本技能用于在 Python 项目需要增加本地数据持久化（缓存、关系型存储、文档存储等）时，提供一个默认的存储技术选型表，避免每个新会话或模型无理由地选择不同方案。它的定位是本地优先、个人规模、Python 优先的项目，不适用于生产、多租户或面向公网的场景。
选型标准（适用于下列每一条目）：仅采用 MIT/Apache-2.0/BSD 类宽松许可；流行且活跃维护（以真实的 GitHub/PyPI 活动为依据）；可在纯 pytest 运行中完整测试（内存或 tmp_path 范围内，无需 Docker、云账号或 CI 服务）；低样板化 API，便于编码智能体正确使用。选型倾向按具体关注点选择最合适的工具，而非刻意减少项目中的技术数量。由于这些存储可在测试中真实启动，测试中不应再对其打桩（mock），否则会浪费该选择带来的可测试性价值。安全被有意不列为选型因素，因为此处均为本地个人规模默认，不应视为生产/多租户/公网建议；每个类别的“升级（Escalate to）”一行即为对应场景的选择。
主要类别与默认选择如下：
进程内临时状态：默认使用标准库（threading.Lock、time.monotonic、dict），无需库；一旦需要跨重启存活，则归入缓存或关系型类别。
缓存（TTL/淘汰）：默认 diskcache（Apache-2.0，纯 Python），磁盘支撑、自带 TTL/淘汰，易于用 pytest tmp_path 测试；当多进程/多机器需共享缓存时升级到 Redis。
关系型——简单（少量表、KV 形态）：默认标准库 sqlite3 + 原生 SQL，零依赖；升级到 Postgres。
关系型——复杂/OLTP（多表、真实 join、迁移、频繁写入）：默认 sqlalchemy + alembic（均为 MIT）。文中说明应通过声明式基类的 type_annotation_map 为普通类型、以及 Annotated 别名为需要逐列参数的类型，统一定义列词汇表。文中还详述了 SQLite 层面的两个隐患：Numeric 会经由 float 往返而静默损坏 Decimal（举例 1234567890123456789.000000001 会变为 1234567890123456768.0000000000），带时区的 datetime 会返回 naive（dialects/sqlite/base.py 的 DATETIME.bind_processor 不读取 tzinfo）。修复方式包括用 TypeDecorator 存储精确字符串、在 table_args 传入 sqlite_strict=True，并指出 STRICT 只接受 INT/INTEGER/REAL/TEXT/BLOB/ANY，因此 create_all 会在 NUMERIC(38, 10)、DATETIME 及 String(64) 渲染出的 VARCHAR(64) 上失败（均基于 SQLAlchemy 2.0.52 实测）；String(64).with_variant(Text(), "sqlite") 可在 Postgres 上保留真实边界。文中还提示 Alembic 在 SQLite 上的 batch_alter_table 通过重建表实现变更，会丢失该表触发器（Alembic 全程无触发器感知），并会跳过既被反射又未命名的 CheckConstraint；给出的缓解方式是命名每个约束，或决定 SQLite 层永不迁移、始终由当前元数据创建。
分析/OLAP（读/聚合密集）：默认 duckdb（MIT），duckdb.connect(":memory:") 原生 SQL、零 ORM 仪式、join/聚合快；单写入者；2026 年 5 月发布的“Quack”多写入者协议仍属新生；升级到 Postgres+DuckDB 扩展或 MotherDuck。
文档存储（无模式/半结构化 JSON）：默认 tinydb（MIT，纯 Python），类 dict API，无 SQL；维护者称其为“维护模式”（功能完备且稳定），仍有缺陷修复版本；备选 sqlitedict（Apache-2.0），但其有多年提交空白；升级到 MongoDB。
全文检索：默认 SQLite FTS5 虚拟表，随标准库 sqlite3 提供、零新依赖、内置 bm25() 排序；备选 bm25s（MIT）、tantivy（MIT，注意安装包名是 tantivy 而非已陈旧的 tantivy-py）；避免 Whoosh（长期未维护）；升级到 Elasticsearch 或 Meilisearch。
向量/嵌入相似度检索：默认 qdrant-client（Apache-2.0），QdrantClient(":memory:") 或 path=tmp_path 无需服务器，后续升级仅需换构造参数；备选 chromadb（Apache-2.0），社区更大、API 更简单；升级到 Qdrant Cloud 或 Pinecone/Weaviate。
后台任务/消息队列：默认 huey（MIT），SqliteHuey(..., immediate=True) 同步在进程内执行任务，pytest 可直接调用函数；升级到 Celery/RQ/Dramatiq。
定时/周期任务：默认 apscheduler 3.x（MIT），SQLAlchemyJobStore 指向 sqlite:/// URL 可跨重启持久化；提示其维护者单一（1,134 次提交 vs 次高 6 次）、约两年未审查的 PR、v4 自 2020 年起 alpha 且无稳定版，但 3.x 仍持续打补丁（最近 2026 年 6 月）。备选 schedule（MIT），零依赖但无持久化且自 2024 年 5 月起未更新；升级到托管调度器。
发布订阅/事件流：默认 blinker（MIT），进程内信号分发；升级到 NATS（Apache-2.0），但需单独配置 nats-server 且无官方维护的 pytest fixture 包。
图数据：默认 ladybug（MIT，pip install ladybug），嵌入式、Cypher 查询、无服务器，是 Kuzu（2025 年 10 月因 Apple 收购而归档）被社区 fork 后持续维护的延续，引擎相同、换了维护方，项目名仍不足一年，宜视为有潜力但年轻。轻量替代：关系型库中的 edges(src, dst, relation) 表；可搭配 networkx（BSD-3-Clause）；升级到 Neo4j Aura、Amazon Neptune。
Blob/对象存储：默认用 pathlib.Path 写文件，无需库；当云存储成为实际计划时升级到 fsspec（BSD-3-Clause）+ s3fs/gcsfs。
时间序列数据：默认 duckdb（MIT），其窗口函数、time_bucket、缺口填充、ASOF join 对时序分析很强；轻量替代为带时间戳索引列的 SQLite 表；升级到 InfluxDB、TimescaleDB。
关于编辑技能：该文件在安装时被复制到 ~/.agents/skills/db-defaults-taudelta，从不使用符号链接，因此直接编辑已部署副本属于本地漂移；应在安装来源的仓库中修改、推送，并重新运行 skills add <source> --global --skill db-defaults-taudelta 以刷新各项目的副本；若从他人仓库安装，则来源归其所有，应在其处开 issue 或 PR。
起始代码片段：references/snippets/ 中每个类别各有一个真实、ruff 干净、自包含的 Python 文件，docstring 内含已核实的 pip install 命令，以及展示 pytest 本地模式的可运行 test_* 函数，可直接复制粘贴。该目录也记录了写作时遇到的两个真实命名陷阱：full-text-search.py（tantivy 与 tantivy-py 的 PyPI 混用）和 cron-scheduler.py（不存在的 SQLiteJobStore 类名）。完整论证见 references/rationale.md，包含 GitHub/PyPI 证据、各类别考虑过并否决的选项及每个分支/替代项的理由。