WrenAI3步在本地跑通自然语言查询【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业务方问上个月的 GMV 是多少你还得自己翻数据库写 SQLWrenAI 是一个开源的 GenBI生成式 BI引擎把自然语言问题变成能落在你数据库上执行的 SQL——pip install一下就能在本地跑起来不用 Docker 集群。三句话看懂它是语义层不是提示词包装器直白地说WrenAI 受治理的 text-to-SQL MDL 语义层底下跑在 20 多个数据源上PostgreSQL、BigQuery、Snowflake、ClickHouse、DuckDB 这些常见的都有。它和让大模型直接吐 SQL的区别在于写 SQL 之前它先对着你确认过的 MDL 清单描述表、关联、指标做计划生成后还有 dry-plan 校验错了会给出带提示的结构化报错而不是自信地给一版跑不通的东西。谁适合手上有一个真实数据库、同时用 Claude Code 或 Cursor 这类 AI 编码智能体的你。只想对单个 CSV 随手画个图的话可以跳过它。连上数据库建好项目只需 3 条命令从空环境到项目就绪总共就 3 条命令前提是 Python 3.11。pip install wrenai[memory,main] # DuckDB 默认已内置 wren version # 验证装好了你会看到0.13.x 的版本号以仓库当前版本为准。国内网络下 pip 慢的话加-i指定清华源即可。然后是连接。profile 是 WrenAI 的连接卡片存在~/.wren/profiles.ymlwren profile add my-shop --ui # 打开浏览器表单 wren profile debug # 验证连接你会看到表单让你填 datasource比如duckdb和数据库路径debug打印解析后的连接配置密码是打码的。 ⚠️ 数据库路径填的是包含.duckdb文件的那个目录不是文件本身。最后把项目搭起来wren context init # 生成项目骨架 wren context set-profile my-shop # 把这个项目绑定到连接 wren context build # 编译 MDL 清单你会看到当前目录多出wren_project.yml、models/、views/、knowledge/target/mdl.json是编译产物。问出你的第一个问题你要做什么问按金额算Top 5 的客户是谁直接拿到一张表。给它表。MDL 里得有表问题才问得出去。两种做法让智能体代劳装好 skill 后说探索一下库并生成 MDL即可或者自己在models/下每张表手写一个metadata.ymlexamples/v5-jaffle/ 是完整样例。提问并执行wren memory recall -q top customers by spend # 召回类似的历史问法 wren --sql SELECT customer_id, SUM(amount) AS total FROM orders GROUP BY 1 ORDER BY 2 DESC LIMIT 5屏幕上出现recall先返回相似的历史问答第一次是空的接着是一张 5 行的结果表。 3. 把这次问答存下来下次能召回wren memory store --nl top 5 customers by spend --sql SELECT ...同上... 问得越多它越聪明每次存下的问答都会写进knowledge/sql/成为下一次相似问题的召回样例。顺带一提有智能体的话可以跳过手写 SQL直接用自然语言问它。它会走同样的召回、写 SQL、执行路径并顺手把问答存档。往深里看原理、参数和三个高频报错它背后其实就做三件事把项目里的 MDL 编译成清单语义层把你对着 model 写的 SQL 翻译成你数据源的方言 SQL 并执行用本地 LanceDB 索引召回相似的历史查询再把相关的 schema 片段塞进上下文。常调的旋钮就这几个wren --sql ... --limit 100 --output json # 限行数、输出格式 wren dry-run --sql ... # 连库校验成功打印 OK wren dry-plan --sql ... # 不用连库只看生成的原生 SQL❌ 三个高频报错按顺序排连不上库先跑wren profile debug对着解析后的配置核对账号、网络可达性和云数据库白名单。报 table not found十有八九是 SQL 里写的名字和 MDL 中的 model 名对不上引号、大小写都要对齐。第一次跑wren memory卡了约一分钟memory扩展带 ~800MB 的 lancedb/torch 原生库macOS 首次会触发 XProtect 扫描一次性不是卡死。接下来去哪docs/core/官方文档从快速上手到各数据源连接器skills/Claude Code、Cursor 等智能体的 skill 存根npx skills add Canner/WrenAI一键装core/wren/CLI 与 20 多个连接器的源码现在就去连上你自己的库问出第一个问题。【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