当AI遇上数据库：为什么文件系统是最糟糕的选择

最近看到一个有意思的实践：把AI编程工具opencode的所有数据迁移到了SQLite。结果不出所料——查询、过滤、聚合的效果远超之前的平面文件方案。

这背后其实藏着一个被忽视的真相：AI agent天生就爱数据库，而文件系统本质上是最差劲的数据库形态。

为什么这么说？

想象一下，当你让AI处理散落在几十个文件里的上下文信息时，它需要遍历目录、猜测文件内容、拼凑碎片化的信息。这个过程既消耗token，又容易出错。但如果换成数据库呢？一条SQL语句就能精准定位所需信息。

Schema加上索引，意味着更少的token浪费、更确定性的输出、更容易做效果评估。

有人可能会说，用ripgrep配合文件系统也能跑得很快。确实，工具各有适用场景。但关键区别在于：数据库给了AI一个统一的查询接口，而不是让它在文件丛林里摸索。

SQLite在这个场景下尤其值得关注。它轻量、嵌入式、无需额外服务，天然适合本地优先的应用架构。终端、文档、表格软件，这些工具很早就是本地优先的设计，AI工具为什么不能呢？

更进一步想，如果在SQLite基础上加入向量检索能力，就能实现语义级别的查询，这对AI理解上下文会是质的飞跃。

一个值得思考的问题是：为什么更多AI工具不默认采用数据库优先的架构？

或许是因为文件系统足够简单、足够通用，开发者习惯了这种方式。但当AI成为核心用户时，我们需要重新审视这些基础设施的选择。毕竟，给AI一个查询界面，远比让它在目录里瞎猜要高效得多。

x.com/thdxr/status/2011638639831499041