近期研究表明，大语言模型（LLM）能够为固定工作负载合成高度专业化的数据库系统；但这类系统需完全替换数据库管理系统（DBMS）的原生存储层，并假设数据是静态的：用户必须迁移现有数据，往往不得不放弃即席查询（ad-hoc queries），且一旦数据发生变更，加速效果即告失效。本文提出 JetStream 系统，其核心思路并非构建替代性数据库，而是生成面向特定查询的加速器，以扩展已有 DBMS 的能力。给定一组参数化查询模板，JetStream 采用分阶段的智能体（agentic）工作流，自动生成可直接在 DBMS 原生表上运行的加速器；这些加速器可维护自定义的辅助状态，而 DBMS 本身仍全面负责数据存储、事务处理、故障恢复，以及所有非加速查询的执行。该系统依托一个固定、与底层引擎无关的基础框架（substrate），该框架统一处理各 DBMS 引擎特有的接入点（hooks），并在写入操作下确保辅助状态与主数据之间保持事务一致性。JetStream 可生成两类加速器：一类是经测试验证的加速器（tested accelerators），允许采用任意优化技术，并通过差分测试（differential testing）进行正确性验证；另一类是经形式化验证的加速器（verified accelerators），其在性能上略有妥协，但能提供机器可检查的数学证明，确保返回的每一个查询结果均严格满足由原始 SQL 语义导出的可信规范。在 TPC-H 基准测试中（缩放因子 SF=20），JetStream 相较 DuckDB 实现了 315 倍的几何平均读取速度提升（其中经形式化验证的加速器达 93 倍）；即便在每秒持续更新 10,000 行数据的高压力流式写入场景下，其加速性能仍可稳定维持在 120 倍水平。
