作为近期作为大火的 AI 产品，Deepseek（简称DS） 已经成为现象级的爆款，朋友圈几乎都被刷屏，大家都在探索将 DS 深入千行百业，看如何能发挥出更大价值。作为数据库从业者，我也在思考这个问题，看 DS 能做点啥。圈里已经有几位朋友做了分享，我将从使用者的角度来谈谈对 DS 的使用印象。这里我将DBA的工作简单分为三个方向（数据库架构、开发DBA、运维DBA），每个方向提出若干场景，看看它的表现如何。

在我们开始之前，先看看什么是DeepSeek，这里部分引用来自清华大学的一篇DS入门文章《DeepSeek：从入门到精通》中的内容。

DeepSeek是一家专注通用人工智能（AGI）的中国科技公司，主攻大模型研发与应用。其主要产品DeepSeek-R1，是其开源的推理模型，擅长处理复杂任务且可免费商用。在仅有极少标注数据的情况下，极大提升模型推理能力在数学、代码、自然语言推理等任务上表现出色。其面向用户或开发者，提供包括智能对话、文本生成、语义理解、计算推理、代码生成补全等应用场景，并支持联网搜索与深度思考模式；同时支持文件上传，能够读取各类文件及图片中的文字内容。

DS 功能很强大，那么如何用好它呢？网上可以搜到很多教程，这里重点推荐使用优化提示词的方式来解决。提示词，是根据你输入给模型的问题或指令，为了让 DS 更好地理解你的需求并给出满意的发福，可以有一些技巧。这里推荐使用“四步提问法”，来设计好你的提示词。

在这一公式中，通过让 DS 扮演特定的角色，辅助以提供上下文信息；明确你的问题或任务，并引导 DS 需考虑的问题；最终设定回答形式。

作为数据库架构师，经常会面临架构选型、方案对比、难点攻关等工作。这里选择了两个常见的场景，一是对技术路线对比分析；二是针对数据库选型的一个场景。问题通过一个实际场景为出发点，考察 DS 对场景理解及对技术本身的了解程度。

从 DS 的问题回答来看，无论是从广度和深度，DS 较真正的数据库架构师还有较大的距离，其对业务理解能力及对发散架构问题的收敛、归纳能力尚不足以承担这一能力。其输出内容，可作为部分参考来使用。

开发DBA，是DBA日常面临的最为繁重的工作，主要是来支持研发人员的各类数据库开发诉求，包括但不限于设计、优化、部分开发等等。这里选择两个场景，一是针对执行计划的解读及优化；二是针对数据库内计算逻辑的开发能力。

SQL> explain plan for select * from emp where emp_id=111;SQL> select * from table(dbms_xplan.display);---| Id  | Operation                   | Name   | Rows  | Bytes | Cost (%CPU)| Time     |---|   0 | SELECT STATEMENT            |        |     1 |    28 |     2   (0)| 00:00:01 ||   1 |  TABLE ACCESS BY INDEX ROWID| EMP    |     1 |    28 |     2   (0)| 00:00:01 ||*  2 |   INDEX UNIQUE SCAN         | EMP_PK |     1 |       |     1   (0)| 00:00:01 |

create table t1( id int primary key,state int);

这部分 DS 的回答还是惊艳到我了，在针对具体问题的分析上，DS 的表现明显优于上面抽象归纳总结能力。通过其输出内容，很多原来需要DBA介入解决的问题，完全可以通过研发人员自己来解决。这些能力完全可以通过SQL IDE集成，方便并加速研发人员更快、更好地进行开发工作。

运维DBA，主要是为企业数据库平稳运行保驾护航的，这是一个比较考验经验的岗位，很多老DBA正是凭借多年丰富经验，可以快速定位、解决问题，也正是DBA的价值所在。这里选取了两个场景，一是在线DDL变更问题；二是运维脚本的开发工作。

从 DS 的回答来看，其对数据库的理解达到了一定程度但较资深DBA尚有差距。针对问题，其会考虑方方面面的影响，这也是 DS 推理能力的强点；但对于技术本身理解程度尚有不足。在脚本开发中，其表现明显较好，会考虑诸多问题及解决。

DeepSeek 的出现，确实大大加速 AI 的应用，对行业、企业及个人都会带来深远的影响。下面谈谈我的理解

通过上面的示例，可以看到 DS 确实能够起到一定作用，比较而言，对DBA的影响是“开发DBA>运维DBA>数据库架构师”。针对越明确、越具体的问题，DS 的表现越好；而对于需要理解业务、综合分析的问题，DS 的不足明显。这也对DBA的发展提出了更高的要求，一方面需要扩大知识范围，将知识体系化；另一方面需要加深对所处行业的理解，提高将业务与技术有效集合起来的能力。

对广大数据库厂商而言，DS 的出现在改变DBA部分工作方式的同时，也会对产品功能及生态构建带来影响。一方面，将AI能力与数据库相结合，提供内置的AI支持能力及AI辅助能力，即AI4DB、DB4AI两个方向；另一方面，针对国产数据库生态构建较晚的现状，也可以充分利用AI能力实现“弯道超车”，通过AI的方式降低数据库使用门槛，扩大生态效应。

对于数据库最终用户的企业来说，可充分评估AI带来的能力，调整IT资源布局。充分利用AI、云等技术重塑底层技术栈。针对人员方面，也可有意识地引导更多向业务方向、数据方向倾斜，更多挖掘出数据的业务价值。