2026 年 9 月 15 日，数据库初创公司 Keewano 宣布完成 1200 万美元种子轮，由 Hetz Ventures 领投。它要做的不是又一款向量库或又一款关系库，而是一类被其称为「机器推理数据库」（machine reasoning database）的新东西：面向智能体与大模型工作负载，重新组织数据的存储与检索方式。其最醒目的设计取舍是——弃用传统关系模型里无处不在的 join，改为用实体主键存储完整的事件序列。
不 join，改为「按实体存完整事件序列」
在关系数据库里，一个「客户」或「订单」的事实被拆到多张表里，查询时靠 join 把它们拼回来。KeewanoDB 的思路相反：每个实体用主键标识，其相关的所有事件按时间顺序完整留存，推理时直接沿主键取出整条历史，而不是跨表拼接。对智能体而言，这种结构更贴近「读懂一个对象从头到尾发生了什么」的需求——模型拿到的不是被范式打散的碎片，而是一段连续的上下文。
弃用 join 的代价与收益同样明确。收益是读取路径可被大幅简化：智能体一次主键查询就能获得推理所需的全部相关事实，省去复杂的查询规划与多表关联；在涉及长上下文、多步决策的智能体场景里，这种「整段取用」能降低出错与遗漏。代价则是写入与更新更复杂，冗余与一致性要靠新的机制来保证。Keewano 的赌注是：在机器推理成为主负载的世界里，读路径的简单性比写路径的范式优雅更重要。
用 MCP 把数据库接进智能体工作流
KeewanoDB 的另一块拼图是接入模型上下文协议（MCP）。通过 MCP 服务器，智能体可以直接以工具调用的方式查询与写入这份「事件序列」数据库，而不必先经由应用层做一遍数据搬运。对已经用 MCP 把各类工具连起来的智能体编排，这意味着数据库从「后端存储」变成「可被智能体直接操作的内存式事实源」。这种接入方式也契合当下工具生态的方向：把能力做成标准协议可达的服务，而非绑定在某套 SDK 里。
值得指出的是，KeewanoDB 切入的是「数据基础设施为智能体重做一遍」这条更宽的线索。过去一年，围绕智能体记忆、长期上下文与可观测推理，出现了多类新型存储与检索引擎；它们的共同点是不再假设人类是主要查询者，而是假设一个会反复读取、推理、写入的智能体。这类系统更看重确定性、可追溯与上下文完整，而非传统 OLTP 的事务吞吐。Keewano 的「事件序列 + 无 join」是这条线索上的一个具体答案。
需要打折扣看的部分
客观地说，1200 万美元种子轮与一份清晰的理念，还远未等于产品成熟。其一，弃用 join 在复杂关联查询、聚合分析与跨实体推理上是否会暴露短板，需要真实负载检验；其二，MCP 接入降低了使用门槛，但数据库的性能、持久化与多租户能力仍是工程深水区；其三，投资方与估值等细节尚未完整披露，早期口径需以后续里程碑校准。对关注数据基础设施的团队，更有价值的观察点是：这类「为机器推理而生」的存储，能否在某一类高频智能体场景里，拿出比通用向量库或关系库更低的延迟与更高的准确率。这也提醒数据基础设施从业者，智能体工作负载正在创造一类新的存储需求，传统关系库与向量库都未必最优，谁能先把「读给模型友好」做到极致，谁就可能在细分里拿到先手。而对应用开发者，这类数据库的吸引力在于少写一层数据搬运代码，把精力放回业务逻辑本身。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。