2026 新征程，走进高校

今天是元旦，祝大家新年快乐。

2026, 我最大的心愿是去高校布道, 把《大学生数据库实践课》推广到更多的高校. 希望有高校资源的朋友看到这篇文章帮忙引荐或转发, 感谢万分.

《大学生数据库实践课》课程是我2025年花了很多精力写的, 旨在帮助学生掌握 AI 时代下，以 PostgreSQL 和 DuckDB 为核心的多模态数据库技术，特别是针对大模型（LLM）的检索与存储优化。

备注: 目前围绕PG和DuckDB开源数据库讲解, 后续可能添加国产开源数据库.

课程约32学时. (教学建议: 如果是低年级可作为一门课程, 高年级可精选专业内容穿插到已有课程里面. )

第一部分, 注重数据库基本操作以及AI应用的架构与实操, 学习Docker容器的使用, 学习数据库的基操和压力测试场景的设计和实践. 通过ollama和Dify体验和理解大模型以及AI应用的设计、数据库在AI应用中的作用;

第二部分, 在PostgreSQL和DuckDB数据库上进行实操, 聚焦数据库在AI 搜索中最核心的几个方面: 文本切分、向量化、语义搜索、关键词检索、标量检索、混合搜索、召回率、相关性、重排、图式搜索 ;

第三部分, 通过一场竞赛, 回顾课程核心内容;

掌握这些内容就掌握了AI 应用的核心原理和背后的关键数据库技术, 不管未来AI 应用形态如何变化, 都可以快速上手.

以下是课程的核心总结：

1. 核心背景：AI 时代的“大脑、数据与感官”

AI 系统的三要素架构，明确数据库在 AI 应用中的关键地位：

• 大脑 (LLM) ：负责推理与决策。
• 数据 (记忆与知识库) ：包括结构化（表格）与非结构化（文本、音视频、图式关系）数据，由多模态数据库高效率组织。
• 感官 (MCP/Function Call) ：负责调用外部工具并获取反馈。

2. 课程体系结构 (约 32 学时)

课程分为三个阶段，由浅入深：

• 第一阶段：基础与工具。学习 Docker 容器、SQL 基本操作、pgbench 压力测试，并通过 Ollama 和 Dify 快速搭建 AI 应用，理解数据库在 AI 系统中的角色。
• 第二阶段：AI 搜索核心技术。聚焦于文本切分（Chunking）、向量化（Embedding）、语义搜索、关键词检索、混合搜索（Hybrid Search）、召回率（Recall）优化及图式搜索（PGQ）。
• 第三阶段：实战与竞赛。通过回顾课程核心内容并参与一场数据库竞赛，检验学习成果。

3. 技术关键词与常用工具

• 数据库：PostgreSQL 18（集成多种向量与搜索插件）、DuckDB（侧重 OLAP 与 PGQ 图查询）。
• 向量技术：HNSW 索引、IVFFlat 索引、DiskANN、量化技术（SBQ、RaBitQ）。
• AI 框架：Ollama（本地模型运行）、云端模型、Dify（LLM 应用开发平台）。
• 核心算子：余弦距离、欧式距离、分词、BM25 算法、RRF 重排序。

4. 教程入口与资源 (关键环节)

教程提供了极其丰富的“保姆级”资源，包括：

• 术语表与命令手册：整理了从 Docker 操作到 SQL 调优、Ollama 接口调用的常用命令和常见问题（FAQ）。
• 分章节详细教程：从 SQL 基础（第2课）到 RAG 概念（第6课），再到混合搜索优化（第17课）和图式搜索实践（第19课），每一章节都有对应的深度文章链接。
• 实验环境：推荐使用我预制的 Docker 镜像，内置了所有必要的实验插件。

5. 学习建议

我建议同学们使用“AI 辅助学习”，在每个章节都提供了精准的 AI 提示词 (Prompts) ，学生可以利用 LLM（如 Qwen/Gemini）深度解读技术文档、模拟压测用例及解释图数据库语法。

本期播客

以下为其他章节, 后续会逐一分享出来.

• 《大学生数据库实践课: 实验手册》
• 《大学生数据库实践课: 课后大作业》
• 《大学生数据库实践课: 19.3 PGQ 金融反欺诈风控系统实践》
• 《大学生数据库实践课: 19.2 PGQ 航空数据分析实践》
• 《大学生数据库实践课: 19.1 PGQ 社交场景实践》
• 《大学生数据库实践课: 18 PGQ 图式搜索》
• 《大学生数据库实践课: 16.3 pgvector 混合搜索》
• 《大学生数据库实践课: 16.2 pgvectorscale 混合搜索》
• 《大学生数据库实践课: 16.1 vectorchord 混合搜索》
• 《大学生数据库实践课: 15 标量检索》
• 《大学生数据库实践课: 14.2 关键词检索》
• 《大学生数据库实践课: 14.1 从文本到关键词》
• 《大学生数据库实践课: 13 向量搜索优化实战》
• 《大学生数据库实践课: 12 召回率》
• 《大学生数据库实践课: 11.4.1 线性量化技术》
• 《大学生数据库实践课: 11.4 vectorchord向量索引》
• 《大学生数据库实践课: 11.3 pgvectorscale向量索引》
• 《大学生数据库实践课: 11.2 pgvector向量索引》
• 《大学生数据库实践课: 11.1 向量类型基础》
• 《大学生数据库实践课: 10 Dify RAG 配置详解》
• 《大学生数据库实践课: 9 embedding 文本切分实操》
• 《大学生数据库实践课: 8 embedding 文本切分方法介绍》
• 《大学生数据库实践课: 7.4 ollama API介绍》
• 《大学生数据库实践课: 7.3 云端模型API介绍》
• 《大学生数据库实践课: 7.2 ollama 部署》
• 《大学生数据库实践课: 7.1 模型介绍》
• 《大学生数据库实践课: 6 RAG 概念》
• 《大学生数据库实践课: 3 pgbench 工具使用》
• 《大学生数据库实践课: 2 熟悉基本SQL操作》
• 《大学生数据库实践课: Docker 镜像》