如果你最近在Kimi K2.6的Agent模式里敲下这句话，5分钟后，你拿到的不再是一堆需要自己调试的Python代码，也不是一个只能看的静态Demo。
前端、后端、独立数据库、用户账号体系……全套齐备。你可以直接把链接甩给朋友，他注册后存入的数据，会稳稳地停留在你这套系统的独立数据库里。
比起v0或Lovable这些AI建站工具，Kimi实际上接管了用户从开发到托管、再到数据库运维的全生命周期。
如果有100万个用户随口说了这句话，就意味着后台要瞬间承载100万个独立的生产级数据库——被真实用户长期读写。
那么Kimi究竟是如何在成本、规模与性能的“不可能三角”中，实现这种“人手一个数据库”的奢侈配置？
一旦运行起来，托管的基础设施成本（web服务器、带宽、数据库）相对算力成本要低得多，厂商的利润空间主要靠这一部分。
按传统云数据库的定价模型，一个最小实例大约每月十几到二十美元。乘以百万，账单天文数字。问题不是数据库贵，是商业模型无法规模化。
过去二十年，schema设计是一个需要DBA（数据库管理员）、需要review、需要版本管理的慢决策流程。
在Kimi K2.6这里，schema是LLM对用户一句自然语言的翻译，例如“读书笔记需要什么字段？”“评分存整数还是文本？”，瞬间就能决定。
这时候数据库里已经有了真实用户数据。Schema一旦改错，轻则查询失败、用户报错，重则写入紊乱、数据不可恢复。
大多数站建完就闲置。但只要有一个站被小红书推荐、被X平台热转，瞬间并发可以跳到百倍以上。
所以，数据库必须同时扛住“绝大多数近乎零、少数瞬间爆量”的极端曲线，而且要做到爆量租户不能拖垮其他所有租户。
决策一：极致低成本——用Serverless Cluster的多租户能力，承接“每个用户一个独立数据库”
既然问题出在“每用户一个真实实例”，TiDB Cloud在这层走了另一条路：引入一层“虚拟数据库界面”。
长尾的、绝大多数时间没请求的租户，平台并不真实分配数据库实例；只在Agent/终端用户实际发起请求的瞬间，由一个常驻的DB Session Gateway维持数据库连接，其他资源全部走弹性供给。
落到Kimi K2.6的场景里，这意味着“百万用户的建站后端”在单位经济上跑得通。
为了更直观地呈现这种技术代差，我们将这一架构与以Supabase为代表的典型Serverless数据库，进行了对比：
决策二：统一技术栈——vector+SQL+JSON把Agent的“写代码”难度压下来
Kimi K2.6建站Agent里，LLM写出来的典型查询经常在一条SQL里同时做多件事——按用户过滤、按标签筛选（JSON字段）、按向量相似度排序、按时间倒序。
在分离的栈里，同样的需求要LLM协调三个client、自己做事务、自己做结果合并……这在LLM写代码的场景下，错误率会指数级叠加。
决策三：最小化摩擦——Warm Pool+scale-to-zero让Agent在1秒内拿到完全准备好的数据库实例
Agent生成应用时，数据库的创建不能是一个需要等待几分钟的provisioning流程。
TiDB Cloud通过Warm Pool预先维护一批已经完成底层准备的Starter实例。
Kimi需要新实例时，不再走完整创建链路，而是直接从预热池中分配；再叠加Starter scale-to-zero的能力，闲置实例的计算成本可以压到很低。
Agent可以在1秒内拿到fully prepared instance，继续生成schema、写入数据、启动应用，而不需要把等待、轮询、失败重试写进自己的代码。
一个平台侧的数据可以先交代：今天在TiDB Cloud上新建的集群里，超过90%是由AI Agent直接创建的，而不是由人类工程师创建的。这个比例一年前还远没有这么高。
数字背后是一批AI Agent团队在各自做完基建选型后，不约而同地走向了同一类架构。几个关键数据点值得放在一起看：
去年，某全球知名AI Agent平台的AI Agent选择TiDB作为其核心数据层，并在其技术博客和开发者社区公开了架构细节。
更早，Dify这家做LLMOps的低代码平台公司，过去为每个开发者租户分配独立数据库容器，规模做到一定程度后扛不住运维，最终把所有租户合并到一套TiDB Cloud上：基础设施成本降80%、运维负担降90%。
今年，Kimi K2.6把TiDB用到了更复杂的场景——Agent直接向终端用户交付数据库驱动的完整应用。
Agent时代是Agent自己，每个真实用户身边可能有10个、100个独立运行的Agent实例，每个都要有自己的状态、记忆、数据。
Agent在跑起来时需要的不仅仅是数据库，还需要一个独立的sandbox来执行代码、一份独立的storage来存它的工作产物。
One agent, one sandbox; one storage, one database，这套“每个Agent一份独立运行环境”的架构，正在成为Agent原生应用唯一可行的假设。
Kimi、Dify、Plaud以及全球各地不断涌现的Agent团队，都不约而同地做出了相同的判断。
新的默认标准正在形成。过去一年，TiDB的产品演进，正是在将这些共识逐一落实到具体产品中。
Agent作为新一代应用的核心计算单位，它需要的不只是一个数据库，还需要持久化工作产物的storage、维持跨session上下文的memory层，未来还会有更多组件。
后续还会有更多组件落地。Agent-native应用的标准运行时，正在一块一块成型。
当Agent进入“为终端用户交付应用”的阶段，模型能力本身已经不是决定胜负的唯一变量。
能不能选对一套数据底座，让交付出去的东西在真实用户面前稳定跑起来，正在变成模型厂商的核心运营能力。
量子位 QbitAI