RepoRadar WrenAI: генерация SQL-запросов для бизнес-аналитики из естественного языка
WrenAI — это открытая платформа для генеративной бизнес-аналитики (GenBI), которая превращает вопросы на естественном языке в SQL-запросы и визуализации из более чем 20 источников данных, включая BigQuery и Snowflake.
Проект решает задачу упрощения взаимодействия с данными для AI-агентов, обеспечивая при этом контроль за запрашиваемыми метриками и структурами данных. В отличие от традиционных BI-систем, WrenAI предлагает гибкость в генерации запросов и автоформировании дашбордов, соблюдая при этом внутренние правила бизнеса. Он будет полезен компаниям, которые используют AI-решения и хотят улучшить свои аналитические возможности, минимизируя ручные процессы.
WrenAI написан на Python и для запуска достаточно выполнить три команды, указанные в документации. Следует учесть, что проект всё еще находится на ранних стадиях развития и может требовать дополнительной настройки для вашей инфраструктуры. Используйте WrenAI, чтобы интегрировать генеративные возможности в свои BI-решения.
Что такое WrenAI
WrenAI — это открытый генеративный инструмент бизнес-аналитики (GenBI), который позволяет использовать AI-агентов для создания SQL-запросов, развертывания дашбордов и поддержания бизнес-определений в Git. Он совместим с различными AI-агентами, такими как Claude Code, Cursor и LangChain, и предоставляет им управляемый семантический слой и контекстную среду для генерации корректных SQL-запросов.
Как это работает
WrenAI преобразует бизнес-вопросы в SQL с помощью схем, которые сообщают агенту, где находятся данные, и определяют их значения через одобренные метрики и примеры. Все данные хранятся в виде YAML и Markdown файлов в репозитории, которым ты управляешь.
Установка и запуск
Чтобы начать использовать WrenAI, достаточно выполнить три команды:
pip install wrenai
npx skills add Canner/WrenAI
После установки ты можешь открыть своего агента в проектной папке и задать вопрос, например, "Use Wren to set up my Postgres database." Если у тебя нет базы данных, можно использовать встроенный пример `jaffle_shop`.
Для пользователей из материкового Китая, действие команды pip install может быть медленным. Можно использовать альтернативный источник:
pip install wrenai -i https://pypi.tuna.tsinghua.edu.cn/simple
Ключевые функции
- Генерация корректных SQL-запросов и дашбордов, а не просто их создание.
- Управление определениями бизнеса, включая версии метрик, и их возможность работы через существующие агенты.
- Весь контекст доступен для просмотра и версии в Git, что позволяет легко вносить изменения и обсуждать их.
- Поддержка работы с более чем 22 источниками данных на одном движке Apache DataFusion.
Ограничения и рекомендации
WrenAI больше подходит для создания надежной бизнес-аналитики, чем для одноразового создания графиков. Если тебе нужно всего лишь сделать один график из CSV-файла, возможно, стоит рассмотреть другие варианты. Также стоит помнить, что WrenAI требует некоторого обучения и настройки перед использованием.
Сообщество и поддержка
У WrenAI есть активное сообщество в Discord, где ты можешь задать вопросы или поделиться своим опытом. Также доступны обсуждения на GitHub, где можно увидеть планируемые функции и вносить свой вклад в развитие проекта.
Открыть на GitHub: Canner/WrenAI →