---
title: DuckDB 2.0 即将发布：从数据库到 AI 时代的数据基础设施
description: 从 Agent Mode、VARIANT、异步 I/O 与 Server 模式，看 DuckDB 2.0 如何连接本地优先分析、透明 SQL 和人与 AI 智能体的协作。
image: https://ducklocal.app/assets/blog/duckdb-2-ai-infrastructure.jpg
language: zh-CN
date: 2026-10-19
author: JetSquirrel
---

# DuckDB 2.0 即将发布：从数据库到 AI 时代的数据基础设施

DuckDB 2.0（代号 Cyanoptera）计划于 2026 年 10 月 21 日发布。距 3 月的 1.5 版本仅七个月，代码提交已超过 10,000 次。

新版本带来了新的存储格式、SQL Parser、异步 I/O 和更完善的 VARIANT 支持，还新增了 Server 模式和面向 AI 智能体的 CLI Agent Mode。在我看来，比起某条查询快了多少，更值得关注的是：**DuckDB 正在重新定义数据分析工具的形态。**

我长期在 SRE、Observability 和安全分析领域工作，最近在开发基于 DuckDB 的开源本地优先分析工具 DuckLocal。一个越来越明显的感受是：未来的数据分析，可能不再是人打开 BI 工具写 SQL、配仪表盘，而是人与 AI 智能体协作完成。DuckDB 2.0 的几项变化，恰好契合这个方向。

![白色小鸭与 AI 机器人一起使用笔记本，连接 DuckDB、JSON、S3 与可检查的 SQL 和图表](https://ducklocal.app/assets/blog/duckdb-2-ai-infrastructure.jpg)

*数据库、AI 智能体与可视化界面，共同组成一个由用户掌控的数据分析工作空间。*

## 一、Agent Mode：数据库开始把智能体当作用户

传统 CLI 为人设计，比如 DuckDB CLI 的带边框和对齐空格的表格对智能体并不友好。这会带来一些问题：对齐字符浪费 Token；结果被截断时，智能体可能误以为已读完全部数据；错误信息不够结构化；长查询可能空耗时间。

**Agent Mode** 在检测到 Claude Code、Codex 等环境时会自动切换输出，改用紧凑的 Markdown 表格、明确的截断提示、JSON 格式错误，并为长查询提供执行反馈。

![一只小鸭指向紧凑的终端结果，另一只小鸭在笔记本上读取反馈](https://ducklocal.app/assets/blog/duckdb-2-agent-mode.jpg)

*紧凑的输出与明确的反馈，让智能体更可靠地理解查询结果。图为概念示意。*

官方实验用 Claude Code 以自然语言完成 TPC-H 的 22 道查询，两种模式各跑三次，共 132 次，全部答对。模型读取的 DuckDB 输出从 **123.6K Token 降至 50.8K，减少约 59%**。需要注意的是，这是输出侧的节省，不等于任务总消耗降低 59%。官方报告中，这部分节省约占总输入的 0.5%，并未体现为总成本或运行时间的下降。[实验与说明](https://duckdb.org/2026/10/09/agent-mode)

我们讨论智能体用数据库时，往往只关注 Text-to-SQL 的准确率。但数据库能否被智能体高效、可靠地调用，同样重要。

## 二、VARIANT：半结构化数据不必牺牲太多性能

CloudTrail、应用日志、OpenTelemetry 数据大多是结构不一的 JSON。以 CloudTrail 为例，不同事件的 `requestParameters` 可能完全不同。

传统做法有两种：存成字符串、查询时反复解析，灵活但慢；或者预定义表结构拆成列，快但表结构演进麻烦。VARIANT 试图兼顾两者，它保留灵活结构，底层通过 Shredding 把适合列式化的字段拆成独立子列。VARIANT 在 1.5 已引入，2.0 进一步完善了从存储到查询执行的支持。

![字段各异的 JSON 文档被整理为列，缺失字段保留为空单元格](https://ducklocal.app/assets/blog/duckdb-2-variant.jpg)

*Shredding 从灵活的记录中提取共同结构。图为概念示意，不代表固定的存储布局。*

```json
{"eventName":"ConsoleLogin","user":"alice","success":true}
{"eventName":"CreateUser","user":"bob","sourceIP":"10.0.0.8"}
```

↓ 写入时识别并拆分

```text
eventName(字符串) | user(字符串) | success(布尔) ...
```

（概念示意，实际结构取决于数据分布和编码。）

社区测试中有场景获得约 6 倍查询提升，存储也显著减少，但这类数字依赖具体负载。

对安全分析来说，这意味着原始 CloudTrail 事件无需复杂 ETL，就能直接用于用户行为分析、异常 API 调用检测和权限变更排查。不一定要先搭建庞大的数据平台，一个 DuckDB 加上 SQL 和 AI 智能体，就能完成相当一部分调查工作。

## 三、异步 I/O：本地优先，不等于只分析本地数据

数据往往分布在 S3、对象存储或数据湖中。同步 I/O 在远程查询时容易受网络延迟拖累。2.0 的异步 I/O 允许后台同时发起多个读取请求，计算线程则处理已到达的数据。

![多份文档从 S3 云端并行传来，小鸭同时在笔记本上处理已经收到的数据](https://ducklocal.app/assets/blog/duckdb-2-async-io.jpg)

*远程读取与计算重叠进行：处理已到达的数据，同时获取下一批数据。*

截至本文撰写时，I/O 文档列出的支持格式是 Parquet，以及未压缩、可寻址的 UTF-8 CSV；JSON 和 DuckDB 原生文件仍列为同步 I/O。2.0 预览文章也提到了原生格式的后续支持进展，实际支持范围应以所用版本为准。[I/O 文档](https://duckdb.org/docs/preview/data/io)

## 四、DuckDB as a Server：突破单进程边界

DuckDB 生来是 In-process 数据库，直接嵌入 Python、Rust、C++ 应用，但这让多应用共享或远程执行变得不便。2.0 引入 Quack 协议和 `CONNECT` 语句，DuckDB 可以作为 Server 运行，客户端把 SQL 发往远端执行。它还支持把查询下推到 PostgreSQL、MySQL 等远程数据库，而不必把数据拉到本地。

![两只小鸭各自使用笔记本，向同一个远程服务器发送 SQL 并接收结果](https://ducklocal.app/assets/blog/duckdb-2-server-mode.jpg)

*多个客户端向共享服务器发送查询并接收结果。权限与审计仍需应用层设计。*

对企业场景而言，这一点很关键：团队协作的时候需要有统一的工作空间。理想的架构不是让数据流向 AI，而是让 AI 靠近数据。

需要说明的是，Quack 本身不是完整的企业级权限、审计和多租户方案，这些仍需应用层设计。但它提供了构建这种架构的基础。

> **本地优先是让用户拥有对数据和计算的控制权，而不是强制一切都发生在本地。**

## 五、其他值得关注的改进

1. **递归 CTE 重写**：在 100 万条边的图可达性测试中，查询从 4.90 秒降到 0.12 秒，约快 40 倍。部分图遍历任务可以更高效地用 SQL 完成，但这不等于能替代专业图数据库。
2. **自研 ICU 实现**：去掉了对 ICU 库的依赖。微基准中时区转换快约 2.2 倍，德语排序规则过滤快约 2.6 倍，对嵌入式场景也意味着更小的体积。
3. **稳定的扩展 API**：重新设计 C API，引入版本化 ABI，并支持自托管扩展仓库，有望显著降低扩展随版本升级的维护成本，对 Rust 扩展开发者尤其友好。
4. **Triggers 与 PEG Parser**：Trigger 可用于审计和数据变更处理；可扩展的 Parser 让扩展能深入参与语法解析，未来或许能为安全分析、Observability 设计领域专用语法。

## 六、升级注意事项

2.0 并非完全向后兼容。

- **存储格式**：默认使用新格式创建或写入的数据库文件无法被旧版本打开；需要兼容旧版时，应显式指定存储兼容版本。已有数据库可以按官方迁移指南导出、导入。
- **Lambda 语法**：旧语法默认禁用，可临时开启兼容，计划在 2.1 移除。

```sql
-- 旧
SELECT list_transform([1, 2, 3], x -> x + 1);
-- 新
SELECT list_transform([1, 2, 3], lambda x : x + 1);
```

- **C++ 扩展**：需要确认是否已完成适配。

生产环境建议先验证现有查询、数据库文件和第三方扩展。桌面应用尤其不应在用户不知情时自动迁移格式，否则旧版本将无法重新打开数据。[迁移指南](https://duckdb.org/docs/preview/operations_manual/migration)

## 七、结语

为了分析一个 CSV 或几 GB 日志，我们常常要先部署数据库、配置管道、维护服务。这对大型企业的数据平台或许合理，但对个人开发者、安全分析师和大量临时分析任务未必必要。

DuckDB 把分析引擎直接嵌入应用，2.0 又补上了 Server 模式、Agent Mode 和更成熟的扩展生态。数据库、AI 智能体和可视化界面，不必再是三个独立的系统，它们可以组成一个轻量、可嵌入的数据分析工作空间。

这正是我开发 [DuckLocal](https://ducklocal.app/zh/) 的原因。它是一款开源的本地优先数据分析桌面应用，支持 SQL、可视化仪表盘以及人与 AI 协作分析。AI 帮助探索数据，但数据由用户控制，执行过程可检查，SQL 保持透明。


## 参考资料

截至 2026 年 10 月 19 日，2.0 尚未正式发布；发布日期与功能细节以官方最终发布为准。

- [A Preview of DuckDB v2.0](https://duckdb.org/2026/08/17/duckdb-20-highlights)
- [Agent Mode in the DuckDB CLI](https://duckdb.org/2026/10/09/agent-mode)
- [DuckDB 2.0 迁移指南](https://duckdb.org/docs/preview/operations_manual/migration)
- [DuckDB 发布日历](https://duckdb.org/release_calendar)
- [DuckDB I/O 文档](https://duckdb.org/docs/preview/data/io)

## 继续阅读

- [Claude Dashboards 给 DuckLocal 的启发](https://ducklocal.app/zh/blog/claude-dashboards-ducklocal/)
- [用 DuckLocal 分析 CloudTrail 日志](https://ducklocal.app/docs/zh/example-cloudtrail)
- [DuckLocal CLI 与智能体技能](https://ducklocal.app/docs/zh/cli)
- [English](https://ducklocal.app/blog/duckdb-2-ai-infrastructure/)