編按：本文綜合整理自 DoltHub Blog — DoltLite Beta 及 GitHub dolthub/doltlite，並加入 Siami 編輯部觀點與分析。
DoltLite 是什麼？
DoltLite 是 SQLite 的一個分支（fork）。從 SQL parser、query analyzer 到檔案系統介面層，全部沿用 SQLite 上游原版；唯一被替換的，是 B-tree 儲存層——改由 Dolt 既有的 Prolly Tree（內容定址的 B-tree）搭配單檔 chunk store 撐起。
簡單說，這是一個「SQLite + Git」的合體：你繼續寫 SQL，但底層每筆資料都自帶版本資訊，可以像 Git 一樣分支、合併、diff、push、pull、clone。
相較於 Dolt 過去得在版本控制儲存層上面重新實作整個 SQL engine（吃重且艱難），DoltLite 反過來利用 SQLite 已有的 SQL 引擎，只改寫儲存層——只需新增約 18,000 行 C 程式碼。
- 本地版控：分支、合併、diff、rebase、cherry-pick、reset 全套支援
- 遠端同步：push / pull / clone / fetch，後端可以是 DoltHub 或自架 remote
- GUI：附完整的 Dolt Workbench（含 agent 模式，能讓 AI agent 對 SQLite 操作後用
dolt_reset('--hard')救回）
五個月衝到 Beta：2,000 個 PR 是怎麼來的？
這個專案最初的動機非常隨性：作者 Tim Sehn 想找一個「不是玩具等級的真實問題」來測試 Steve Yegge 的 AI agent 編排工具 Gas Town。結果這場實驗，催生出一個資料庫產品。
幾個關鍵數字：
- 從啟動到 Beta：約 2,000 個 pull request
- 上游 SQLite 原始 C 程式碼被修改：只有 8 行
- 全新 C 程式碼量：約 18,000 行
- Beta 前儲存格式變更次數：12 次
- 穩定版格式已運行：57 個 release / 超過 3 個月
為什麼 agents 能在 SQLite 這種「工程量怪物」上做出有意義的進展？DoltHub 自己整理的條件是：
- 已有 Dolt 跟 SQLite 兩個成熟實作當參照
- SQLite 的介面剛好能乾淨地置換 Proly Tree
- SQLite 內建完整測試套件，可直接當 agent 的 oracle
- SQLite 程式碼規模適中，不會炸 context window
- 作者本身就是 Dolt 領域的 deep expert
- 預算幾乎無限
Beta 代表什麼？
DoltLite 進入 Beta 並非只是行銷詞。它的意義落在四個具體面向：
- 儲存格式穩定：未來 breaking change 會提供遷移路徑，使用者不必擔心升級爆檔
- SQL 相容性：通過 100% 的 sqllogictest（580 萬條複雜查詢）；SQLite 的 892,277 條 TCL 接受度測試通過 99.46%，剩餘 4,809 條差異皆有明確原因
- 完整版控：上述 Git 式操作皆可用，並能與 DoltHub 同步
- 生產級效能：每晚自動跑 sysbench 風格基準並發佈到 GitHub
效能數字（相對 SQLite）：
- 記憶體模式：讀慢 10%、寫慢 60%
- 檔案模式：讀幾乎打平、批次寫慢 10%
- 小量 autocommit 寫入：慢 3.1 倍（仍維持微秒級，~125µs vs ~400µs）
換句話說：日常 query 幾乎感覺不到差異；如果你會做大量小寫入，記得 batch 起來。
🚨 為什麼這件事重要
DoltLite 的意義遠超過「多了一個 SQLite 變體」。它是一次對 AI agent 工程能力的公開壓力測試，而且測出來的結果出人意料地正面。
過去兩年業界對 AI 寫程式最大的質疑是：context window 撐不住大型 codebase、超過幾千行的修改就會品質雪崩。DoltLite 正好是這種懷疑的反證樣本：
- 2,000 個 PR、18,000 行新 C 程式碼，全由 agent 在「無限預算 + 專家指導 + 既有測試 oracle」的條件下產出
- 上游 SQLite 僅被動到 8 行，代表 agent 對「不要亂碰 upstream」有紀律
- 最終通過 SQLite 99.46% 接受度測試 + 自家 1,935 條 version-control oracle 測試
- 沒有出現「能跑但不能 production 用」的傳統 AI 程式碼樣態
更值得注意的是，作者 Tim Sehn 並非靠 agent 取代工程師，而是把 agent 當實習生大軍——Oracle 比較、sysbench 跑分、PR 審查仍由人把關。這也回應了 Steve Yegge 在 Gas Town 推廣時的核心論點：「未來的瓶頸不是 code generation，而是 review 與 orchestration。」
對台灣與中文開發圈，DoltLite 帶來兩個直接可用的價值：
- Local-first 應用：想做離線優先的 App，但苦於 SQLite 沒有版本機制？DoltLite 直接補上
- Agent 工作流可審計：AI 改了你的資料庫後想 rollback？
dolt_reset --hard就能回到上一個 commit
🚨 數據解讀與質疑
這裡有幾個值得保留的數字與懷疑：
- 2,000 PR / 5 個月：換算下來每天約 13 個 PR。這個量級需要相當成熟的 agent orchestration（Gas Town 的「Ralph loop」與 multi-agent 編排機制是底層），不是單純 chatGPT 寫 code 能達到的量
- 12 次格式變更才穩定：說明早期資料遷移成本高，現在用 v12 的使用者風險已大幅降低
- 小寫入慢 3.1 倍：對 IoT 與即時系統是隱藏成本，DoltHub 自己建議盡量 batch
- 8 行上游改動：這是「乾淨介面 + 嚴格紀律」的結果，換成其他專案未必能複製
仍待觀察的風險：
- 儲存格式再變動的承諾：目前是「會給 migration path」，但沒有 SLA
- multi-writer 場景：DoltLite 用 graph lock sidecar 序列化寫入者，多進程併發寫入需要仔細設計（不是 SQLite 那種「隨便多執行緒都行」）
- gas town 依賴：agent 大軍的協作框架本身仍早期，框架一改 DoltLite 的維護成本就會改變
怎麼試？
- GitHub：https://github.com/dolthub/doltlite
- 官方 Beta 公告：https://www.dolthub.com/blog/2026-08-31-doltlite-beta/
- 釋出版本：v0.50.0
- 性能日報：performance-report.md
- Hacker News 討論：https://news.ycombinator.com/item?id=49516848
- 開發者社群：DoltHub Discord
#doltlite🪶頻道
對嵌入式資料庫需要 audit 與 rollback 的團隊、想把 SQLite 跟 AI agent 串起來的前端工程師、或單純對「agent 能撐多大的工程」感到好奇的讀者，這是一個值得花一個下午親手跑一遍的專案。