MongoDB AI 企业数据基础平台--解读 2025 纽约数据库大会内容

AustinDatabases

发布于 2026-03-12 19:04:56

100

❝开头还是介绍一下群，如果感兴趣PolarDB ,MongoDB ,MySQL ,PostgreSQL ,Redis, OceanBase, Sql Server等有问题，有需求都可以加群群内有各大数据库行业大咖，可以解决你的问题。加群请联系 liuaustin3 ，（共3400人左右 1 + 2 + 3 + 4 +5 + 6 + 7 + 8 +9）(1 2 3 4 5 6 7 8群已经爆满 9群 300+，开10群PolarDB专业学习群110+)

前一段时间，国外IT媒体报道了，MongoDB的在 2024 年和 2025 年的财报发布会上，MongoDB CEO（如 Dev Ittycheria、Chirantan Desai）借公司业绩增长之机，公开点名 PostgreSQL，并且我也写了一篇关于此事情的文章。

2026年MongoDB到底在AI方面，有没有发力，发力到哪里，我在国内的媒体中我没有发现有大面积，且正向的报道和评论。这里我翻阅了，MongoDB 2025纽约大会的视频。

MongoDB NYC

其中一些内容，的确从一些层面解读了MongoDB在AI方面的新进展和新的技术，本期我们带大家来看看MongoDB在 AI方面的进步与技术方面的额前沿是什么。

以下内容为总结多个MongoDB 2025 NYC大会的内容合成而来。

首先，MongoDB在处理AI 数据类型就相对其他传统数据库，要更容易，天然的Json 数据存储和处理的强者，而AI的数据大部分都是以JSON格式出现的。非结构化的数据是MongoDB 的本土战场，这样的优势是其他的数据库无法比拟和支持的。

而一些老的技术的设计优势，持续让MongoDB 在AI方面发力，比如非结构化，flexible schema，AI 应用的迭代和发展十分的迅速，一种有架构模式的数据存储方式，是非常不利于AI的应用的迭代和演进的。

在MongoDB 中继承了，传统AI框架中十分需要的

1 向量数据的存储和处理

2 全文搜索和图谱检索 Graph RAG

3 混合搜索Hybrid search

以上的这些AI数据处理中必备的信息，在MongoDB中已经天然的融合，通过向量中的语义查询，和精准的关键字的查询的结合，在MongoDB这二者并不是独立的，而是互相持有的状态，这样天然的数据融合存储和融合的数据处理方式，让MongoDB 与AI的距离不要太近。

而MongoDB 的数据查询的速度，天然的让MongoDB 在AI数据处理中，既可以成为短期数据存储的地方，也可以成为长期数据存储的地方。

而其中我在看视频的时候，他们提到一个 Exomemory 的东西，我一直没有明白他们提到的这个是一个什么东西，后来查询了这个 Exomemory是一个框架。

Exomemory 框架详述：

设计目标与定位 Exomemory 被定义为一个“带电池（batteries-included）”且具有特定设计见解（opinionated）的系统。它旨在统一管理 AI 智能体的不同记忆类型，将杂乱的元数据和上下文转化为结构化的、可生产使用的记忆层。
统一记忆管理 (Unified Memory Management) 该框架通过将分散的记忆模式整合到同一个 MongoDB 底座上，支持以下三类记忆的统一管理： • 短期记忆 (Short-term Memory)：处理“当下”层的交互。包括作为草稿纸的工作记忆（存储当前步骤的中间结果）以及用于降低成本和延迟的语义缓存。 • 长期记忆 (Long-term Memory)：提供持久化的知识。包括存储历史交互的情境记忆、存储事实与角色的语义记忆，以及记录所有工具调用步骤（参数、时间戳、错误）的工作流记忆。 • 共享记忆 (Shared Memory)：专门为多智能体协作设计，作为协作空间允许不同智能体发布中间方案，并利用 MongoDB 的 ACID 特性防止竞态条件，确保记忆的正确性。
生产级功能特性 • 工作流日志与追踪 (Workflow Logging)： Exomemory 不仅存储最终结果，还记录智能体的“探索路径”。它允许智能体在任务中断（如 10 步任务在第 8 步中断）后，通过回放追踪记录实现重试或回滚。 • 混合检索模式 (Hybrid Retrieval Patterns)：该框架在底层集成了文本、向量和图谱检索（Graph RAG）。它利用 MongoDB 的混合搜索能力，确保在有限的上下文窗口内为大语言模型（LLM）提供最高质量的信息。 • 多模式适配： Exomemory 根据应用模式（如助手模式、工作流模式或深度研究模式）提供不同的记忆组合策略。
现状与意义目前 Exomemory 仍处于基于真实客户模式进行构建和获取反馈的阶段（未完全正式发布）。它是 MongoDB 解决“AI 项目 95% 失败率”的关键手段，通过记忆工程（Memory Engineering）赋予智能体自主学习、适应和跨会话维持连续性的能力。

所以MongoDB 在AI的应用中解决了LLM 无状态的问题，提供了会话的连续性，保证智能体工作流的可恢复性和一致性，减少了如，传统数据库，向量数据库，缓存数据库，多种数据库完成AI应用的部署，而是将这些统一到MongoDB 一套数据库中完成。

其中的商业价值也就体现出来了，降低了AI部署与多种数据库联动的摩擦，同时具有数据的分布式存储的方案，对与数据本身和计算本身的扩展都有了成熟的方案，并且在大会中，大量的金融和医疗的实际项目已经落地，最后在一个大会中的一个子专题的介绍中，提出了MongoDB的战略定位

数据库--AI记忆系统--企业及的AI数据处理平台---企业级的AI认知架构的基础数据处理单元，这就是本次2025 MongoDB NYC 大会中关于AI部分的内容。

MongoDB AI 企业数据基础平台--解读 2025 纽约 数据库大会内容

MongoDB AI 企业数据基础平台--解读 2025 纽约 数据库大会内容

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

MongoDB AI 企业数据基础平台--解读 2025 纽约数据库大会内容

MongoDB AI 企业数据基础平台--解读 2025 纽约数据库大会内容