

手碰到烫的东西先缩回来，痛觉随后才到。工厂里的异常检测引擎干的就是这层活，数据在落盘之前先过一道闸。DolphinDB 有 20 多个流计算引擎、2000 多个内置函数长在库内，批处理写好的指标代码可以直接搬到流上跑，官方称之为流批一体。

无人工厂案例的原文表述是，用简单表达式定义复杂异常规则，实时筛查状态异常数据，并与消息中间件无缝衔接，向订阅方主动推送。新能源车企的车联网平台把这条反射弧推到更极端，每秒 1.8 亿测点写入，乱序数据照收，写入过程中资源利用率稳定在四成上下，单点查询平均耗时 100 毫秒以内，同时完成毫秒级异常检测并输出告警。检测在流上完成，不等任何模型推理，这正是微分项的职责，趋势怎么变，比此刻值多少更早地决定要不要动。

图 4 ｜ 官网汽车制造解决方案的架构图，一条链路走完感知、记忆、反射与执行，左侧设备源接入 PLC、DCS 与传感器，中间流数据表衔接实时计算与历史存储，右侧实时状态与监控报警推送（图片来源，DolphinDB 官网汽车制造解决方案页）

---

第三章　｜　会写控制律的机器

控制器的谱系走到今天，下一步已经写在路线图上。固定控制律由工程师写，自适应控制律由算法调，能解释、能自己组合工具的控制律由 AI Agent 写。DolphinX 属于第三种。官方文档对它的定位是"DolphinDB 内置的编程智能体"，用户在 Web 界面用自然语言完成建库建表、数据导入导出、查询、脚本编写与运行、结果解释和问题排查。内置 20 多个通用 Skill，从数据导入、回测脚本生成到机器学习，官方仓库在 GitHub 上公开了 23 个。

图 5 ｜ 官方 Skill 仓库的 23 个技能，覆盖语法规范、数据导入、金融业务、流计算、运维与机器学习，末行的 dolphindb-rag 被描述为强制先行技能，确保回答有据可查（图片来源，DolphinDB 官方公众号《V3.00.6 & V2.00.19 正式发布！DolphinX 重磅上线》2026.07.09，官网同步稿 dolphindb.cn/news/detail/512）

把 Agent 放进回路，控制工程师的第一问是它可靠不可靠，聪明与否排在后面。控制器吃进假信号，输出就是假动作，产线上的真阀门不会陪模型排练。所以这套框架里分量最重的部分在检索与治理两侧。

检索侧靠 DolphinMind。官网 AI 专题页对它的架构描述是"混合检索 + 多路召回 + 重排序"，向量引擎 VectorDB 管语义，全文引擎 TextDB 管词法，检索全程库内完成。两个引擎分别是 2024 年 7 月与 10 月发布说明里的主角，TextDB 基于倒排索引，官方口径是相较 like 匹配性能可有几十倍提升。用户嘴里的"温度异常"与字段名对不上号时靠向量，“85℃”"PLC-2024"这类精确术语靠词法，两路召回再重排序，答案才敢落到原始记录上。

图 6 ｜ DolphinMind 检索流水线，自然语言进入，意图分析与查询改写，向量与文本两路检索并行，RRF 融合加重排序，最后生成答案，图内为英文标注（图片来源，DolphinDB 官方公众号《新年迎新，DolphinMind 正式上线》2026.02.11，官网同步稿 dolphindb.cn/news/detail/454）

治理侧靠 DolphinDB 自己的老本行。Agent 复用库表级权限，Skill、MCP 与记忆按用户隔离，脚本受限执行，自动拦截删除与清空类高危操作，全程审计留痕。自 3.00.4 起 DolphinDB 还支持 MCP Server，Agent 可以把外部工具接进同一套权限体系。运行时框架里另有一件小东西，会话闲置六小时后自动提炼长期记忆，这是 Agent 自身的积分项，它纠错的依据也在随时间累积。

图 7 ｜ DolphinX 的 Web 界面，左侧权限管理与会话管理入口，主区创建 AI 会话，Coding Agent 需要审批后执行（图片来源，DolphinDB 官方公众号《V3.00.6 & V2.00.19 正式发布！DolphinX 重磅上线》2026.07.09，官网同步稿 dolphindb.cn/news/detail/512）

落地已经有数可查。官方直播回顾披露，某电力研究院的智能问数项目一周内部署完成，导入 600 多张业务表；机器学习 Skill 用自然语言走完数据查询、字段识别、分类回归建模全流程，完成 24 小时负荷预测与设备异常预测并输出分析报告。预测值与实测值每日互相比对，这就是一个闭合的环。走到这一步，智能数据库这个词才有了工程内容，库除了被查询，自己也成了回路里的决策部件。

---

第四章　｜　闭合的现场

真实的工厂回路层层嵌套，执行层毫秒级，控制层秒级，优化层按分钟到小时计，经营层以天为单位。DolphinDB 物联网方案的云边一体就是这个结构在数据层的映照，边缘部署包只有几十 MB，工控机上就能跑存储与实时计算，云端汇总全域数据，脚本与规则可从云端下发到边端。快环管活着，慢环管优化，各转各的周期。

已经转起来的环可以数出三个。梯级电站那一环最大，全球最大的水电上市公司，多座电站地理分散，DolphinDB 分布式表支撑单表万亿行，边端实时计算，云端汇总，环闭合在集团调度层。无人工厂那一环最快，异常检测引擎毫秒级筛出越限数据，顺着消息中间件推给订阅方，处置动作与结果再回到库里成为下一条规则的依据。地震台网那一环最较真，预警的本质是纵波与横波之间几秒到几十秒的赛跑，10 毫秒采样，FilterPicker、RTSeis 与 TensorFlow 插件在库内做波形识别，晚一秒，窗口就窄一秒。

依托 V3.00.6 及以上版本能力，DolphinDB 可适配多场景、承担不同功能：调控中心把它当时序数据库与实时计算平台来查数；车间里它是接 PLC 的工业数据库；接入大模型后，它多了智能数据库这个身份；把设备、边缘与云放进一张图看，那篇文章给它的总称是智能物联网综合管理平台。这个提法出自媒体文章，官网定位里没有这五个词，引用时分清为好。

名字之外可以数一数闭合的速度。电力研究院的项目从进场到 600 张业务表导入完成，一周。同期与 EMQ 的联合直播里，DolphinDB 解决方案总监林亮给出过另一个数字，企业智能化团队八成时间耗在底层数据基建，只剩两成留给业务。回路闭合得越快，八成里的越多部分能被省下来。这也是把 AI 装进数据库这一工程选择的直接动机，部件少了，跳线就短，环就容易闭。

图 8 ｜ 联合直播的总结页，实时连接加实时分析，更轻、更实时、更简单三个标签对应正文的闭合速度（图片来源，DolphinDB 官方公众号 2026 年 8 月 DolphinDB × EMQ 联合直播回顾，官网同步稿 dolphindb.cn/news/detail/521）

---

终章　｜　检验智能的第二个问题

评价一套 AI 系统，人们习惯先问它说什么，答得准不准，像不像人。控制论的问法次序不同。先问它的传感器在哪，量的是什么。再问它的话从哪里来，能不能对到原始记录。最后一问最要紧，它做完一件事之后，结果有没有一条路流回它自己。这三问答完，一套系统的成色大致有数。

瓦特的飞球没有语言，不解释，也不会汇报，只是每一次转速偏移都收紧或放松一点。1788 年的判据到今天没有变过，看一台机器是否智能，先看它的环闭没闭。