导语
本次发布版本的兼容性等级为二级，详见官方文档 版本兼容性说明，可支持企业级场景下的平滑升级与稳定部署。为便于区分版本适用范围，标注【V3.0】的功能项均指仅由 DolphinDB 3.00.6 支持。
对于金融机构和大型企业而言，真正的挑战不只是“有没有 AI”，而是能否将分散在不同系统中的数据、计算与业务流程打通，形成安全可控、可治理、可复用的智能闭环，以应对快速变化的市场环境、实时决策压力与复杂生产场景。
在 DolphinDB 新发布的 V3.00.6 & 2.00.19 中，围绕这一目标持续推进能力升级：一方面推出 DolphinX，将 DolphinDB 原生能力与 Agent 平台深度融合，让数据、计算和业务能力一键转化为可安全调用的智能体能力；另一方面进一步强化 FeatureDB、FICC、JIT、动态脚本优化、流计算高可用以及系统运维等核心能力，覆盖从低延时特征存储、复杂衍生品定价到高性能脚本执行与企业级治理的关键链路，帮助用户以更低的系统拼装成本、更高的执行效率和更强的生产可用性，加速智能化应用落地。
本文将带领各位一览 DolphinDB V3.00.6 & 2.00.19 的亮点功能与重要更新。
1. DolphinX：企业级 AI 开发与治理底座【V3.0】
智能分析和自动化处理需求的快速增长，传统“数据库 + 外部 AI 框架”的拼装模式，在安全性、兼容性、运维复杂度和企业级治理等方面正面临越来越多挑战。为此，新版本推出了 DolphinX ——专为企业打造的 Agent 开发与治理平台，让数据、计算和业务能力一键变成可安全调用、可治理、可复用的智能体能力，助力业务决策快速迭代、加速落地。
自然语言驱动数据全链路，降低编程门槛
内置 CodingAgent，用户可通过自然语言直接调用 DolphinDB 核心能力，无需掌握 Dlang 即可完成脚本编写调试、SQL 查询分析、数据导入导出、流计算与实时引擎开发等任务，让复杂数据能力以更低门槛服务更广泛的业务场景。
开箱即用 + 灵活扩展的 AI 工具体系
无需任何配置，即可在 Web 端直接使用；同时提供 Web 管控台，可配置 Prompt、模型、MCP 并绑定 Skill 搭建专用 Agent——目前已内置覆盖编程规范、数据导入、金融业务、流计算、运维、机器学习、可视化、测试等多类 Skill【见下表】。这些 Skill 同样可直接接入 Codex 等第三方 AI 工具使用，可以在 https://github.com/dolphindb/DolphinX_Skill 下载获取。如需深度定制，还可通过 DolphinX API 深度嵌入自有系统。
此外，针对物联网设备监测、传感器数据分析、故障预测和设备分群等典型场景，DolphinX 还内置了机器学习 Skill，用户通过自然语言即可在 Web 端直接完成从数据查询、字段识别到分类、回归、聚类建模的全流程分析。
摆脱外部依赖，打造企业级智能闭环
AI Agent 能力内嵌于 DolphinDB Server 内部，无需引入第三方编排框架，即可实现从理解、分析到执行的闭环运行。对模型生成但未经人工审核的脚本，DolphinX 会先解析再执行，限制删除、清理等高危操作；调用 DolphinDB 能力时复用当前用户身份权限，无需另建一套访问体系，显著降低外部依赖带来的安全、兼容性与运维复杂度，让企业级智能应用构建更加稳健高效。
为了进一步提升 AI 对数据库环境的理解能力，DolphinDB 同步完善了数据库对象的语义描述体系。在此前已支持为表、表字段及自定义函数添加描述信息的基础上，本版本新增 Catalog 与 Schema 层级的描述能力，并将表字段描述长度由 256 字节扩展至 1024 字节。通过更完整地表达数据库层级结构与业务语义，AI Agent 能够更准确地理解数据资产、生成脚本并执行分析任务，从而形成更可靠的企业级智能闭环。
企业级 Agent 开发与治理底座
DolphinX 为各类 Agent 提供会话管理、Memory、Skills、上下文组装、LLM 供应商管理、权限审计等通用能力，帮助企业避免重复开发，实现统一治理与运维。框架支持短期与长期记忆，并基于 DolphinDB 的 TextDB 与 VectorDB 内建 RAG 知识体系，同时统一适配多家 LLM 供应商，支持 fallback 切换、token 预算控制及本地或私有云部署，兼顾灵活扩展、数据安全与自主可控。
面向自然语言交互、智能分析和自动化处理等场景，DolphinX 将 AI 能力与 DolphinDB 深度融合，提供兼具开箱即用工具能力与企业级扩展能力的一体化产品体系，帮助企业以更低门槛、更低系统拼装成本构建智能化数据应用。
2. FeatureDB：AI / 机器学习场景的低延时特征存储引擎【V3.0】
在 AI 和机器学习训练和在线推理场景中，特征数据的访问模式通常不是通用分析查询，而是按列、按窗口、按时间点进行高频读取。传统以行式访问为主的在线特征存储，更偏向整行读写和键值检索，和这类访问模式并不完全匹配，因此在宽表特征、频繁读取和低延时服务场景下，容易成为性能瓶颈。
FeatureDB 正是为这类场景设计的特征存储与访问引擎，它运行于 DolphinDB 环境中，面向 AI 和机器学习场景提供特征数据的存储与访问能力，为特征服务链路提供高效、轻量的基础支撑。
注：新版本提供的 FeatureDB 仅支持纯内存模式运行，持久化存储模式将在后续版本中提供，敬请期待。
微秒级随机读取，有效缓解特征访问瓶颈
FeatureDB 支持微秒级的随机读取性能，响应时间通常仅数微秒至数十微秒，可有效缓解特征读取对模型训练与在线推理的效率影响。在特征规模大、读取频率高的场景下，这一能力对提升训练吞吐和降低推理延迟具有显著价值。
原生支持机器学习数据类型，灵活定义宽表结构
FeatureDB 原生支持 FLOAT8、FLOAT16、FLOAT32、FLOAT64 等机器学习常用浮点类型，满足不同精度与存储密度的需求。同时支持包含数百个特征列的宽表结构，并通过简洁的语法快速定义连续特征列，降低大规模特征工程的管理成本。
Python 生态无缝集成，简化从导入到读取的工作流
FeatureDB 上游可通过标准 Parquet 格式对接 Spark、PyArrow 等特征计算工具，支持一键批量导入；下游通过 Python SDK 直接输出可被 NumPy、PyTorch 等主流生态工具消费的数据，覆盖从存储到训练和推理的完整链路，贴合特征数据的高频读取模式。全程使用业界通用的工具与格式，有效降低了系统的集成与维护成本。
FeatureDB 的推出，标志着 DolphinDB 在 AI/ML 场景下的能力延伸,为用户构建高性能特征数据服务提供了新的基础设施选择。
3. 构建完整定价闭环：FICC 能力系统性升级【V3.0】
新版本持续完善 FICC 定价能力体系，新增固定收益、利率、信用、外汇及权益场外衍生品等多个方向的定价函数，扩展含权债券、回购、国债期货、FRA、Cap/Floor、Swaption、CDS、NDF、数字期权及区间累积期权等产品支持；同时新增 Copula 工具函数、信用曲线、波动率曲面/立方体以及日期生成、Schedule 构建等基础工具，进一步完善跨资产定价与风险分析能力。
4. JIT 能力进一步增强，复杂脚本支持与稳定性持续提升 【V3.0】
随着企业对复杂业务逻辑实时执行、高性能脚本加速以及事件驱动处理能力的要求不断提升，JIT 已逐渐成为承载核心计算逻辑的重要能力。但在真实生产场景中，用户关注的不仅是“能否编译”，还包括对复杂语法的支持范围、对象与容器操作的表达能力，以及在长时间运行、复杂事件流和高并发处理下的稳定性与一致性。
为此，在新版本中，围绕 JIT 能力增强与稳定性提升，DolphinDB 进行了系统升级，以帮助用户以更低改造成本将更多业务逻辑纳入高性能执行路径。
更完整的语言能力支持，复杂脚本可直接纳入 JIT
本次新增对部分应用、匿名函数、lambda 表达式、闭包、默认参数、keyword 参数调用等语法的 JIT 支持。更多原本依赖解释执行的写法，现在可以直接进入编译路径，无需为适配 JIT 而重构代码。对于需要抽象公共逻辑、组织复杂计算流程或处理丰富数据结构的场景，脚本表达的灵活性得到显著提升。
类型系统与容器能力增强，更适合复杂对象建模
本次新增的类型标注语法，是对 JIT 类型系统的重要补强。用户可在类定义时显式声明每个成员的类型，格式为 成员名 :: 类型：
class MyClass {
field1 :: STRING
field2 :: INT
field3 :: DOUBLE VECTOR
field4 :: DICTIONARY[STRING, STRING]
}标注支持标量、自定义类、向量、ANY 及可递归嵌套的字典类型。JIT 编译器将直接根据标注生成类型特化的机器码，无需运行时类型推断，在复杂对象访问与嵌套结构处理场景下显著提升执行效率。
在容器操作层面，本次同步扩展了上述各类型在 JIT 运行时的操作支持，覆盖读取、赋值、删除、清理、索引和并发访问等场景，新增 Matrix 类型和非标量下标支持，并集中修复了大量容器相关的 crash、内存异常和结果错误问题。
CEP 等相关场景兼容性同步改善
新版本进一步增强了 JIT 对 Class 的支持能力，覆盖 CEP 中的事件类、监视器类及辅助类，并补强了字典/向量成员读写、类嵌套类、方法间调用、回调函数传递等复杂 Class 用法，提升了相关场景下的执行效率与稳定性。
稳定性集中修复，工程可用性大幅提升
除了语言能力扩展，新版本还重点加强了 JIT 的工程可用性。集中修复了复杂数据处理、嵌套赋值、循环执行、类与 tuple 处理等场景下的多类稳定性问题，并解决了若干内存泄漏、内存持续上涨和资源占用异常风险。这些改进不仅减少了运行中的异常情况，让 JIT 在复杂业务逻辑和真实生产数据压力下更加可靠。
5. 动态脚本优化升级，函数嵌套与循环脚本加速更灵活
在量化计算、实时风控和低延时交易等场景中，用户经常需要编写包含循环、条件分支和函数调用的复杂脚本。这类逻辑往往难以完全向量化，解释执行效率容易成为性能瓶颈。
为此，DolphinDB 推出了动态脚本优化能力。开启后，系统可在运行时自动优化解释执行脚本，无需修改用户代码，即可显著提升包含循环、条件分支和函数调用的脚本执行效率。在函数嵌套调用密集的场景下，实测可获得数倍性能提升。
在新版本中，这一能力进一步完善，运行时开关的生效范围升级为 Session 级别。也就是说，配置项继续负责设置默认值，而运行时函数只作用于当前会话，不再影响同一进程中的其他 Session。这一改进让动态脚本优化在多用户、多任务环境下更加灵活可控。用户可以在某个 Session 中单独开启优化做性能测试，同时在另一个 Session 中保持默认行为进行验证，彼此互不干扰，更适合生产场景使用。
优化场景
动态脚本优化尤其适用于以下场景：
- 多层函数嵌套调用：例如策略逻辑被拆分为多个小函数并频繁相互调用；
- 复杂循环计算：例如逐笔/逐bar处理、窗口内逐元素判断、递归式状态更新；
- 高频条件分支判断：例如信号识别、风控规则链、交易条件逐项过滤；
- 难以改写为向量化表达的业务逻辑：例如依赖前序状态、路径依赖或多阶段决策的脚本。
在这些场景中，动态脚本优化能够显著降低解释执行开销，减少循环与函数调用带来的性能损耗。实测表明，函数调用密集型脚本性能提升 63.9%–88.8%，多层函数嵌套场景最高可达 8.93 倍加速；VWAP 等典型金融因子计算场景亦有 30% 以上的提升。
6. 流数据高可用能力持续加固
新版本对流数据高可用能力进行了系统性增强，涵盖高可用流表与高可用 MVCC 表两大场景，进一步提升了功能在生产环境中的健壮性。
在高可用流表方面，流数据订阅与投递的整体稳定性进一步提升，订阅管理的可靠性得到持续优化，节点状态变更后系统能够更快恢复稳定的服务状态。上述改进同样延伸至 ORCA 流计算平台，流图的运行连续性获得加强，进一步提升数据的可靠性。
在高可用 MVCC 表方面，HaMvccTable 进一步强化了数据读写与同步过程中的稳定性保障，增强了资源管理的可靠性，确保多节点间数据的一致性。经过持续迭代，HaMvccTable 在生产环境中的成熟度进一步提升，能够为用户的关键业务数据提供更坚实的保障。
除了上述重点功能的升级，新版本也在数据库内核、数据分析等核心能力上不断提升。
数据库能力持续优化
新版本围绕分布式调度、存储接入、数据生命周期管理与写入控制持续增强数据库核心能力：进一步优化多副本场景下的任务调度均衡性，提升集群整体吞吐；简化 S3 存储接入配置，支持通过 AWS SDK 默认凭证链自动获取认证信息，降低使用成本；完善按月分区数据库的数据保留与冷存储迁移管理能力，增强全生命周期自动化；同时提升写入控制的精细度，避免复杂更新场景下未指定列被误写为 NULL，增强数据一致性。
计算函数全面增强
新版本围绕量化研究与实时计算场景持续增强函数库能力，在时序加权、滑动窗口、因子回归和数据互通等方面进一步补强，提升了计算语义的精确性与生产可用性。新增按时间维度的加权计算、线性滤波、变长滑动窗口和滑动回撤等能力，并扩展了自定义聚合与回归控制参数，满足更复杂的业务建模需求；同时，文本导入和 JSON 序列化能力也进一步完善，增强了与外部系统的数据交互兼容性。
核心语言能力持续进化
新版本围绕核心语言能力持续增强，在类型表达、Class 定义和控制流等方面进一步补齐能力，同时在元编程、SQL 语义和函数元数据表达上持续优化，提升了语言在复杂业务建模和工程落地中的可用性。其中，元编程增强了按空值排序语义的表达；SQL 新增了 uion join(uj)、ROLLUP、context by 组内分页以及类型转换和标识符兼容等特性；函数层面则通过 @desc 以及参数、返回值类型标注，完善函数元数据表达。
流计算体系持续完善
新版本围绕流计算体系持续完善，在时序计算、快照合成和流表治理等方面进一步增强了能力：时序引擎支持更灵活的触发机制，快照合成支持按多个时段精细输出，流表查询新增访问控制标识便于审计管理，同时优化了 Orca 流图下动态指标的维护能力，进一步提升了流计算在复杂业务场景中的稳定性与可用性。
插件 & API
新版本完善了插件安装与 Python 数据上传能力，增强了受限网络环境下的插件获取效率；同时，新版本进一步提升了 Python 侧与 Arrow 生态的数据兼容性，便于与 polars 等工具链协同使用。
8. 系统运维能力持续升级
生产环境的稳定运营，离不开对系统状态的清晰掌握、对资源与权限的有效管控，以及对底层性能的持续调优。新版本围绕这三个核心运维诉求，对相关能力进行了系统性增强。
系统状态更透明
运维人员对系统状态的掌握往往依赖各类查询接口的完整性。新版本在多个维度补强了可观测能力：后台任务支持按权限查询历史记录，流表、函数、共享变量、内存表等对象的查询结果新增关键状态字段，让系统运行状态一目了然。此外新增建库、建表语句的自动生成能力（对应函数：getDatabaseDDL、getDBTableDDL），生成结果可直接执行，大幅简化环境迁移与结构复现的操作成本。
安全与资源管控更严密
安全层面，新增基于 AES-256-CBC 的字符串加解密能力，为敏感数据的存储与传输提供保障；License 授权新增加密狗校验支持，并提供连接状态与断线后剩余可用天数的实时查询，授权状态随时可查。资源管控方面，新增用户级任务并行度硬限制，避免单用户任务过度占用集群资源。元数据层面，Catalog 和 Schema 支持添加描述信息，便于多租户环境下的对象标注与管理。（部分功能仅 V3.00 及以上支持）
9. 性能与体验提升
新版本围绕数据处理效率、系统稳定性和使用体验进行了全面优化，进一步增强了 DolphinDB 在分布式计算、存储管理和高可用场景下的表现。查询解析、错误提示、存储调度、缓存预热、事务管理和 Leader 稳定性等核心机制均得到改进，提升了系统在复杂业务环境中的性能、可观测性与运行可靠性，同时降低了存算分离、冷热分层和大规模数据访问场景下的资源开销。
特别的，在存储调度层面，新版本新增 TSDB 存储卷磁盘类型配置 volumeType，在 SSD 场景下针对 level file 读取路径进行了专项优化，降低存储层延迟，提升高频读取场景下的整体吞吐表现。实测显示，开启配置为 ssd 后，多层分组聚合场景下吞吐较未开启均呈一致提升，平均约 13%，最高单场景提升达 35%；在高频 CPU 密集读取场景下，吞吐提升最高可达 109%。
在功能体验方面，新版本在对象展示、时间戳设置、动态指标管理、字段解析、许可查询、矩阵取值以及常用数据处理能力上均有所增强，进一步提升了灵活性、易用性和兼容性。
10. Roadmap
存储与数据接入
- FeatureDB 将进一步支持持久化模式，提升特征数据的可靠性与复用能力。
- 面向车辆网、储能等场景，物联网（IOT）引擎将新增写入选项，以优化分区写入并发处理逻辑，提升在云边协同场景的写入吞吐量。
- 增强外部表（如 S3 等）的读取性能，提升湖仓一体架构下的数据接入效率。
金融衍生品定价能力
重点增强复杂衍生品定价能力，覆盖三大类品种：
- 固收：含权债
- 信用：CLN、CRMW、CRMA
- 外汇：Asian、Barrier、Touch 及 Quanto 期权
同步完善 LV、SV、SLV、PDE、Monte Carlo 等核心定价模型，并优化相应引擎适配能力，为多资产、多品种定价提供统一基础设施。
智能体矩阵
推出面向不同场景的智能体产品：
- 数据库运维智能体
- 插件开发智能体
- 机器学习与数据分析智能体
- 金融投研智能体
- 支持长会话的 Dlang 编程工具
- 同步推出智能体评测工具 X-Lab，用于衡量与验证智能体能力。
查询引擎优化
优化 SQL 引擎，功能上进一步对齐标准 SQL，性能上重点提升多表关联场景的执行效率。
更多功能细节请点击 https://docs.dolphindb.cn/zh/rn/server/3_00_6.html ，查阅 Release Notes。