数据库管理工具的终局是跟 AI 对话?25MB 的 dbx 把这条路走通了
数据库管理工具的终局是跟 AI 对话?25MB 的 dbx 把这条路走通了
最近技术圈有个挺有意思的现象:一款只有 25MB 的开源小工具 dbx,被一堆博主翻来覆去地写。
有人拿它跟用了十年的 Navicat 做对比,说“启动两秒就进来了,老工具还在转圈”;也有人盯着它的另一个动作——把 AI 直接塞进了 SQL 编辑器,还顺便接上了 MCP 协议。
于是有个问题被反复提起:数据库管理工具的未来,是不是就剩“跟 AI 聊天”这一条路了?
这篇咱们不聊代码,就聊聊这个 25MB 的小东西到底干了什么,以及它押的这个注,到底靠不靠谱。
一、先搞清楚:这玩意儿到底是个啥
你可以把数据库管理工具理解成“数据库的遥控器”。
数据都存在数据库里,但你不能直接用手去摸,得有个软件帮你连进去、看表、写查询、改数据。Navicat、DBeaver、DataGrip 都是这类角色,程序员几乎人手一个。
问题是,这类老牌遥控器越做越大。有的要装 Java 环境,有的把整个浏览器内核打包进去,安装包动辄好几百 MB,开个软件先等半分钟,笔记本风扇呼呼转。
dbx 走的是另一条路:整个软件只有 25MB 左右,下载完双击就能跑,不用装 Java,不用装 Python,也不偷偷塞一个浏览器内核进去。
打个比方,别人是开着一辆装满货柜的卡车来接你,dbx 是骑了辆折叠电动车——东西不多,但该有的都有,随停随走。
别看它小,它一口气支持 100 多种数据库和数据系统:MySQL、PostgreSQL、SQLite、Redis、MongoDB 这些常规选手,还有 ClickHouse、DuckDB、Oracle、SQL Server,连国产的达梦、人大金仓、openGauss、OceanBase、TiDB 都在名单里。甚至还管得着 Kafka、RabbitMQ 这类消息队列,和 etcd、ZooKeeper、Nacos 这些配置中心。

对普通用户来说,这意味着什么?你电脑里可能同时躺着公司测试库、线上库、自己折腾的本地库,以前要开三四个软件切来切去,现在一个窗口全在里面,还能用颜色标记“这个是生产环境,别乱动”。
二、重点来了:它怎么让 AI 帮你写 SQL
这才是这篇文章的正题。
dbx 的编辑器右边有一块 AI 面板,你可以直接用中文说话,比如“帮我算一下这张表里教育指数的平均值”。它会结合你当前连的库、当前打开的表、字段名、甚至你刚才报的错,给你一段能跑的 SQL。

注意截图里一个细节:AI 没有闷头就写,而是先说“没有名为 land_area_data 的表,当前只包含 public.composite_data 表”,然后才给查询语句。
这个细节其实挺关键。用过 AI 写 SQL 的人都懂那种痛:生成得挺快,改起来要命。 它一本正经地编了一个不存在的字段,你还得逐行对;报错了,它再编一版,来回拉扯半天。
dbx 在这上面做了几件“笨但有用”的事:
第一,把上下文喂饱。 你可以在输入框里打一个 @ 符号,直接把某张表、某个 SQL 文件“点名”递给 AI,而不是让它对着一整个数据库瞎猜。表结构、字段类型、索引、外键、一小段样例数据,都会一起给它。
第二,分清“动嘴”和“动手”。 它有两种模式:Ask 模式只出主意不动手,适合“帮我写条 SQL”;Agent 模式才会真的去查表、看结构、跑只读查询,适合“你先看看数据再回答我”。
第三,也是最容易被忽略的——它给 AI 上了锁。
AI 生成的 SQL 在执行前会过一道安全检查;被标记为只读的连接,AI 说破天也改不了数据;标了“生产环境”的库,每次写入都要你亲手再确认一遍。AI 在这个工具里不是“超级管理员”,更像一个权限被卡得死死的实习生:活可以干,钥匙不给。
这个设计思路,我觉得比“AI 能写 SQL”本身更值得说。
三、MCP 这一手,才是真正的胜负手
如果说内嵌 AI 是“把大模型请进家里”,那 MCP 就是“把家门钥匙配给外面的 AI 助手”。
MCP 是 Anthropic 提出的一套开放协议,说白了就是给 AI 定的一套“调用外部工具的标准插头”。有了它,Claude Code、Cursor、Windsurf 这些写代码的 AI 助手,可以直接通过 dbx 里已经配好的数据库连接去查数据。
配置完之后,你在 Cursor 里打一句话:“看看 users 表最近七天的注册量”,它自己就把活儿干了,不用你切窗口、不用你复制粘贴连接串。
那问题就来了:既然 AI 助手自己能查数据库了,工具里内嵌一个 AI,岂不是多此一举?
我的看法是:不但不多余,反而更必要了。
因为 AI 助手要查库,绕不开三个现实问题:连接信息从哪来、权限给到多大、出事了谁负责。
dbx 的解法是把这三件事攥在自己手里:哪个连接允许 MCP 访问,用白名单一个个勾;权限分三档——只读、数据读写、完全访问;连上之后,AI 助手能看到哪些库、能不能执行写操作,全在工具里统一管。你在 Cursor 里怎么改配置,都撑不大已经存好的策略。
工具不再只是“给人用的界面”,它变成了“AI 和数据库之间的那道闸门”。 这大概是这轮 AI 浪潮里,数据库工具最不容易被替代的位置。
四、对话式会干掉可视化吗?恐怕不会
聊到这儿,就得回答标题那个问题了:终局真的是“跟 AI 对话”吗?
我的答案是:对话是入口,不是终点。
想象两个场景。
场景一:你要写一条关联五张表的复杂统计。这时候对话很爽,一句话下去,草稿就有了,你只需要检查逻辑、调调字段。
场景二:老板扔给你一个陌生的老系统,两百张表,你连从哪下手都不知道。这时候你需要的不是聊天框,而是一张 ER 图,一眼看清谁连着谁。
dbx 两个都做了。ER 关系图可以把表之间的关联画出来,Schema 对比能告诉你测试库和线上库差了几个字段,字段血缘能追某个指标是从哪张表算出来的。

再比如看数据这件事。AI 给你一句“最近订单量上涨 12%”,你信吗?多半还得自己拉一张表,按日期排序,扫一眼有没有异常值。

所以更准确的说法是:AI 负责“帮我起草”,图形界面负责“让我确认”。
写 SQL 这件事,门槛在降低;但看懂数据、判断对错,门槛一点没降。工具的价值,正在从“帮你敲键盘”往“帮你做判断”上挪。
五、普通人想试试,门槛高不高
说点实在的。
不需要高端显卡,不需要服务器。 25MB 的安装包,Windows、macOS、Linux 都有,双击安装,填上地址账号密码就能连。对配置的要求,比开十几个网页还低。
不想装软件? 官方给了 Docker 镜像,一行命令在服务器上跑起来,浏览器打开就能用,适合小团队共用一台机器管库。国内访问慢的话还有镜像源。
担心数据外泄? 桌面版不联网也能用,AI 功能可以关掉,或者接本地跑的 Ollama 模型——数据不出内网,模型在你自己的电脑上算。
该不该用? 我的建议是分人:
如果你是开发、运维、数据分析师,天天跟数据库打交道,又被 Navicat 的启动速度和授权费折磨过,那它值得花十分钟试试。从 Navicat 或 DBeaver 迁移过来时,连接配置还能直接导入,不用一条条重填。
如果你只是偶尔查个数、导个表,那它有点“杀鸡用牛刀”,但反正免费开源,装着也不占地方。
至于网上提到的短板——数据同步、存储过程调试这些高级活儿,它确实还不如老牌商业工具齐全。比较务实的用法是“主力 + 专用”:日常八成操作交给它,剩下两成再开专门工具。
写在最后
dbx 押的这个方向,我觉得是对的,但对的不是“让 AI 写 SQL”这么简单。
它真正押的是另一件事:未来每个人都会有一堆 AI 助手,而数据库这种要命的东西,必须有一个地方统一管住连接、管住权限、管住“谁能动哪张表”。
工具不会消失,它只是从“你操作的界面”,变成了“AI 干活时绕不开的关卡”。
最后留个问题给大家聊聊:你现在查数据,是更愿意自己写 SQL,还是张嘴让 AI 写、自己只负责检查?如果 AI 写错了导致线上数据出问题,这个责任你打算算谁的?
评论区见。