Git4Data: Database-Native Version Control for AI Agents

📄 arXiv: 2609.02106v1 📥 PDF

作者: Hongshen Gou, Zuyu Zhang, Yuze Sun, Peng Xu, Feng Tian, Long Wang, Jianguo Wang

分类: cs.DB, cs.AI

发布日期: 2026-09-02

💡 一句话要点

提出Git4Data以解决AI代理版本控制问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 版本控制 关系数据库 AI代理 数据管理 云原生

📋 核心要点

  1. 现有的版本控制工具无法有效支持大规模关系数据的版本管理，导致数据的隔离性和可审计性不足。
  2. Git4Data通过将数据库视为仓库，提供SQL扩展的Git风格操作，解决了传统工具的局限性。
  3. 在实验中，Git4Data在代理分支工作负载上表现优异，性能比现有工具DoltDB高出一个数量级。

📝 摘要（中文）

随着大型语言模型（LLM）代理并行探索关系数据的多个候选状态，保持数据的隔离性、可重现性和可审计性变得至关重要。现有工具在这方面的支持有限：源代码版本控制无法扩展到大数据集，而关系数据库虽然能高效管理大数据，却很少提供原生的分支、比较和合并功能。为此，本文提出了Git4Data，一个针对代理工作流的数据库原生版本控制层。Git4Data将数据库视为一个仓库，将表视为一个版本化对象，通过SQL扩展暴露Git风格的操作（快照/标签、分支、差异和合并），并实现明确的冲突解决策略。该系统在MatrixOne云原生关系数据库中实现，利用不可变对象存储和多版本并发控制（MVCC），使这些操作的成本与变更的大小成正比，而非数据的大小。在BranchBench代理分支工作负载上，Git4Data的性能比DoltDB高出一个数量级。总体而言，本文为关系数据库如何更好地支持AI代理提供了新的思路。

🔬 方法详解

问题定义：本文旨在解决现有版本控制工具在大规模关系数据管理中的不足，特别是源代码版本控制无法扩展到大数据集的问题，以及关系数据库缺乏原生版本控制功能的痛点。

核心思路：Git4Data的核心思路是将数据库视为一个版本控制仓库，通过SQL扩展实现Git风格的操作，使得AI代理在处理数据时能够高效地进行版本管理。这样的设计使得数据的变更和版本控制操作能够更好地适应AI代理的需求。

技术框架：Git4Data的整体架构包括数据库作为仓库、表作为版本化对象、以及通过SQL扩展实现的快照、分支、差异和合并等操作。系统利用不可变对象存储和MVCC技术，确保操作的高效性和数据的一致性。

关键创新：Git4Data的主要创新在于将数据库原生版本控制与AI代理工作流相结合，提供了高效的版本管理能力。这一方法与传统的源代码版本控制和关系数据库管理方式有本质区别，能够更好地满足AI代理的需求。

关键设计：在设计中，Git4Data采用了不可变对象存储以提高数据的安全性和一致性，同时利用MVCC技术降低了版本控制操作的成本，使其与数据变更的大小成正比。

🖼️ 关键图片

img_0
img_1
img_2

📊 实验亮点

在BranchBench代理分支工作负载的实验中，Git4Data的性能比DoltDB高出一个数量级，显示出其在处理大规模关系数据时的显著优势。这一结果表明，Git4Data在效率和可扩展性方面具有重要的实际应用潜力。

🎯 应用场景

Git4Data的研究成果在多个领域具有潜在应用价值，尤其是在需要高效数据管理和版本控制的AI代理工作流中。它可以用于数据科学、机器学习模型训练、以及需要频繁数据变更和审计的应用场景，提升数据处理的效率和可靠性。未来，该技术可能推动数据库管理系统的进一步发展，使其更好地适应AI时代的需求。

📄 摘要（原文）

Large Language Model (LLM) agents increasingly explore many candidate states of relational data in parallel, each of which should remain isolated, reproducible, and auditable, preferably through the same SQL interface used for ordinary data work. Existing tools support this requirement only partially: source-code version control does not scale to large datasets, whereas relational databases manage large data efficiently but rarely expose native branching, comparison, and merging. We present Git4Data, a database-native version-control layer for agentic workflows. Git4Data treats a database as a repository and a table as a versioned object, exposing Git-style operations (snapshot/tag, branch, diff, and merge with explicit conflict-resolution policies) through SQL extensions. Implemented in MatrixOne, a cloud-native relational database, Git4Data leverages immutable object storage and MVCC to make the cost of these operations proportional to the size of the change rather than the size of the data. On the BranchBench agentic branching workloads, Git4Data outperforms DoltDB by up to an order of magnitude. Overall, we believe this work sheds light on how relational databases can better support AI agents through efficient versioning.