代码 → 数据 → Agent：系统架构的三个时代

探索 AI 时代下，属于 2027 年的新一代智能体架构范式。

三个不可逆的趋势

我花了三天在 3 台 2GB 的虚拟机上搭了一套东西：PostgREST 当 API 层、Knative 做 Serverless、CopilotKit 对接 LLM、LangGraph 编排业务、全链路跑在离线 K8s 上。

搭完之后我发现：这不像任何一套主流架构。

主流（2025）：Next.js + Vercel AI SDK + OpenAI API + Supabase
我的（2025）：CopilotKit + PostgREST + LangGraph + llama.cpp + 离线 K8s

但我越琢磨越觉得——我踩中的不是"另一种架构"，而是下一代的架构。

第一时代：代码 = 价值（2010–2022）

GitHub 仓库越大 → 公司估值越高
代码行数 = 竞争壁垒

这个时代的标准系统长这样：

┌── 前端（React/Vue）──────────────┐
├── BFF 层（Node.js/SpringBoot）────┤
├── 业务服务（SpringBoot × 20）─────┤
├── 数据访问层（MyBatis/JPA）───────┤
├── 缓存（Redis）───────────────────┤
├── 消息队列（Kafka）───────────────┤
└── 数据库（MySQL/PostgreSQL）──────┘
          ↓
      代码 50 万行
      微服务 30 个
      团队 50 人

核心信仰：把业务逻辑写成代码，部署成服务，服务越多系统越健壮。

这个时代的成就：SpringBoot、微服务、DDD、Clean Architecture——全是教你怎么把代码组织得更好。

第二时代：数据 = 价值（2023–现在）

转折点不是 AI，是数据库本身的能力跃迁：

PostgreSQL 14 → 17：
  - JSONB 性能提升 40%
  - SQL/JSON 查询语法标准化
  - 逻辑复制支持原生发布/订阅

PostgREST 12：
  - SQL 表 → REST API（零代码）
  - 自动生成 OpenAPI schema
  - 行级安全（RLS）替代应用层鉴权

这意味着什么？ 你不再需要写一个 DeviceController + DeviceService + DeviceRepository，加起来 300 行代码，就为了把数据库里的一张表暴露成 REST 接口。

PostgREST 的做法是：SQL 就是 API。建表即上线。

第二时代架构：

┌── 前端 ──────────────────────────┐
├── 复杂业务（LangGraph）───────────┤ ← 只写真正需要编排的
├── PostgREST（SQL → REST）────────┤ ← 替代 80% 的微服务
└── PostgreSQL + TimescaleDB ──────┘
          ↓
      代码 5000 行（原 50 万行的 1%）
      服务 3 个（原 30 个的 10%）
      团队 5 人（原 50 人的 10%）

但这个时代的局限性：用户仍然需要手动操作 UI——点按钮、填表单、翻页查数据。API 是给前端用的，不是给用户用的。

第三时代：Agent = 价值（2026——∞）

Agent 时代的核心命题变了：

第一时代：用户 → 前端 → API → 数据       (人在操作)
第二时代：用户 → 前端 → SQL → 数据       (数据在简化)
第三时代：用户 → 自然语言 → Agent → 数据  (AI 在操作)

用户不再需要知道"筛选条件怎么写""报表怎么配置"。 用户只需要说一句话：

"上个月锅炉房温度有几天异常？"

Agent 自己知道：

1. 调用 PostgREST 查设备表，找到锅炉房传感器的 ID
2. 查遥测表，过滤最近 30 天数据
3. 计算均值和标准差，标记超过 2σ 的数据点
4. 返回结果，附带"建议检查冷却系统"

整个过程：用户没碰过一个按钮，开发者没写过一个 SQL。

第三时代架构（你的架构）：

┌── CopilotKit 前端 ─────────────┐
│   用户: "查异常设备"              │
├── CopilotKit Runtime ──────────┤
│   LLM 决策 → 调 Tool            │
├── PostgREST ───────────────────┤  ← 简单查询
├── LangGraph ──────────────────┤  ← 复杂编排
├── llama.cpp (Mac M4) ──────────┤  ← 本地推理，离线
└── PostgreSQL ─────────────────┘
          ↓
      代码: 200 行（CopilotKit 配置 + LangGraph）
      服务: 2 个（缩零）
      用户操作: 1 句自然语言

三代对比

为什么现在还不是主流

不是技术问题，是惯性问题：

1. 技能栈锁定：SpringBoot 开发者市场上是 PostgREST 用户的 100 倍
2. AI SDK 绑定：Vercel AI SDK + OpenAI 形成事实标准，替代有迁移成本
3. 认知鸿沟：99% 后端开发者不知道 SQL 能直接变 API（PostgREST 12 年历史，GitHub 才 24k stars）
4. 离线推理刚起步：大部分人还在 curl https://api.openai.com

但惯性终将被成本打穿：

传统方案:
  30 个微服务 × 512MB × 24h × 30d = 需要 12 台 8GB 云服务器
  月成本 ≈ $800+

本方案:
  3 台 ARM64 VM × 4GB = Mac 上跑
  月成本 ≈ $0（除了电费）
  
  80% CRUD 用 PostgREST = 省掉 24 个微服务
  离线 llama.cpp 推理 = 0 API 费用
  Knative 缩零 = 闲时 0 资源消耗

你现在站在哪里

2025 ┌─────────────────────────────────────────┐
     │ 主流：Next.js + Vercel AI SDK + OpenAI   │
     │ 少数派：PostgREST + llama.cpp + 离线 K8s│ ← 你在这
     ├─────────────────────────────────────────┤
2026 │ 主流：Agent 框架混战                      │
     │  CopilotKit vs Mastra vs CrewAI          │
     │  PostgREST 开始被注意                    │
     ├─────────────────────────────────────────┤
2027 │ 主流：SQL-驱动 Agent + 离线推理标配       │
     │  Apple Silicon 跑 LLM 成为默认           │
     │  Knative + PostgREST 成为新 LAMP         │
     └─────────────────────────────────────────┘

你不是在追赶 2025 年的趋势——你是在定义 2027 年的趋势。

这不是鸡汤。从第一代代码驱动到第二代数据驱动到第三代 Agent 驱动，每次演进都有一个特征：上一代的"最佳实践"恰好是下一代的"技术债务"。

30 个 SpringBoot 微服务是 2020 年的骄傲，是 2027 年的累赘。

这套 200 行代码的 CopilotKit + PostgREST + LangGraph 架构，可能是 2025 年的异类，却是 2027 年的范式。

前篇：本文是 K8s 部署实录 → Serverless 平台 → AI 应用架构 → 架构演进趋势 完整系列第四篇。