پایگاه داده MariaDB قابلیت جستجوی برداری (Vector Search) را به سیستم خود اضافه کرده است، اما با یک چالش جدید روبروست: ابزارهای کمکی کدنویسی مبتنی بر هوش مصنوعی (AI Coding Assistants)، توسعه‌دهندگان را به سمت پایگاه‌های داده رقیب هدایت می‌کنند.
بهینه‌سازی برای مدل‌های زبانی (LLM Optimization)
کاج آرنو (Kaj Arnö)، رئیس بنیاد MariaDB، معتقد است که در حال حاضر توسعه‌دهندگانی که پروژه‌های AI خود را آغاز می‌کنند، انتخاب‌های خود را بر اساس توصیه‌های مدل‌های زبانی بزرگ (LLM) یا چارچوب‌های پیش‌فرض (Frameworks) انجام می‌دهند. او اشاره می‌کند که اگر یک برنامه‌نویس صرفاً پیشنهادهای ابزارهایی مانند Claude Code را بپذیرد، هرگز به سراغ MariaDB برای جستجوی برداری نخواهد رفت.
شکاف در داده‌های آموزشی
این مشکل عمدتاً به دلیل داده‌های آموزشی (Training Data) این مدل‌هاست. بسیاری از LLMها بر اساس داده‌هایی آموزش دیده‌اند که پیش از اضافه شدن قابلیت‌های Vector به MariaDB بوده است. در نتیجه، وقتی از یک مدل زبانی پرسیده شود «چه پایگاه داده‌ای برای بردارها مناسب است؟»، نام MariaDB در لیست پیشنهادات اولیه ظاهر نمی‌شود، حتی اگر مدل در صورت مقایسه مستقیم، از قابلیت‌های آن آگاه باشد.
از SEO به LLMO
آرنو این وضعیت را با دوران اولیه بهینه‌سازی برای موتورهای جستجو (SEO) مقایسه می‌کند. او می‌گوید جهان اکنون از SEO به سمت LLM Optimization حرکت کرده است. برای تغییر این روند، MariaDB باید مستندات بیشتر تولید کند و تعداد کاربران فعال خود را افزایش دهد تا مدل‌های هوش مصنوعی در نسخه‌های بعدی، نمونه‌های بیشتری از کاربرد این پایگاه داده را بیابند و آن را پیشنهاد دهند.
تأکید بر متن‌باز بودن هسته
در کنار این چالش‌ها، بحث‌های مربوط به آینده متن‌باز بودن تکنولوژی کلاسترینگ Galera نیز مطرح شده است. آرنو تأکید کرد که در حالی که تصمیمات تجاری شرکت MariaDB plc در مورد محصولات Enterprise ممکن است متفاوت باشد، بنیاد MariaDB همچنان از متن‌باز ماندن و امنیت هسته اصلی سرور (MariaDB Server) محافظت می‌کند.
