尧图网页设计 
WrenAI:开源 text-to-SQL 生成式 BI 引擎快速上手指南【免费下载链接】WrenAIGenBI (Generative BI) for AI agents, an open-source, governed text-to-SQL through an open context layer that turns natural-language questions into trusted dashboards, charts, and SQL across 20 data sources, such as BigQuery, Snowflake, PostgreSQL, ClickHouse, Amazon Redshift, Databricks and more.项目地址: https://gitcode.com/GitHub_Trending/wr/WrenAIWrenAI 是一个开源的生成式 BIGenBI引擎能把自然语言问题转成受治理的 text-to-SQL 查询并生成仪表盘支持 22 种数据库。适合想用自己的 AI Agent 做数据自然语言问答、又不想让 SQL 全靠模型瞎猜的分析师和开发者。项目概览WrenAI 解决的核心问题是让 AI Agent 写出的 SQL 可信、可复用、可审计。直接让大模型对着数据库表结构猜 SQL经常写出来能跑但口径是错的。WrenAI 在 Agent 和数据库之间垫了两层东西一层叫 MDLModeling Definition Language建模定义语言语义层用 YAML 文件描述每张表、每个字段、每个指标的业务含义比如营收到底怎么算另一层叫 AI 上下文层把你的业务定义、历史查询、知识文档变成 Agent 可检索的记忆。有了这两层Agent 生成的 SQL 会先对着 MDL 做计划校验dry-plan而不是自信地错。查询引擎基于 Apache DataFusion覆盖 BigQuery、Snowflake、PostgreSQL、ClickHouse、Redshift、Databricks、DuckDB 等 22 数据源。核心功能受治理的 text-to-SQL自然语言问题先检索语义层上下文再经 dry-plan 校验后执行错误信息带修复提示不靠模型硬猜。语义层即 Git 文件模型、维度、关系、指标全部是版本可控的 YAML/MDL 文件可 review、可 diff不锁在某个工具的 UI 里。22 数据源一个引擎PostgreSQL、BigQuery、Snowflake、DuckDB 等连接方式统一SQL 经同一套引擎路径执行。本地记忆与语义检索wren memory把成功的自然语言→SQL对存进本地索引下次问类似问题自动召回越用越准。一键部署仪表盘把查询结果构建为浏览器端 GenBI 应用基于wren-core-wasm一条命令发布到 Vercel 或 Cloudflare Pages 拿到可分享链接。快速开始3 步跑起来前提Python 3.11。核心包自带 DuckDB 连接器不需要先装数据库。安装 CLI按需追加数据源 extras如postgres、memorypip install wrenai初始化项目并配置连接。wren context init会在当前目录生成 MDL 项目骨架wren_project.yml、models/、views/然后建一个数据库连接档案wren context init wren profile add my-db --interactive构建清单并跑第一条查询。context build把 YAML 编译成target/mdl.json之后在项目目录里查询会自动发现它wren context build wren --sql SELECT order_id FROM orders LIMIT 10没有自己的数据库官方文档提供了基于 jaffle_shop 样例库的完整演练DuckDB 本地跑通全流程见 docs/core/get_started/quickstart.md。想让 AI Agent 替你干活这是 WrenAI 的主线用法安装约 50 行的 skill 发现桩后直接对你的 AgentClaude Code、Cursor、Codex 等说用 Wren 帮我连上 Postgres它会按需拉取wren skills get onboarding等工作流指南自动完成建项目、建模、首查npx skills add Canner/WrenAI日常问答则直接问 Agent 业务问题如本季度 Top 10 客户它会取上下文、召回相似历史查询、写 SQL 并通过wren query执行。配置速览3 个关键配置项WrenAI 的配置分三处项目文件、连接档案、全局策略。敏感信息数据库密码、API Key全部走连接档案或环境变量不要写进项目 YAML。配置位置作用wren_project.yml项目元数据重点是data_source字段声明数据源类型~/.wren/profiles.yml命名的数据库连接档案可wren profile switch切换~/.wren/config.json全局安全策略strict_mode拒绝查询 MDL 未声明的表、denied_functions禁用危险函数最小项目配置仓库 examples/v5-jaffle/ 即此结构# wren_project.yml schema_version: 5 name: jaffle_shop catalog: wren schema: public data_source: postgres部署仪表盘时VERCEL_TOKEN/CLOUDFLARE_API_TOKEN也只会从环境变量或.env读取不会出现在命令行参数里。目录结构一览仓库主体是core/下的多语言工程Python CLI Rust 引擎 WASM 前端WrenAI/ ├── core/ │ ├── wren/ # Python CLI 与 SDKPyPI: wrenai连接器、记忆、GenBI 命令都在此 │ ├── wren-core/ # Rust 语义引擎基于 Apache DataFusion │ ├── wren-core-base/ # 共享 manifest 类型与 MDL 构建器 │ ├── wren-core-py/ # 引擎的 Python 绑定PyPI: wren-core │ ├── wren-core-wasm/ # WebAssembly 构建驱动浏览器端仪表盘 │ └── wren-mdl/ # MDL JSON Schema ├── sdk/ # Agent SDKwren-langchain、wren-pydantic ├── skills/ # 给 AI 编码 Agent 的技能与工作流指南 ├── docs/ # 官方文档快速开始、概念、连接指南、CLI 参考 ├── examples/ # 示例项目如 v5-jaffle 完整 Wren 工程 ├── evals/ # 评测脚本 └── misc/ # 架构图等素材常用命令的完整参考见 core/wren/docs/cli.md 和各数据源连接字段说明 core/wren/docs/connections.md。常见问题 查询报找不到表但我表明明存在wren_project.yml里的catalog和schema是 Wren 自己的命名空间跟数据库的 catalog/schema 无关保持默认值即可表在数据库里的真实位置写在各 model 的table_reference里。 第一次跑wren memory命令卡了几十秒它在加载 lancedb 和 torch约 800MB 原生库macOS 首次执行还会做一次性安全扫描。只需等它跑完一次之后速度正常。 DuckDB 连接连不上profile 里的url要填包含.duckdb文件的目录不是文件本身。延伸阅读想继续深入从仓库内文档入手快速开始、概念总览上下文层与 MDL 是什么、GenBI 仪表盘部署。跑通第一条查询后把帮我丰富业务上下文交给你的 Agent是体验 WrenAI 上下文层最快的方式。【免费下载链接】WrenAIGenBI (Generative BI) for AI agents, an open-source, governed text-to-SQL through an open context layer that turns natural-language questions into trusted dashboards, charts, and SQL across 20 data sources, such as BigQuery, Snowflake, PostgreSQL, ClickHouse, Amazon Redshift, Databricks and more.项目地址: https://gitcode.com/GitHub_Trending/wr/WrenAI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 WrenAI:开源 text-to-SQL 生成式 BI 引擎快速上手指南
WrenAI:开源 text-to-SQL 生成式 BI 引擎快速上手指南【免费下载链接】WrenAIGenBI (Generative BI) for AI agents, an open-source, governed text-to-SQL through an open context layer that turns natural-language questions into trusted dashboards, charts, and SQL across 20 data sources, such as BigQuery, Snowflake, PostgreSQL, ClickHouse, Amazon Redshift, Databricks and more.项目地址: https://gitcode.com/GitHub_Trending/wr/WrenAIWrenAI 是一个开源的生成式 BIGenBI引擎能把自然语言问题转成受治理的 text-to-SQL 查询并生成仪表盘支持 22 种数据库。适合想用自己的 AI Agent 做数据自然语言问答、又不想让 SQL 全靠模型瞎猜的分析师和开发者。项目概览WrenAI 解决的核心问题是让 AI Agent 写出的 SQL 可信、可复用、可审计。直接让大模型对着数据库表结构猜 SQL经常写出来能跑但口径是错的。WrenAI 在 Agent 和数据库之间垫了两层东西一层叫 MDLModeling Definition Language建模定义语言语义层用 YAML 文件描述每张表、每个字段、每个指标的业务含义比如营收到底怎么算另一层叫 AI 上下文层把你的业务定义、历史查询、知识文档变成 Agent 可检索的记忆。有了这两层Agent 生成的 SQL 会先对着 MDL 做计划校验dry-plan而不是自信地错。查询引擎基于 Apache DataFusion覆盖 BigQuery、Snowflake、PostgreSQL、ClickHouse、Redshift、Databricks、DuckDB 等 22 数据源。核心功能受治理的 text-to-SQL自然语言问题先检索语义层上下文再经 dry-plan 校验后执行错误信息带修复提示不靠模型硬猜。语义层即 Git 文件模型、维度、关系、指标全部是版本可控的 YAML/MDL 文件可 review、可 diff不锁在某个工具的 UI 里。22 数据源一个引擎PostgreSQL、BigQuery、Snowflake、DuckDB 等连接方式统一SQL 经同一套引擎路径执行。本地记忆与语义检索wren memory把成功的自然语言→SQL对存进本地索引下次问类似问题自动召回越用越准。一键部署仪表盘把查询结果构建为浏览器端 GenBI 应用基于wren-core-wasm一条命令发布到 Vercel 或 Cloudflare Pages 拿到可分享链接。快速开始3 步跑起来前提Python 3.11。核心包自带 DuckDB 连接器不需要先装数据库。安装 CLI按需追加数据源 extras如postgres、memorypip install wrenai初始化项目并配置连接。wren context init会在当前目录生成 MDL 项目骨架wren_project.yml、models/、views/然后建一个数据库连接档案wren context init wren profile add my-db --interactive构建清单并跑第一条查询。context build把 YAML 编译成target/mdl.json之后在项目目录里查询会自动发现它wren context build wren --sql SELECT order_id FROM orders LIMIT 10没有自己的数据库官方文档提供了基于 jaffle_shop 样例库的完整演练DuckDB 本地跑通全流程见 docs/core/get_started/quickstart.md。想让 AI Agent 替你干活这是 WrenAI 的主线用法安装约 50 行的 skill 发现桩后直接对你的 AgentClaude Code、Cursor、Codex 等说用 Wren 帮我连上 Postgres它会按需拉取wren skills get onboarding等工作流指南自动完成建项目、建模、首查npx skills add Canner/WrenAI日常问答则直接问 Agent 业务问题如本季度 Top 10 客户它会取上下文、召回相似历史查询、写 SQL 并通过wren query执行。配置速览3 个关键配置项WrenAI 的配置分三处项目文件、连接档案、全局策略。敏感信息数据库密码、API Key全部走连接档案或环境变量不要写进项目 YAML。配置位置作用wren_project.yml项目元数据重点是data_source字段声明数据源类型~/.wren/profiles.yml命名的数据库连接档案可wren profile switch切换~/.wren/config.json全局安全策略strict_mode拒绝查询 MDL 未声明的表、denied_functions禁用危险函数最小项目配置仓库 examples/v5-jaffle/ 即此结构# wren_project.yml schema_version: 5 name: jaffle_shop catalog: wren schema: public data_source: postgres部署仪表盘时VERCEL_TOKEN/CLOUDFLARE_API_TOKEN也只会从环境变量或.env读取不会出现在命令行参数里。目录结构一览仓库主体是core/下的多语言工程Python CLI Rust 引擎 WASM 前端WrenAI/ ├── core/ │ ├── wren/ # Python CLI 与 SDKPyPI: wrenai连接器、记忆、GenBI 命令都在此 │ ├── wren-core/ # Rust 语义引擎基于 Apache DataFusion │ ├── wren-core-base/ # 共享 manifest 类型与 MDL 构建器 │ ├── wren-core-py/ # 引擎的 Python 绑定PyPI: wren-core │ ├── wren-core-wasm/ # WebAssembly 构建驱动浏览器端仪表盘 │ └── wren-mdl/ # MDL JSON Schema ├── sdk/ # Agent SDKwren-langchain、wren-pydantic ├── skills/ # 给 AI 编码 Agent 的技能与工作流指南 ├── docs/ # 官方文档快速开始、概念、连接指南、CLI 参考 ├── examples/ # 示例项目如 v5-jaffle 完整 Wren 工程 ├── evals/ # 评测脚本 └── misc/ # 架构图等素材常用命令的完整参考见 core/wren/docs/cli.md 和各数据源连接字段说明 core/wren/docs/connections.md。常见问题 查询报找不到表但我表明明存在wren_project.yml里的catalog和schema是 Wren 自己的命名空间跟数据库的 catalog/schema 无关保持默认值即可表在数据库里的真实位置写在各 model 的table_reference里。 第一次跑wren memory命令卡了几十秒它在加载 lancedb 和 torch约 800MB 原生库macOS 首次执行还会做一次性安全扫描。只需等它跑完一次之后速度正常。 DuckDB 连接连不上profile 里的url要填包含.duckdb文件的目录不是文件本身。延伸阅读想继续深入从仓库内文档入手快速开始、概念总览上下文层与 MDL 是什么、GenBI 仪表盘部署。跑通第一条查询后把帮我丰富业务上下文交给你的 Agent是体验 WrenAI 上下文层最快的方式。【免费下载链接】WrenAIGenBI (Generative BI) for AI agents, an open-source, governed text-to-SQL through an open context layer that turns natural-language questions into trusted dashboards, charts, and SQL across 20 data sources, such as BigQuery, Snowflake, PostgreSQL, ClickHouse, Amazon Redshift, Databricks and more.项目地址: https://gitcode.com/GitHub_Trending/wr/WrenAI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考