“哥，Doris 4.0 把 AI 塞进数据库了！”
凌晨一点，DBA老周在群里甩出这句话，附带一张截图：一条 SQL 直接调通简历筛选，把 30 万份数据 3 秒跑完。
我盯着屏幕，咖啡差点洒键盘——这年头，连数据库都开始抢 HR 的饭碗？
第二天一早，我溜进公司实验室，把 4.0 Doris怼到测试集群。
产品经理阿May跟进来，抱着电脑一脸愁容：“老板要‘千人千面’推荐，预算却只给两台破机器，你让 AI 喝西北风？”
我没接话，先把用户行为表、商品文本表、图像特征表一股脑倒进 Doris，顺手建了个向量索引：
复制维度 768，量化 sq8，压测脚本一跑，QPS 飙到 1.2 万，CPU 才啃了 42%。阿May的下巴差点脱臼：“这玩意儿是数据库？不是隐藏版 GPU？”
更离谱的是 AI 函数（🔗 https://doris.apache.org/zh-CN/docs/dev/ai/ai-function-overview/）
我现场写了一条：
复制结果 8 秒返回，文案组直接薅走数据，半小时后朋友圈广告上线，转化率比上周同期翻 1.7 倍。
阿May抱着我胳膊：“哥，咱把推荐团队裁了吧？”我翻个白眼——推荐团队没裁，老板把买新服务器的申请单撕了，顺手给 Doris 集群又加了两节点，说是“花小钱办大事的典范”。
故事还没完。
周五晚高峰，数据仓库例行跑批，平时温顺的 ETL 任务突然暴走，内存占用 98%，眼看就要 OOM。
我顺手测试把 enable_spill 打开，exec_mem_limit 降到 8 G，让任务滚去磁盘睡觉。半小时后，任务稳稳当当写完 9 TB 数据，磁盘只占了 120 G。
老板在群里发了个红包：“谁把集群从崩溃边缘拉回来？”
我默默点开，52 块，备注两字——“ disk”。
到这，可能有人要问，Doris 4.0 到底变了啥？
我说它学会了三招：
第一招，把向量索引做成“懒人模式”，高维数据不用倒腾到专用向量库，一条 SQL 完成“结构化 + 非结构化”混合召回，省得数据在系统之间旅游。
第二招，把大模型揉进函数库，情感、摘要、翻译、分类、提取、掩码，一条龙服务，分析师再也不用 Python 写脚本，DBA 也能秒变“ prompt 工程师”。
第三招，给离线任务加安全气囊，内存不够就落盘，磁盘价换时间，老板再也不担心任务半夜暴毙。
这三招听起来像开挂，背后却是现实主义——预算不涨、人手不增、需求翻倍，只能靠数据库自己进化。
Doris 4.0 不是来炫技，它是来救场的：让中小团队用得起向量检索，让分析师不写 Python 也能玩大模型，让凌晨三点的报警短信少一条是一条。
老板今天又在群里发灵魂拷问：“AI 时代，数据团队的价值到底在哪？”
我回了句：“价值在让老板睡得着。”
屏幕那端沉默半分钟，然后甩来一句：“下周给 Doris 集群再加四台机器，别让我半夜接电话。”
我笑着合上电脑，心想：数据库都学会抢饭碗了，咱再不升级，真要被它优化掉了。
