发表机构
MatrixOrigin; Purdue University（矩阵起源; 普渡大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
Git4Data是面向AI智能体的数据库原生版本控制层，通过SQL扩展提供Git风格操作，在BranchBench上性能优于DoltDB，可高效支持AI智能体的关系数据版本管理。
AI 中文摘要
大型语言模型（LLM）智能体正日益并行探索关系数据的大量候选状态，每个状态都应保持隔离性、可复现性和可审计性，最好通过普通数据工作所用的同一SQL接口实现。现有工具仅部分满足这一需求：源代码版本控制无法扩展到大型数据集，而关系数据库虽能高效管理大数据，但很少提供原生的分支、比较和合并功能。我们提出Git4Data，这是一种面向智能体工作流的数据库原生版本控制层。Git4Data将数据库视为仓库，将表视为版本化对象，通过SQL扩展提供Git风格的操作（快照/标签、分支、差异对比及带显式冲突解决策略的合并）。Git4Data在云原生关系数据库MatrixOne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规模成正比，而非数据总规模。在BranchBench智能体分支工作负载上，Git4Data的性能比DoltDB高出一个数量级。总体而言，我们认为这项工作阐明了关系数据库如何通过高效版本控制更好地支持AI智能体。
英文摘要
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.
