Google Cloud于2026年11月11日公布AlloyDB AI查询引擎的两个预览版SQL函数：ai.classify用于文本分类，ai.extract用于从非结构化文本提取结构化结果。它们将部分原本由应用调用模型和解析响应的流程放进SQL查询。
目前是预览能力，且要求PostgreSQL 18与google_ml_integration扩展1.6.1或更新版本。现有实例应先核对版本，再规划试用。
ai.classify能完成哪些分类
开发者可给出类别标签，也可加入类别描述帮助模型理解上下文。官方列出单标签、多标签、少量示例提示，以及TEXT、TEXT[]和REFCURSOR等输入形式。
类别由使用者定义，分类质量仍依赖输入文本和类别设计。对业务敏感的标签，应以人工标注样本评估准确率。
ai.extract会输出什么
ai.extract接收文本和目标结构，可按JSON Schema或字段列表提取结构化JSON。它处理系统指令、提示模板与响应解析的部分工作，适合从工单、评论或票据文本中抽取字段。
结构化输出不代表字段必然准确。金额、身份或医疗等高风险字段应加入校验与人工复核，不能仅凭格式正确就入库。
预览版的版本要求是什么
两项函数位于google_ml_integration扩展，官方公告限定扩展版本至少1.6.1，并运行在PostgreSQL 18上。示例还需开启预览AI函数开关。团队应先确认实例版本与扩展状态，再尝试SQL。
不满足版本要求的数据库不应直接照搬示例。升级计划应覆盖应用兼容性与回退路径。
智能批处理有什么作用
Google Cloud表示，当函数用于SQL WHERE条件时，查询引擎可把输入组成微批发送给模型，减少逐行调用带来的延迟与提示开销。这一能力此前称为AI Function Acceleration。
批处理改善的是调用形态，不是对每个查询的固定性能保证。实际延迟与费用需要用代表性数据和查询测量。
试用前应核对哪些边界
先用非敏感样本建立分类和提取基线，再评估模型调用成本、查询延迟、错误处理和数据治理要求。对涉及隐私的数据，仍应检查组织的访问权限与合规策略。
验收应同时看结果质量、运行成本和数据库负载。把AI函数放入SQL之后，模型调用仍会影响整体查询行为。
