Databricks 内部应用 Slide Hub 基于 Lakebase Postgres 实现混合搜索，结合向量检索与 BM25 关键词检索，无需独立搜索系统。基准测试显示：8 CU 以下时数据库为瓶颈，8 CU 以上时应用为瓶颈；缓存与索引比例决定命中率，接近 1.0 时延迟稳定。建议索引用 quality 模式、候选数设为 200，生产环境最小 0.5 CU 以避免冷启动。

AI编程代理并行开发时，共享数据库易冲突并危及生产数据。Lakebase Postgres通过数据库分支解决：秒级创建隔离分支，采用写时复制，空闲可缩零。每个代理和PR使用独立分支，测试后删除，架构变更经迁移工具提升至主分支。该模式支持安全调试与迁移验证，构成代理开发循环。

Lakebase Postgres 采用计算与存储分离架构，数据历史存于对象存储，恢复时按时间戳创建分支，无需复制数据或重放 WAL。分支恢复仅需数秒，即使 100TB 数据库也一样，而传统托管 Postgres 恢复需数小时。该机制支持代理自动执行，可用于实时版本控制和撤销。

Databricks 在 Lakebase Postgres 上推出 lakebase_vector 和 lakebase_text 扩展，提供可扩展的向量搜索与 BM25 全文检索，已在 AWS 和 Azure 正式可用。该方案突破 pgvector 内存瓶颈，支持存算分离、并行索引与混合搜索，可无服务器扩展至十亿级向量，兼顾高召回与低延迟。

Databricks 为 Lakebase Postgres 优化计算节点缓存：在固定规格计算上停用本地文件缓存，将共享缓冲区设为内存的75%，并启用2MB大页以减少页表和TLB开销。实测吞吐翻倍、延迟下降、CPU占用降低，存储读取请求大减。下一步将把大共享缓冲区扩展至自动伸缩计算。

Lakebase Postgres将Postgres的WAL日志作为持久化数据源，使对象存储成为事务数据库的底层存储。通过将日志视为数据库，数据文件作为派生缓存，系统支持按LSN寻址历史数据，实现秒级分支、即时恢复和低成本副本。这使代理工作负载能安全操作数据库，并支持LTAP分析，无需复制数据。