实测谷歌Gemini与Qwen数据库内核开发
digoal约 7 分钟本期播客
Gemini CLI 对比 Qwen3 Coder 谁更强?
为什么不用Cursor? Claude? 我不是专业程序员, 不需要每天干编程的事, 只是偶尔用一下的话, 简单部署、功能有一班班即可.
所以我选择 Qwen3 Coder 或 Gemini CLI .
这两个工具都可以很好的在 macOS 或 Linux 命令行中完成AI 编程任务.
gemini cli 刚刚出来的时候, 当时模型的AI能力一般般, 只能说还是玩具级别吧.
后来Qwen3 Coder出来了, 和gemini cli开源项目高度相似, 所以用起来没什么适应成本, 很快就可以上手, 只是背后的模型换成了qwen3 coder专门的编程模型. 我在下面的镜像中进行了安装和体验. 使用Qwen3 Coder来编写 pgvector 8bit 量化的 tinyintvec 向量类型.
《大学生数据库实践课: Docker 镜像》
体验过程中感觉 Qwen3 Coder 还有巨大的改进空间. 但是看在 Qwen3 Coder 每天提供2000次免费请求的份上, 忍了.
于是乎又回过头来想看看在同样的 “编写 pgvector 8bit 量化的 tinyintvec 向量类型” 任务下, gemini cli 的表现如何?
https://google-gemini.github.io/gemini-cli/
依旧使用以上容器, 安装gemini cli
curl -fsSL https://deb.nodesource.com/setup_20.x | bash -
apt-get install -y nodejs
npm install -g @google/gemini-cli@latest
给 gemini 添加 deepwiki mcp
gemini mcp add deepwiki https://mcp.deepwiki.com/mcp --scope user --transport http
启动 gemini
gemini
然后下面是我的 prompt , 甚至这次我直接跳过了让 gemini 参考 pgvector tinyint 分支, 而是让它直接开干.
> 我正在使用 `pgvector/pgvector` 下面进行开发, deepwiki 是编程助手, 可以按需生成代码、检查代码、解答各种代码问题. 请按需调用 deepwiki mcp 工具来了解这个项目.
参考 @pgvector/src/halfvec.c @pgvector/src/halfvec.h @pgvector/src/halfutils.c @pgvector/src/halfutils.h @pgvector/sql/vector.sql
在 @pgvector/ 代码库的 tinyint_vector 分支中实现 tinyintvec 类型.
要求如下:
使用 8 bit 存储向量的每个维度值, 取值区间 -128 到 127 ;
实现 hnsw 和 ivfflat 索引, 支持 tinyintvec_l2_ops, tinyintvec_l1_ops, tinyintvec_ip_ops, tinyintvec_cosine_ops, 以及对应的操作符 ; (给 tinyintvec 字段创建索引时, 要跳过 NULL 向量值, 不能报错.)
注意 tinyintvec_cosine_ops 因为要 normal 化, 记得遇到 NULL 值时要处理除0问题.
修改对应的 @pgvector/Makefile , @pgvector/sql/vector.sql ;
记得在 @pgvector/sql/vector.sql 要创建 tinyintvec 对应的 ivfflat 和 hnsw 的 support 函数.
新增的SQL代码必须放到 @pgvector/sql/vector.sql 末尾.
回归测试采用 @tinyintvec.sql
注意, 如果回归测试过程中遇到数据库崩溃重启的问题, 说明你新增的代码有问题, 一定要解决问题直到回归测试全部正常.
注意, 回归测试中符合预期的 ERROR 不需要处理, 确认 pgvector/test/sql/tinyintvec.sql 输出都符合预期(该使用索引的必须使用索引, 索引的结果必须和全表扫描的结果一致)后, 将其结果写入 pgvector/test/expected/tinyintvec.out
数据库已安装好, pg_config 也已经在 PATH 变量中功能, 直接使用 USE_PGXS=1 make clean && USE_PGXS=1 make distclean && USE_PGXS=1 make && USE_PGXS=1 make installcheck 就可以进行测试 .
Tips: 退出后如何继续之前的会话?
/resume session_id
结果到底如何呢?
Gemini 2.5 Pro 和 Qwen3 Coder 谁的编程能力更强?
Gemini 2.5 Pro 和 Qwen3 Coder 模型在c语言、数据库内核、PostgreSQL、向量数据库领域编程方面谁更强?
最近在用AI给 pgvector 添加 tinyintvec 向量类型.
Qwen3 Coder 在体验方面更强, 例如展示了任务规划, 开发进度, 剩余上下文coder-model (92% context left)等.
✦ Now I'll create a todo list to track the implementation of the tinyintvec type:
╭──────────────────────────────────────────────────────────────────────────────╮
│ ✓ TodoWrite Create todos │
│ │
│ ○ Create tinyintvec.h header file with the Tinyintvec struct definition │
│ ○ Create tinyintvec.c implementation file with input/output functions │
│ ○ Add distance functions for tinyintvec (L2, L1, IP, cosine) │
│ ○ Modify Makefile to include tinyintvec in compilation │
│ ○ Update vector.h to include tinyintvec references │
│ ○ Create HNSW support functions for tinyintvec │
│ ○ Create IVFFlat support functions for tinyintvec │
│ ○ Add tinyintvec to the SQL extension file │
│ ○ Create test file test/sql/tinyintvec.sql │
│ ○ Run regression tests and fix any issues │
╰──────────────────────────────────────────────────────────────────────────────╯
✦ Let me start by creating the header file for tinyintvec:
╭──────────────────────────────────────────────────────────────────────────────╮
│ ✓ TodoWrite Update todos │
│ │
│ ◐ Create tinyintvec.h header file with the Tinyintvec struct definition │
│ ○ Create tinyintvec.c implementation file with input/output functions │
│ ○ Add distance functions for tinyintvec (L2, L1, IP, cosine) │
│ ○ Modify Makefile to include tinyintvec in compilation │
│ ○ Update vector.h to include tinyintvec references │
│ ○ Create HNSW support functions for tinyintvec │
│ ○ Create IVFFlat support functions for tinyintvec │
│ ○ Add tinyintvec to the SQL extension file │
│ ○ Create test file test/sql/tinyintvec.sql │
│ ○ Run regression tests and fix any issues │
╰──────────────────────────────────────────────────────────────────────────────╯
✦ Let me first examine the existing vector.h file to understand the pattern:
Gemini 目前支持 2.5 和 3(preview) 模型, 支持自动更换模型, 支持死循环检测(如果遇到脑回路卡壳的问题, 会询问你是否要终止当前循环)等.
先说一下, 截至目前, 都没有交付满意的代码.
下面是 AI 给出的两者的对比.
在 C 语言、数据库内核（如 PostgreSQL）以及向量数据库这类底层、硬核且对逻辑严密性要求极高的编程领域，Gemini 2.5 Pro 和 Qwen3-Coder (480B旗舰版) 展现出了截然不同的优势。
以下是针对你提到的四个细分领域的深度对比分析：
1. C 语言与底层编程 (Low-level Programming)
Gemini 2.5 Pro (优势：逻辑推理与内存安全)：
Gemini 2.5 引入了“集成推理架构”（Integrated Reasoning），在处理 C 语言的指针操作、内存分配和死锁分析时，表现得更像一个经验丰富的架构师。它在编写涉及并发（pthreads）和系统调用（System Calls）的代码时，逻辑瑕疵更少。Qwen3-Coder (优势：代码完备性与工程经验)：
Qwen3 基于 7.5T tokens 的海量数据训练，其中代码占比极高。它在 C 语言的常用库函数封装、Makefile 编写以及标准 C 代码生成上非常流畅。
结论： 如果是写简单的 C 逻辑，Qwen3 更快；如果是处理复杂的内存泄露排查或高并发逻辑，Gemini 2.5 Pro 胜出。
2. 数据库内核开发 (Database Kernel)
数据库内核涉及复杂的 B-Tree 索引逻辑、WAL（预写日志）以及 Buffer Pool 管理。
Gemini 2.5 Pro (核心优势：超长上下文)：
内核开发最痛苦的是理解模块间的耦合。Gemini 拥有 100 万（甚至 200 万） 的上下文窗口，你可以把整个数据库的小型子系统（如整个存储引擎的头文件和核心源码）全部喂给它。它能理解跨文件的调用链，这在分析内核 Bug 时是降维打击。Qwen3-Coder (核心优势：算法实现)：
Qwen3 在执行具体的算法实现（如实现一个特定的排序算法或哈希索引优化）时，由于经过了大量的强化学习（RL），生成的代码往往在单文件层面非常稳健。
结论： 在理解复杂代码库架构方面，Gemini 2.5 Pro 完胜；在编写具体算法模块时，两者旗鼓相当。
3. PostgreSQL 深度定制
PostgreSQL 拥有非常独特的扩展架构（Extensions）和宏定义。
Qwen3-Coder： 在处理“标准”的 PostgreSQL 编程（如存储过程、复杂的 SQL 优化、基础的 C 扩展模板）上，Qwen3 的响应速度和准确率极高，尤其对中文开发者友好，中文注释和文档理解更透彻。 Gemini 2.5 Pro： 它更擅长解决“为什么这个 Hook 没生效”这种深层次的排查问题。由于其训练数据更新到了 2025 年初，它对 PostgreSQL 近期版本的新特性理解更深刻。
结论： 基础开发用 Qwen3；解决疑难杂症或开发深度 Hooks 插件用 Gemini 2.5 Pro。
4. 向量数据库 (Vector Databases)
这是一个结合了 AI 算法与高性能存储的新兴领域，涉及 SIMD 指令集优化、HNSW 算法等。
Gemini 2.5 Pro： 它是原生多模态模型，对向量、张量运算的数学背景理解极强。在处理向量索引的数学推导（如余弦相似度的硬件加速优化）时，其推理能力更胜一筹。 Qwen3-Coder： Qwen 系列模型本身就是大模型生态的一环，它对于主流向量数据库（如 Milvus, Pinecone, pgvector）的 API 和集成方案非常熟悉。
综合对比表
| 超长代码库理解 | ||
| 逻辑严密性 (C语言) | ||
| API 调用与集成 | ||
| 数学与底层算法 | ||
| 处理 Typos/错别字 |
最终建议
如果你是在 IDE 插件（如 Cursor, VS Code）中进行日常开发，追求快速生成 SQL 或 C 函数，Qwen3-Coder 的性价比和流畅度更高。 如果你是在重构旧内核代码、排查深层段错误 (Segment Fault) 或需要 AI 读懂整个 PostgreSQL 源码目录，请务必使用 Gemini 2.5 Pro。