求mk——AI 时代首选数据库

这门课的主题是 PostgreSQL。放在标题里的「AI 时代首选数据库」不是营销话术的堆砌——近两年做 RAG、向量检索、AI 应用后端的人，越来越多把 PostgreSQL 当作默认选项，原因很实在：它本身是成熟的关系型数据库，加上 pgvector 这类扩展之后，不用再单独维护一套向量库，业务数据和向量数据能放在同一个事务里管。如果你正在做 AI 应用，或者打算往这个方向转，这门课值得先了解一下它到底覆盖了什么。

它解决的是哪类工作场景

最典型的有三种。第一种是 AI 应用后端：把文档切块、生成 embedding、存进数据库、做相似度检索，整条链路用 PostgreSQL 串起来，省掉一个独立向量数据库的运维成本。第二种是传统业务系统的数据层：订单、用户、日志这类结构化数据，需要事务、索引、复杂查询，PostgreSQL 在这块的能力比很多人以为的要强，窗口函数、CTE、JSONB 都能直接上手用。第三种是数据分析场景：面对几百万行数据做聚合和报表，用 SQL 直接在库里跑，比导出到脚本里处理快得多。

这三类场景的共同点是：你需要真的会写 SQL、会设计表、会看执行计划，而不只是会调一个 ORM 的接口。这门课的定位就是补上这一层。

学完之后能独立做什么

• 独立设计一张符合范式的业务表，并说清楚为什么这么拆、索引加在哪几个字段上；
• 写出带多表关联、分组聚合、窗口函数的查询，而不是靠循环在代码里拼数据；
• 在 PostgreSQL 里完成一次向量检索的完整流程：建扩展、存向量、按距离排序取 Top-K；
• 遇到慢查询时，能用 EXPLAIN 看懂执行计划，判断是缺索引还是写法有问题；
• 用事务和约束保证数据一致性，知道什么情况下该用行级锁。

这些能力的特点是「可验证」——学没学会，打开一个库跑一遍就知道，不像某些偏概念的课，学完说不清自己会了什么。

资料适合什么基础

课程标注从零基础开始，实际看下来，完全没碰过数据库的人也能跟，但如果你连「表、行、字段」是什么都没概念，前几节需要放慢一点，边看边在本地装一个 PostgreSQL 跟着敲。装库这一步别跳过，光看不练，SQL 是学不会的。

对有其他数据库经验的人（比如用过 MySQL、SQL Server），这门课的价值主要在两块：一是 PostgreSQL 特有的语法和特性，比如 JSONB 操作、数组类型、扩展机制；二是向量检索这部分，其他关系型数据库目前没有同等成熟的方案。这部分人可以跳过基础章节，直接从进阶和实战部分切入。

如果你是完全的数据库新手，又指望学完就能去面试 DBA 岗位，那要降低预期——这门课偏向应用开发视角，不是 DBA 运维认证课，备份恢复、主从复制、性能调优的深度内容不在它的主线上。

怎么用这份资料

建议按「装库 → 跟练 → 自己造一个项目」的顺序走。每学完一块语法，就打开本地的库敲一遍，别只看视频。到向量检索部分时，可以拿自己手头的一批文档做实验：切块、生成向量、存库、检索，把整条链路跑通一次，这比看十遍讲解都有用。

最后提醒一句：PostgreSQL 的官方文档质量很高，遇到课上没讲透的细节，直接查文档比在论坛翻帖子靠谱。把课程当作入门的地图和练手的起点，剩下的深度靠自己查文档和做项目补，这是学数据库最实在的路径。