使用 Kilo Code 安装与接入 Wren AI基于 Agent Skills 的 Text-to-SQL 快速上手【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本篇技术指南以 docs/core/get_started/quickstart-with-agent/kilo.md 为核心骨架讲解如何在 VS Code 的编码 AgentKilo CodeRoo Code 的 fork中安装 Wren AI 的 Agent Skills并通过一个提问完成环境检查、Profile 创建、项目脚手架与首次查询的完整 onboarding 流程。读完本文你将掌握npx skills安装方式、--agent kilo参数的作用、/wren技能背后的 discovery stub 架构以及从零到可提问的完整接入链路。1. 背景为什么要在 Kilo Code 里安装 Wren AI SkillsKilo Code 是 VS Code 生态中的一款编码 Agent本仓库文档对其定位为 Roo Code 的分支。Wren AI 的核心能力是GenBI / governed text-to-SQL通过一个开放的 context layer把自然语言问题转成可信的 SQL、图表与看板支持 BigQuery、Snowflake、PostgreSQL、ClickHouse、Amazon Redshift、Databricks 等 20 数据源。要让 Kilo Code 这样的 Agent 学会操作 Wren AI仓库采用了一套Skills 分发架构真正的技能内容住在wrenCLI 内部pip install wrenai后随包分发即 core/wren/src/wren/skills_content/ 目录下的各份SKILL.md工作流指南仓库的 skills/ 目录只维护一个 discovery stubwrenAgent 安装一次 stub 后在运行时通过wren skills get name按需拉取指南因此内容永远与已安装的 wrenai 版本匹配不存在技能缓存与版本漂移。这一点在 skills/README.md 中有明确说明并由 core/wren/tests/unit/test_skill_stubs.py 的守卫测试保证旧的五个 fat skills 目录与versions.json已被移除只允许单一 discovery stub 存在。2. 前置条件开始之前请确认Kilo Code已安装并完成登录认证官网地址见原文档此处不展开Python 3.11Wren AI 的 CLI 要求的最低 Python 版本onboarding 技能的 preflight 第一步就会检查python3 --versionNode.js / npm用于执行npx skills add安装技能见下文Git克隆示例项目等场景会用到。3. 安装 Wren Skillsnpx skills add与--agent kilo在终端中执行npx skills add Canner/WrenAI --agent kilo这条命令完成两件事从Canner/WrenAI仓库拉取 skills/wren/SKILL.md 这份 discovery stub通过--agent kilo将 stub 安装到 Kilo Code 对应的技能目录npx skills会自动探测你的 AI 客户端要精确指定某个客户端时使用--agent name例如claude-code、cursor、windsurf、clinekilo也是其中之一。如果你更喜欢脚本方式仓库还提供了等效的本地安装脚本 skills/install.shbash skills/install.sh # 安装 discovery stub bash skills/install.sh --force # 覆盖已有安装该脚本会读取DEST${CLAUDE_SKILLS_DIR:-$HOME/.claude/skills}作为目标目录可用环境变量覆盖并把skills/wren整个目录复制过去。安装完成后在 Agent 中输入/wren即可唤起。关于 stub 的元数据skills/index.json 中定义了它的描述它教会 Agent 调用wren skills list、wren skills get name、wren ask prompt --guided|--direct并在用户提出数据问题、安装/设置 Wren、连接数据库、生成 MDL、构建 GenBI 应用等场景时自动触发。4. 运行 onboarding启动 Kilo Code 并下达一条指令4.1 两种启动方式在 VS Code 中打开你的项目文件夹需已安装 Kilo Code 扩展然后任选其一图形界面点击 Activity Bar活动栏中的 Kilo 图标命令行kilo4.2 下达指令进入对话后直接提问Use the /wren skill to install and set up Wren AI.Kilo Code 会识别这条请求并加载/wren技能即上一步安装的 discovery stub随后由wrenstub 指引 Agent 拉取onboarding工作流指南对应wren skills get onboarding其内容位于 core/wren/src/wren/skills_content/onboarding/SKILL.md。根据该技能的定义整个流程会依次完成环境检查environment checks→ Profile 创建profile creation→ 项目脚手架project scaffolding→ 首次查询a first query。5. 深挖 onboarding 流程Kilo Code 背后发生了什么虽然原文档对 onboarding 只给了结论但仓库里的 onboarding/SKILL.md 完整定义了 Agent 的行为规则可以帮助你理解 Kilo Code 将如何执行任务5.1 工作模式一次往返只做一步技能强制 Agent每轮只执行一个步骤先简要说明、只询问当前步骤所需的信息、运行命令、确认结果后再进入下一步。绝不允许在一开始就一次性收集项目名、数据库类型、账号密码等所有信息。5.2 Preflight 环境检查只读Agent 先做四项只读检查并汇报python3 --version—— 要求 Python 3.11不满足则请用户升级并停止虚拟环境检查python3 -c import sys; print(sys.prefix ! sys.base_prefix)在 PEP 668 系统上需要python3 -m venv .venv source .venv/bin/activatewren --version—— 若已安装则先确认再决定是否重装pwd—— 记录当前目录。5.3 Profile 创建与项目脚手架通过wren docs connection-info ds --format md动态生成连接字段清单字段从实时的 Pydantic schema 内省而来保证准确用wren profile add project --from-file /tmp/conn.yml创建连接 Profile自动校验用wren context init --empty生成项目目录结构models/、views/、relationships.yml、knowledge/用wren context set-profile project将 Profile 绑定到项目写死profile与data_source之后无论全局 active profile 如何切换本项目查询都不会被误导向。5.4 一个安全约束值得注意技能明确规定绝不在聊天中索要凭据host、port、user、password、token 都不行凭据一律通过.env文件由用户在编辑器里填写Agent 全程看不到明文——在 Kilo Code 中接入真实数据库时同样适用。6. 技能分发原理wren skills命令行是怎么工作的Kilo Code 装好 stub 后所有指南都由 CLI 提供。入口命令定义在 core/wren/src/wren/skills_cli.pywren skills list # 列出所有可用指南 wren skills get onboarding # 拉取 onboarding 主指南 wren skills get usage # 日常查询工作流 wren skills get generate-mdl # 从数据库 schema 生成 MDL wren skills get dlt-connector # 通过 dlt 接入 SaaS 数据源 wren skills get enrich-context # 补充业务上下文单位、枚举、cube wren skills get genbi # 构建并部署可分享的 GenBI Web 应用 # 加 --full 可附带该技能的 references 文档 # 加 --script name 可获取捆绑脚本底层实现 core/wren/src/wren/skills_delivery.py 通过importlib.resources读取包内的wren/skills_content/name/SKILL.md--full会按文件名排序追加references/*.md--script则返回scripts/下的捆绑脚本。也就是说Kilo Code 中无论何时执行wren skills get name拿到的都是与当前wrenai安装版本严格一致的指南内容。另外skills/wren/SKILL.md 还展示了日常查询命令均为一等命令而非子应用wren --sql ... # 通过 MDL 层执行 SQL wren dry-plan --sql ... # 仅做转译不访问数据库 wren context show / build / validate wren profile add / list / switch wren memory index / recall / store # 语义记忆需 [memory] extra7. 下一步两条官方推荐路径完成 onboarding 后原文档给出两个继续深入的方向7.1 用示例数据走一遍完整 Quickstart参考 Quickstartjaffle_shop用 dbt Labs 的公开示例库jaffle_shop端到端演示。无需云数据库、无需 Docker核心步骤包括git clonedbt 的jaffle_shop_duckdb项目并用dbt build生成jaffle_shop.duckdbpip install wrenai[memory,main]DuckDB 默认内置其他数据源追加 connector extra如postgres、bigquery、snowflake等npx skills add Canner/WrenAI安装技能或curl -fsSL .../skills/install.sh | bashwren profile add jaffle-shop --ui推荐浏览器表单或--interactive/--from-file三种方式创建 Profilewren context initwren context set-profile jaffle-shop初始化并绑定项目在项目目录打开 Agent提问生成 MDLUse the /wren skill to explore the jaffle_shop database and generate the MDL for the customers and orders tables. Skip the raw_* seeds and stg_* views. The data source is DuckDB.用wren context show、wren memory status验证然后开始自然语言提问例如 How many customers placed more than one order?。7.2 连接真实数据库参考 连接数据源指南把 Wren AI 指向真实数据库。其中会用到wren docs connection-info ds查看某个数据源必填/选填的连接字段并通过.envwren profile add完成凭据配置对 Kilo Code 这类 Agent 而言凭据不经过对话安全性由 onboarding 技能的工作模式保证。8. 常见问题速查场景处理方式安装 stub 时已存在旧版本使用bash skills/install.sh --force覆盖想知道当前 Agent 支持哪些安装目标npx skills add会自动探测--agent name精确指定想查看某个数据源的连接字段wren docs connection-info ds字段来自实时 Pydantic schema不知道有哪些技能指南wren skills list想把技能参考文档一并拉取wren skills get name --full9. 关键文件索引docs/core/get_started/quickstart-with-agent/kilo.md —— 本文主体文档skills/wren/SKILL.md —— discovery stub 本体skills/index.json —— 技能注册元数据skills/install.sh —— 本地安装脚本skills/README.md —— 技能分发设计与安装说明core/wren/src/wren/skills_cli.py ——wren skills命令入口core/wren/src/wren/skills_delivery.py —— 技能内容加载实现core/wren/src/wren/skills_content/onboarding/SKILL.md —— onboarding 工作流细则core/wren/tests/unit/test_skill_stubs.py —— discovery stub 分发守卫测试docs/core/get_started/quickstart.md —— jaffle_shop 端到端 Quickstartdocs/core/guides/connect.md —— 真实数据库连接指南小结在 Kilo Code 中接入 Wren AI 的核心动作只有三步npx skills add Canner/WrenAI --agent kilo安装 discovery stub、启动kilo后输入Use the /wren skill to install and set up Wren AI.、随后由 Agent 按 onboarding 技能完成环境检查、Profile 创建、项目脚手架与首次查询。理解了 stub CLI 按需取指南的分发模型后你就能把同样的接入方式迁移到 Claude Code、Cursor、Windsurf、Cline 等其他 Agent并在接入真实数据库时遵循凭据走.env、字段来自wren docs connection-info的安全与准确原则。【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