TDengine 3.4.x TDgpt 深度解析：从车联网轨迹预测到原生 AI 智能体实战引言：当数据库学会思考用户问题原文：“TDgpt（AI 智能体）在 TDengine 3.3.6+ 中的作用是什么？”对于一位拥有 8 年大数据生态（Spring/Flink/ClickHouse/Hudi/Kafka/Parquet）开发经验的工程师而言，你熟悉将数据从存储层（如 Hudi）抽取到计算层（如 Flink），再送入 AI/ML 平台（如 Spark MLlib）进行分析的标准范式。然而，这种“数据搬家”模式带来了高昂的网络开销、复杂的系统链路和陡峭的学习曲线。在车联网轨迹分析场景中，我们曾面临一个挑战：如何对数百万辆汽车的实时 GPS 轨迹进行下一时刻位置预测，以实现智能调度和路径规划？传统的做法需要构建一套包含 Kafka、Flink、特征存储、模型服务的复杂管道，运维成本极高。TDengine 3.3.6+ 版本给出的答案是——TDgpt。这是一个内嵌于数据库内部的时序数据分析 AI 智能体，它将 AI 能力下沉到数据源头，通过一行 SQL 即可调用复杂的预测、异常检测等算法，彻底打通了 AI 与数据库的最后一公里。本文将基于TDengine 3.4.x 社区版（TDgpt 功能自 3.3.6 引入并持续增强