ShapedQL 是什么？

ShapedQL 是一款专为相关性而构建的 SQL 引擎——它能将简单的 SQL 查询编译为实时排序管道，根据用户实时行为检索、过滤、评分并重新排序结果。无需拼接 Pinecone、Redis 和 Python 脚本，仅用 30 行 SQL 即可驱动“为你推荐”信息流、搜索和 RAG 记忆功能。它用原生多模态嵌入和自动化 MLOps 取代了数千行基础设施代码，助您构建实时决策能力，而非仅实现文档检索。

适用人群

• 搜索工程师——需要超越关键词匹配，构建语义化、感知用户行为的搜索，且无需管理独立的向量数据库。
• 推荐系统构建者——希望用基于 SQL 的单一工作流替代协同过滤、基于内容的过滤和重排序等复杂管道。
• AI 应用开发者——正在构建 RAG 系统或个性化信息流，需要实时排序能力，能根据用户交互自动调整，无需手动重新训练模型。

核心功能

基于 SQL 的相关性管道

用熟悉的 SQL 定义完整排序流程——检索、过滤、评分和重排序——全部集成在一个查询中。ShapedQL 将该 SQL 编译为生产级实时运行管道，无需独立的基础设施组件。

原生多模态嵌入

引擎支持文本嵌入（标题和描述）、图像嵌入（视觉内容）、协同嵌入（用户-物品交互）以及人员嵌入（演员和工作人员）。您可在单个查询中组合这些嵌入，融合语义、视觉和行为信号。

自动化 MLOps

ShapedQL 自动处理模型部署、版本管理和监控。演示模型包含一个基于 LightGBM 训练的点击率预测器，展示了评分模型如何直接集成到 SQL 管道中，无需手动编排。

带演示数据的实时沙盒

ShapedQL 沙盒让您能针对 Movielens 数据集（已扩充 IMDb 数据）测试查询。您可选择“智能体搜索”、“搜索与信息流”或“推荐”等用例，选用预存查询或自行编写，即时查看结果。

突出亮点

“用 30 行 SQL 取代数千行基础设施代码。”

这正是核心承诺——ShapedQL 将通常需要向量数据库、缓存层和自定义评分脚本堆叠而成的系统，压缩为一条 SQL 查询。沙盒直观展示了这一点：您可在搜索、信息流和推荐等不同用例间切换，每个用例均由同一引擎驱动，使用相同的 SQL 语法。内置的文本、图像和协同信号嵌入意味着您无需管理独立的嵌入管道，也无需担心数据同步问题。

值得一试，如果……

您厌倦了维护将向量搜索、缓存和排序逻辑拼凑在一起的脆弱基础设施，更希望用 SQL 表达相关性逻辑。如果您正在构建需要实时适应用户行为的个性化信息流、语义搜索或 RAG 系统，ShapedQL 提供了一种极其简洁的方案。不妨从沙盒开始：选择一个用例，运行一条查询，看看 30 行 SQL 如何取代过去需要专门团队和多个服务才能完成的工作。