概述
Flexible Database Design 是一套针对半结构化、多源异构数据的 SQLite 数据库设计方法论，核心解决「字段不固定、来源多样、需求常变」的存储难题。其「主干硬、尾巴软」的三层架构（原始层→软字段层→业务视图层）兼顾了数据完整性与查询灵活性，特别适合个人知识管理、政策信息收集、财务报表归档、PDF报告库等场景。
核心用法
1. Discovery 阶段：Agent 引导用户确认数据来源、固定字段、变动字段、全文检索需求、数据量等关键信息
2. 场景模板选择：从知识库、政策追踪、财报收集、表单问卷等7种预设模板快速匹配
3. Schema 生成与落地：复制模板 SQL，最小化调整字段枚举，按需启用 FTS 全文检索
4. 脚本适配与验证：部署 Python CLI 工具链（归档、查询、管理），完成端到端测试
显著优点
- 架构清晰：三层演进模型避免初期过度设计，支持按需扩展
- 场景覆盖广：内置7种典型场景模板，开箱即用
- 中文检索友好：提供 FTS + LIKE 回退、短词拆分等中文优化策略
- 工具链完整：含归档、查询、批量导入、数据验证等 CLI 脚本
- 溯源能力强：原始层保留完整数据，支持版本追溯与字段补录
潜在局限
- 性能天花板：SQLite 在万级以上数据量时 LIKE 查询性能下降，需评估或迁移至外部搜索引擎
- 中文分词限制：FTS5 的 unicode61 对中文支持有限，复杂场景需额外配置 jieba 或 Meilisearch
- PDF 处理依赖：扫描件 PDF 无法自动提取正文，需人工标记或跳过
- Schema 变更成本：虽比传统关系型灵活，但业务视图层的大幅改动仍需手动调整
适合人群
- 需要整合多来源碎片化信息的个人知识管理者
- 追踪政策、财报等动态信息的分析师与研究员
- 构建轻量级数据归档系统的中小团队
- 希望避免重型数据库运维成本的 SQLite 用户
常规风险
- 数据一致性：软字段层的 JSON/key-value 缺乏强约束，需约定命名规范（snake_case、命名空间）
- 查询性能陷阱：高频查询条件未提键值对并建索引时，可能触发全表扫描
- FTS 召回率：纯依赖 FTS5 的中文检索可能漏检，务必实现 recall() 回退机制
- 存储路径管理：PDF 等文件的 file_path 建议使用相对路径，避免跨环境失效