核心用途与定位
SurrealDB 3 Skill 是一套面向 AI 助手的高级数据库专家系统，深度覆盖 SurrealDB 3.x 的全生命周期开发：从 SurrealQL 查询语言、多模型数据建模（文档/图/向量/时序/地理空间），到生产级部署、性能调优与安全加固。不同于通用的数据库知识库，本 skill 提供可执行的 Python 工具链（doctor.py 健康检查、schema.py 模式内省、onboard.py 能力清单），直接对接运行中的 SurrealDB 实例，实现「文档即代码」的 Agent 工作流。
显著优势
1. 多模型原生融合：无需跨数据库拼接，单个 SurrealQL 语句可同时操作文档、图关系、向量相似度搜索（HNSW 索引）和时序数据，大幅降低架构复杂度。
2. AI 原生集成：内置 SurrealMCP（Model Context Protocol）服务器，使 Claude Desktop、Cursor、Zed 等 AI 宿主直接读写数据库；支持 LangChain Python 向量存储与 RAG 流水线。
3. WASM 扩展生态：SurrealDB 3 引入 Surrealism 框架，允许以 Rust 编写自定义函数与分析器并编译为 WASM，扩展数据库能力而不改核心。
4. 完整 SDK 矩阵：官方支持 JavaScript/TypeScript（Node/Deno/Bun）、Python、Go、Rust、Java、Kotlin、.NET、PHP、Swift、Ruby 等 10 余种语言，覆盖全栈开发场景。
5. 生产级工具链：从 SurrealKit（声明式模式同步/迁移）、Surreal-Sync（CDC 数据迁移）到 SurrealFS（AI 代理文件系统），形成闭环 DevOps 生态。
潜在局限与风险
- 生态成熟度：相比 PostgreSQL 或 MongoDB，SurrealDB 社区规模较小，第三方库和 Stack Overflow 资源有限，复杂问题需依赖官方 Discord/GitHub。
- SurrealML 不稳定：v1.4.1 文档已撤回
DEFINE MODEL等表面，当前仅.surml格式和 pip extras 可用，生产环境 ML 推理建议暂用外部服务。 - LangChain JS 支持缺失：v1.4.1 已撤回 JS 包，目前仅 Python 向量存储可用，全栈项目需评估语言一致性。
- 默认凭证风险：示例中大量使用
root/root，Skill 虽标注「仅限本地开发」，但新手易误用于生产，需配合DEFINE USER和权限系统严格管控。
适合人群
- 追求「少即是多」架构的技术团队，希望用单一数据库替代文档+图+向量多库组合
- 构建 AI 原生应用的开发者，需向量搜索与 LLM 工具链深度集成
- 已有 SurrealDB 2.x 存量系统，计划平滑升级至 3.x 的架构师
- 需要为 AI Agent 提供结构化记忆与知识图谱的 LLM 应用工程师
安全与可信度评估
本 Skill 代码经过结构化审计：Python 脚本采用 PEP 723 标准，依赖透明可追踪；无混淆代码、无二进制 Blob、无 curl | sh 安装；网络访问仅限于用户指定的 SurrealDB 端点和可选的 GitHub API（用于上游版本检查）；凭证通过环境变量注入，不硬编码于 Skill 内部。建议生产环境配合 TLS 传输、RBAC 细粒度权限和定期 doctor.py 健康巡检。