面向AI智能体的开源检索引擎Infino AI发布：单份Parquet打通向量与SQL

核心要点

• 专为智能体打造的统一检索层：开源AI检索引擎Infino AI正式亮相Product Hunt，由前AWS OpenSearch、Google及LinkedIn团队研发，并宣布获得Bessemer Venture Partners等机构的7.5M美元融资。
• 颠覆性的单副本架构：彻底告别“向量库+全文检索+数仓”的多重数据复制，将BM25索引和向量索引直接内嵌至S3或本地存储的Apache Parquet文件中，保持底层格式开放透明。
• 四合一检索与SQL联合分析：在单引擎内无缝支持关键词检索、向量搜索、混合检索与SQL查询，搜索结果天然以SQL表格呈现，支持即时join关联与聚合分析。
• 开箱即用的Agent生态集成：遵循Apache-2.0开源协议，支持pip与npm安装，并提供Infino Cloud托管版；深度集成模型上下文协议（MCP），支持Claude Code和Cursor等工具直接挂载调用。

详细分析

解决AI智能体架构中的数据碎片化与复制成本

随着以Agent为主导的AI应用爆发，大模型对外部环境与知识库的调用方式发生了根本性变化。传统的检索系统通常面向人类用户的单一关键词或自然语言输入设计，而自主智能体（AI Agents）在执行复杂推理和多步规划时，一个提问往往会分裂为数十次高并发的关键词过滤、高维向量召回、属性条件筛选以及多维关联操作。

在以往的技术栈中，企业为了满足这些复合需求，必须将同一份业务数据冗余同步到多个异构系统：使用Elasticsearch或OpenSearch进行BM25文本匹配，同步到专用向量数据库处理Embedding相似度，再借助Snowflake等云数仓运行结构化SQL统计。这种方案不仅带来了昂贵的数据迁移与存储开销，更导致了严重的数据延迟、状态不一致以及复杂的运维灾难。Infino AI提出“仅保留一份数据副本（One Copy）”的设计哲学，将数据直接驻留在用户自有的对象存储（如Amazon S3）或本地磁盘中，彻底重构了智能体的数据访问链路。

Parquet超文件架构：将BM25与向量索引深度内嵌

Infino的核心创新在于其对开放列式存储格式Apache Parquet的深度扩展。Infino采用Rust语言自研底层检索内核，在生成Parquet文件的同时，将BM25全文倒排索引和高维向量索引直接固化于Parquet文件结构之内。这意味着底层文件依然是标准的开源格式，任何现有的Parquet兼容读取器（如DuckDB、Pandas或Spark）均可正常打开和处理，无需担心被专有格式绑定。

在此架构之上，Infino实现了解耦存储与计算的现代化云原生体系：不仅无需为索引与原始数据管理复杂的常驻分布式集群或烦琐的快照备份，而且赋予了Agent极其强大的联合检索能力。当智能体发起查询时，Infino引擎能够在一套统一接口中执行混合搜索（Hybrid Search），将稀疏语义与密集向量召回无缝合并，并直接输出结构化SQL表格结果。开发者或Agent可以随后对这些搜索结果即时运行SQL join操作、分组与聚合，真正完成了“向量召回+表格关系分析”的一体化闭环。

完善的开发者生态：MCP协议与云端托管无缝衔接

在可用性与生态方面，Infino提供了平滑的接入体验。开发者无需搭建重型基础设施，在本地通过简单的pip install infino或npm install @infino-ai/infino命令即可快速集成其核心SDK。针对大模型智能体日益普及的MCP（Model Context Protocol）标准，Infino原生推出了MCP Server组件，使得诸如Claude Code、Cursor等流行AI编码助手与自主Agent只需简单配置，就能直接检索挂载在本地或S3上的海量数据。

此外，官方同步上线了Infino Cloud托管服务，并提供免费使用层级（Free Tier）。用户可以在完全不改变数据主权的前提下，依托云端弹性计算实现按需付费，避免了传统数据库高昂的预分配资源闲置浪费。

行业影响

Infino AI的发布标志着AI基础设施层正在从“单点拼接组件”迈向“以智能体为中心的统一湖仓检索（Lakehouse Retrieval）”。

在过去两年中，专用向量数据库经历了狂热与洗牌，开发者逐渐意识到孤立的向量存储无法独立解决RAG（检索增强生成）与复杂智能体任务。Infino将向量能力、全文检索与SQL原生地沉淀至以Parquet和S3为代表的对象存储中，直接冲击了传统专用向量数据库的生存空间，也降低了AI企业在数据管道建设上的总体拥有成本（TCO）。

这一架构范式不仅印证了存储计算解耦向AI检索场景的深化，也加速了智能体从“外挂工具”向“原生数据分析师”的演进。依托开放标准与MCP生态，Infino正在为下一代完全自动化的Agent应用构建更精简、可扩展的底层数据底座。

常见问题

Infino AI 与传统的专用向量数据库有何本质区别？

传统向量数据库通常需要将数据从存储中抽取并导入私有的存储与索引格式中，只能支持单一维度的相似度向量检索，往往需要配合Elasticsearch或传统数仓使用。Infino AI则基于标准Parquet格式，在文件内部同时集成了向量索引与BM25索引，无需跨系统复制数据即可在单一引擎中同时支持向量搜索、全文检索和标准SQL分析。

将索引内嵌在Parquet文件中是否会破坏标准数据读取？

不会。Infino采用兼容扩展设计，将索引元数据和索引结构妥善安置于Parquet规范允许的存储结构中。底层的Parquet文件依然符合开源标准，普通的Parquet解析器或第三方数据处理引擎（如Pandas、DuckDB等）仍然能够正常读取其中的列式原始数据，避免了数据厂商锁定。

开发者如何将 Infino AI 集成到现有的 Agent 工作流中？

开发者可以通过npm或pip直接在本地项目中安装Infino客户端库进行调用；对于使用Claude Code、Cursor等现代AI开发工具的场景，可以直接配置Infino官方提供的MCP（模型上下文协议）服务器，让大语言模型智能体直接具备跨本地与S3对象存储的高性能数据检索能力。