第4讲：阶跃星辰赛题方向解析学习笔记

发布于 2026年9月26日

学习资料：OceanBase《2026 从 0 到 1 数据库实践教程》第四讲
主讲人：王泽林（OceanBase 开源研发专家）
记录日期：2026 年 9 月 7 日
以下按视频与课件整理，尚未实现赛题；要求与产品介绍均按课程当时的说明记录。

1. 阶跃星辰的定位与本题方向

课程介绍，阶跃星辰关注智能终端与端云协同：端侧处理高频、低延迟和涉及隐私的任务，云端承担复杂推理与长链路任务。产品分为 Pro、Flash、Edge 等系列，并覆盖音频、图像、视频和 GUI 等多模态能力。其中 Step Edge 面向手机、车机等终端场景。

本次合作题目落在端侧应用：做一个浏览器端“端侧向量化＋seekdb 语义检索”的迷你知识库。 核心是把模型推理、数据存储和检索流程真正跑通，并完成基础性能优化。

虽然产品介绍包含端云协同，本题要求推理在用户设备本地完成，禁止调用云端推理 API。模型可以自行选择公开可获取的开源模型，并在文档中声明来源；题目没有限定必须使用阶跃星辰的模型。

2. 需要实现的知识库与任务要求

从导入到检索的完整流程

用户导入文本资料（可选包含图片）
    → 浏览器加载量化 Embedding 模型，在本地生成向量
    → 将向量、原文和元数据写入 seekdb
    → 通过 seekdb 完成向量＋全文混合检索
    → 展示检索结果

这里 Embedding 的作用是把文本编码为向量，seekdb 则负责数据与索引管理、检索。我的理解是，本题重点在于知识库的导入和检索流程，课程没有将大模型生成回答列为必交功能。

课件列出的参考模型包括 all-MiniLM-L6-v2、bge-small-zh、bge-small-en。它们是选型参考，实际采用的模型需要能在浏览器端运行。

核心实现要求

这里的 WebGPU／WASM 是浏览器内的推理执行后端。降级后仍在本地执行，不是把请求转交给云端。

量化效果需要用自己的模型文件和实验结果说明。课件中的体积压缩示意可作参考，不能直接当作自己项目已经达到的结果。

通用规则与容易遗漏的边界

课程列出六条通用规则：端侧运行、必须使用 seekdb、模型开源、可运行交付、浏览器兼容，以及禁止预计算回放或伪装端侧实际走远程推理。

其中需要特别记住：

• 存储与检索必须经过 seekdb，课件允许嵌入式或本地 server 形态；推理在浏览器内完成，不代表数据库也必须在浏览器里运行。
• 支持主流现代浏览器，课件点名 Chrome／Edge，并要求处理 WebGPU 不可用的情况。
• 不能用提前算好的结果代替现场推理，也不能把远程推理包装成本地执行。
• 增量导入、索引刷新和状态管理都属于题目内容，不能只演示一次静态查询。

讲者还提到，评测时会提供一份较大的语料库。本讲未给出具体规模、分值或延迟验收阈值。

3. 技术方案与交付清单

课程给出的参考技术栈

整体可以分为三层：浏览器负责导入与交互，端侧运行时负责向量化，seekdb 负责知识库存储与检索。

课件给出的资料入口：seekdb 文档、seekdb-js 仓库、Xenova 模型资源。这里记录入口供后续查看，本次没有验证依赖版本或运行这些示例。

三件必交付物

一页技术说明需要覆盖四方面：

1. 模型与量化：模型名称、来源、int8／fp16 方案、体积压缩比和效果变化。
2. seekdb 使用：集合或表的字段与索引设计，向量＋全文混合检索方式。
3. 运行与降级：WebGPU 选择策略、WASM 降级触发条件及界面提示。
4. 状态与优化：增量写入、会话状态、批处理、检索延迟与索引刷新。

这道题考察的是一个可运行、可解释的端侧检索应用：既要证明向量在本地生成，也要让 seekdb 实际承担存储和混合检索，并说明模型压缩、兼容性和性能方面的工程取舍。