北京
凌晨三点，数据库报警。你盯着屏幕上那个突然暴走的查询，执行时间从15毫秒飙到7.4秒——慢了将近500倍。
本能反应是复制粘贴EXPLAIN计划，丢给ChatGPT或Claude问问哪里出了问题。但如果你是医疗行业的DBA，这个选项不存在。HIPAA合规要求所有查询计划、表名、过滤条件都必须留在内网，哪怕是一个字段值泄露都可能变成审计事件。
一位在顶级公立医疗公司任职的Staff DBA就活在这个世界里。他管理的SQL Server和PostgreSQL集群全部部署在本地机房，物理隔离。没有云API，没有SaaS工具，凌晨排障只能靠肉眼读JSON——"跟2015年一样"。
他给自己造了个工具叫Plansmith。核心逻辑很克制：不指望本地小模型硬啃原始执行计划，而是先用Python做一轮确定性分析，把两份EXPLAIN (ANALYZE, FORMAT JSON)输出拆解成结构化差异。扫描方式从索引扫描翻转为全表扫描。优化器的行数估计偏差12万倍。排序溢出到磁盘，哈希连接拆成8批次，并行 workers 丢失。
这些被命名、被量化的发现才送进Gemma 4。模型的任务只剩下它真正擅长的：把证据翻译成人类语言，输出分级诊断和可操作的修复清单——接下来五分钟能试什么，长期的根治方案是什么。
整个流水线跑在本地。唯一的外向网络请求是127.0.0.1:11434，同一台机器上的Ollama。没有数据出境，没有合规审查，没有凌晨三点等法务回邮件。
演示样本是一个典型的参数嗅探退化案例。基线15毫秒，故障7421毫秒，497.7倍减速。结构化差异引擎拎出四项关键发现：执行时间退化、扫描方式翻转、行估计失效、嵌套循环爆炸。Gemma 4在此基础上流式生成诊断报告，指出优化器因统计信息陈旧而误判，建议立即更新统计信息并考虑参数化查询或计划指南。
这个设计的微妙之处在于对模型能力的诚实评估。Gemma 4不碰原始JSON的噪声和规模，只处理已经被提取、验证、排序的证据。本地部署的约束反而逼出了更干净的架构：确定性计算做确定性的事，语言模型做语言模型的事。
对于所有困在合规围墙内的基础设施工程师，这可能是个信号——前沿模型的API禁令不意味着回到石器时代，而是重新设计人机分工的边界。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
