OceanBase登顶国际Data Agent榜单，国产数据库首次突破90%准确率
国产方案首次突破90%准确率
近日，OceanBase团队提交的Data Agent方案在国际Data Agent Benchmark（DAB）评测中以90.62%的准确率登顶，成为该榜单历史上首个准确率突破90%的参评系统。更值得注意的是，这一成绩完全基于国产技术栈：底层大模型采用智谱AI的GLM-5.2，数据库则由OceanBase自研。相比之下，多项使用GPT、Claude Opus、Claude Fable等海外主流大模型构建的方案均未达到这一水平。
该方案内部代号为Scout，是OceanBase面向AI数据分析场景探索的技术原型，后续相关能力将整合进其AI数据产品OceanBase DataPilot。
DAB考的不是“翻译”，而是“做事”
DAB由加州大学伯克利分校EPIC Data Lab与Hasura PromptQL联合推出，评测覆盖互联网、金融、生物医学、政务、文娱等七个领域，并兼容PostgreSQL、MongoDB、SQLite、DuckDB等多种数据库类型。
与传统Text-to-SQL评测不同，DAB并不只关心AI能否把一句“上个月销售额最高的产品是什么”准确转成SQL语句。它更关注的是：当AI真正进入一个企业的真实数据环境后，能不能从分散、异构、结构不一的数据中找到正确答案。
一个完整的DAB任务通常包含多个步骤：首先理解用户意图，然后在多个表甚至多个数据库中识别相关数据源，接着规划分析路径——比如先筛选再关联，还是先聚合再过滤——随后执行查询和计算，最后还要对结果进行合理性校验。整个过程模拟的是分析师在真实业务中解决问题的逻辑，而非简单的语言转换。
正因如此，DAB考验的从来不是单一模型的能力，而是“模型+Agent+数据系统”的协同效率。模型负责语义理解和推理，Agent负责任务拆解与执行调度，而数据系统则要支撑高效的数据发现、跨表关联、复杂计算以及结果回溯验证。三者缺一不可。
OceanBase怎么做到的？
OceanBase此次参评的Scout方案，正是围绕这一协同逻辑设计的。
系统首先通过名为DataLens的模块自动构建“数据画像”。它会扫描数据库中的表结构、字段含义、主外键关系、数据分布等信息，形成一张可被AI理解的数据地图。这一步解决了“数据在哪里、代表什么”的问题。
接下来，根据任务复杂度，系统动态规划执行路径。例如，面对“对比两个区域上季度用户留存率”的请求，Agent会判断是否需要先清洗时间字段、是否涉及多表关联、是否需按区域分组计算等，并生成相应的执行计划。
查询完成后，Scout并不会直接返回结果。它会启动证据追踪机制：检查中间步骤是否合理，关键指标是否在正常范围内，是否存在数据缺失或逻辑矛盾。如果发现问题，系统会自动调整策略——比如换一种关联方式，或补充额外的过滤条件——并重新执行验证，直到结果可信为止。
这种“数据理解—规划执行—验证修复”的闭环，正是90.62%高准确率背后的关键。它不是靠大模型“猜对”一次SQL，而是通过系统性协作确保最终答案可靠。
不只是模型之争，更是系统能力的较量
这次登顶的意义，远不止于“国产模型能打”。事实上，GLM-5.2虽然是国产大模型，但单论语言能力未必全面优于GPT-4或Claude Opus。OceanBase的胜出，恰恰说明：在真实数据场景中，光有强模型远远不够。
很多海外方案依赖大模型强大的语言理解能力，但在面对企业级数据时，往往卡在“不知道数据在哪”“搞不清字段含义”“无法验证结果对错”这些实际问题上。而OceanBase作为数据库厂商，天然具备对数据结构、关系和质量的深度掌控，再结合Agent的调度能力，形成了独特的系统优势。
换句话说，这次比拼不是“谁的模型更强”，而是“谁能让AI真正用好数据”。OceanBase的答案是：把数据库从被动的数据提供者，变成主动的AI协作者。
数据库正在变成AI的工作引擎
过去几十年，数据库的核心职责是“存好、算快、取准”。但随着AI Agent成为新的数据使用者，需求变了：AI不仅要拿到数据，还要理解上下文、建立关联、完成分析，并确认结果可信。
这就要求数据库的角色发生根本转变——从“数据仓库”升级为“数据工作台”。OceanBase提出的DataPilot方向，正是这一演进的体现。它不再满足于响应SQL查询，而是主动参与任务理解、路径规划和结果校验，帮助AI完成端到端的数据任务。
Scout方案在DAB中的表现，验证了这一思路的可行性。未来，当企业部署AI助手处理经营分析、风险预警或用户洞察时，背后可能不再是简单的API调用，而是一个深度集成数据库智能的协作系统。
下一步：让AI真正“用数据做事”
目前，Scout的相关能力正在向OceanBase DataPilot产品化落地。这意味着企业未来可以通过DataPilot，让AI直接对话业务数据，完成诸如“找出上月流失风险最高的客户群并分析原因”这类复杂任务，而无需人工编写SQL或搭建分析流程。
更重要的是，这种能力基于国产数据库和国产大模型，为国内企业在数据安全、系统可控和成本优化方面提供了新选择。
数据库与AI的关系，正在从“我给你数据”走向“我们一起把事做成”。OceanBase在DAB上的突破，或许只是这场变革的开始。