慢日志不敢传云端？他把AI DBA装进自己机器，100行代码搞定

为什么数据库慢查询诊断这件事，很多团队宁愿熬夜人肉排查，也不肯把日志丢给云端AI？答案藏在慢日志本身：表名、查询模式、业务逻辑，全在里面。把生产查询模式粘贴进一个聊天窗口，对任何有基本安全策略的团队来说都过不了关。

有人干脆换了个思路：模型不放在别人的服务器上，放在自己已经有的机器里。这就是 AI DBA on Bare Metal，一个给 MySQL DBA 用的命令行工具。喂给它一份慢查询日志，或者一个 DBCheck 巡检包，跑在本地硬件上的开放权重模型会返回三样东西：

• 诊断——用一到三句话说清根因，不绕弯子；
• 可执行 SQL——真正能跑的 ALTER TABLE、重写后的查询，或者参数调整；
• 风险提示——一行字，说明盲目执行会坏在哪。

作者的身份很直接：他自己就是 DBA。做这个工具的理由也很直接——凌晨两点，一条慢查询正在拖垮生产，他需要一个真正懂 MySQL 的第二双眼睛。这就是他当时希望已经存在的东西。

演示跑起来是这样。执行 python aidba.py --slowlog sample-slow.log，解析出三条慢查询后逐条给出结论。第一条耗时 12.35 秒，诊断是 orders.created_at 上缺索引，导致全表扫描，随后的 ORDER BY o.total 又对日期范围内的每一行触发 filesort；修复方案是建一个包含 created_at 和 total 的复合索引，风险提示则提醒老版本 MySQL 建索引会短暂锁表，先在从库上验证。

第二条 8.21 秒，问题出在 IN (SELECT ...) 这种写法，子查询对 order_items 的每一行都执行一次，是典型的关联子查询反模式；修复方案改成 JOIN 写法，风险提示要求确认相关字段上的索引存在。第三条 5.68 秒，查询同时过滤 action 和 created_at，但最多只有一个列有索引，于是整段范围都要扫；修复方案是建复合索引，代价是写入开销和存储增加，对读多的表可以忽略。

整个流程拆开看并不复杂：解析慢日志，挑出最慢的若干条查询，按 DBA 的结构化提示词组装请求，POST 给本地 vLLM，打印诊断结果。不到 100 行 Python，零第三方依赖。仓库里就是一个单文件，只用标准库里的 urllib、re、json、argparse，没有 openai 包，也没有任何框架。

它对接任何兼容 OpenAI 接口的端点。作者自己跑的是 vLLM 服务的 DeepSeek-V4，两台机器、4×200G RoCE 互联，速度超过 120 tokens/s；换成 Ollama、llama.cpp server，或者你机器上现成的任何本地模型都行。

技术栈刻意选得无聊。模型是开放权重的 DeepSeek-V4，通过 vLLM 的兼容端点提供服务；客户端约 100 行 Python，只发一个带 JSON 的 HTTP POST；提示词工程才是 DBA 知识真正落脚的地方——系统提示强制严格的输出契约，温度设为 0.2 保证确定性，解析器先按 Query_time 排序，让模型的上下文预算花在真正疼的查询上。

关键的架构决定是：模型是基础设施，不是服务。没有 API key，没有用量面板，没有按 token 计费。把 AIDBA_API_BASE 指向自己的机器就能用。如果公司本来就在为别的事情跑 GPU，多一个 DBA 副驾驶的边际成本是零。

正方会说，云端厂商早就能做 AI 诊断数据库，功能更全、开箱即用。反方只回一句：输入是慢日志。本地推理在这里不是锦上添花，它本身就是产品。数据不出楼这件事，只有跑在自己手里的开放权重模型才能兑现。

成本结构也站在本地这边。按 token 计费的 DBA 副驾驶，恰恰在你最需要它的时候最贵——事故进行中，慢日志巨大。自托管推理是固定成本，对小团队来说，这是"用得起"和"只能打电话叫 DBA"之间的差别。

还有一层是通用云模型给不了的：细分调优。通用模型给通用建议，而权重开放意味着作者可以、也计划在真实的 DBA 事故报告上做微调——MySQL 特有的故障模式、特定版本的坑，这些是通用 API 永远不会专门去啃的东西。开放权重让一个人的副业，在深度上有可能压过厂商的机器学习团队。

这个工具还接上了他已有的项目 DBCheck，一个免费开源的数据库巡检平台。AI DBA 直接消费 DBCheck 的采集包作为输入：巡检找出哪里不对，模型解释为什么以及怎么修。开放权重让这条流水线成立，两端都不用向第三方交过路费。

代码在 GitHub 的 aimdotsh/ai-dba 仓库，附了一份 sample-slow.log，可以直接拿来试。演示是录屏而不是公开链接——因为整个项目的重点，就是没有公开链接。