WrenAI GenBI
让 AI 代理基于可审查业务上下文生成受治理 SQL、图表和可分享仪表板。
按维度查看评分与理由
证据显示：README 明确说明行/列级安全（RLS/CLS）和访问控制是商业功能，OSS 版本不包含，这限制了最小权限的默认实现。用户确认方面，CLI 工作流指南（如 onboarding）由代理驱动，但未明确要求用户确认关键操作。数据流透明度：README 描述了数据流（查询、部署到 Vercel/Cloudflare），但未详细说明数据如何被处理或存储。敏感数据处理：RLS/CLS 在测试中实现，但 OSS 版本不提供，且未提及加密或脱敏。依赖安全：SECURITY.md 提供漏洞报告流程，但未提及依赖扫描或已知漏洞缓解。外部影响：部署到外部平台（Vercel/Cloudflare）需要用户授权，但未明确权限范围。回滚：MDL 和上下文是 Git 友好的，支持版本控制，但未明确回滚机制。来源归属：MDL 和指令文件是版本控制的，但未明确来源追踪。扣分原因：OSS 版本缺少 RLS/CLS，用户确认和权限范围不明确，依赖安全信息不足。
证据显示：README 和测试文件（如 test_cube.py, test_modeling_core.py）展示了内部一致性，测试覆盖了多种场景。依赖可用性：README 提到 22+ 数据源，但未提供依赖的可用性保证或故障转移机制。失败消息：测试中验证了错误消息（如 'Permission Denied'），但未提供用户友好的错误处理文档。扣分原因：依赖可用性未明确，失败消息仅部分覆盖。
证据显示：README 明确了目标受众（AI 代理构建者）和场景（文本到 SQL、仪表板部署）。能力边界：README 明确列出 OSS 与商业功能（如 RLS/CLS），并说明 'Skip Wren if' 场景。触发精度：CLI 命令和技能（如 wren skills get onboarding）提供了明确的触发方式。环境适配：支持多种数据源和部署平台（Vercel/Cloudflare），但未详细说明环境要求。扣分原因：环境要求未详细说明，但整体适配性良好。
证据显示：README 提供了清晰的项目结构（core/, sdk/, skills/ 等），信息架构良好。安装说明：提供了 pip 安装命令和额外选项。命名稳定性：README 提到 'GenBI' 名称变更，并说明 legacy 分支，但未提供版本命名规范。示例和 FAQ：README 包含 FAQ 和快速入门示例。已知限制：README 明确列出 OSS 与商业功能的边界，但未列出所有已知限制。许可证：LICENSE 文件详细说明了多许可证（Apache-2.0, CC-BY-4.0, AGPL-3.0），但 README 声称 Apache-2.0，存在不一致。版本和变更日志：README 提到发布和变更，但未提供详细的变更日志。维护责任：SECURITY.md 和贡献指南明确了维护责任。扣分原因：许可证不一致，版本变更日志不详细。
证据显示：README 描述了输出（SQL、仪表板）和部署流程，输出可用性良好。边际价值：与原始 LLM 代理和传统 BI 工具相比，提供了治理和上下文层，价值明确。成本效益：开源免费，但商业功能需要付费，成本效益未详细分析。扣分原因：成本效益未详细分析，但整体价值明确。
证据显示：README 中的声明（如 22+ 数据源）未提供具体证据，但测试文件验证了部分功能。跨来源佐证：README 和测试文件相互印证，但未提供外部验证。事实与推断分离：README 区分了 OSS 和商业功能，但未明确区分事实和推断。扣分原因：声明缺乏具体证据，跨来源佐证有限。
- OSS 版本不包含行/列级安全（RLS/CLS）和访问控制，这些是商业功能，部署时需注意数据保护。
- README 声称 Apache-2.0 许可证，但 LICENSE 文件显示多许可证（包括 AGPL-3.0 未来可能），存在不一致，使用前需确认。
- 依赖安全信息不足，未提及依赖扫描或已知漏洞缓解，建议自行审计。
这个 Agent 能做什么，适合哪些场景？
WrenAI 是面向 AI 代理的开源生成式 BI 引擎，覆盖从自然语言问题到 SQL、图表及可分享仪表板的流程。其核心上下文层由 MDL 语义模型、instructions.md、queries.yml 和本地 LanceDB 记忆索引组成，用于保存业务定义、示例与可复用查询知识。core/ 中包含基于 Apache DataFusion 的 Rust 语义引擎、Python 绑定、Python SDK/CLI，以及 wren-core-wasm 浏览器端构建。代理可通过 wren query 执行经 MDL 处理的查询，并可依据 genbi 工作流构建浏览器端仪表板，部署到自己的 Vercel 或 Cloudflare Pages 账户。它适合希望把数据语义和业务知识纳入版本控制、并让现有代理参与 BI 构建的团队；只想从单个 CSV 临时绘图的场景并不匹配。
安装 wrenai 后，代理可通过 wren skills get onboarding 获取项目初始化流程，检查环境、创建连接配置并完成首次查询。它读取 MDL 中的模型、列、关系、视图、立方体、指标及行级/列级访问控制，也可使用 instructions.md、queries.yml 与 LanceDB 记忆索引作为业务上下文。代理用 wren ask "<question>" --guided 或 --direct 整理提问，或用 wren query --sql '...' 经 MDL 语义层运行 SQL；项目描述还列出 schema-aware retrieval、MDL planning、dry-plan validation、结构化错误、函数和行数限制等执行能力。对于仪表板，代理获取 wren skills get genbi，生成由 wren-core-wasm 驱动的浏览器端 GenBI 应用，本地预览后部署至用户自己的 Vercel 或 Cloudflare Pages 账户。
- 数据团队需要让 Claude Code、Codex 或其他已接入的代理，根据 Postgres 业务定义回答季度客户销售问题。
- 拥有 BigQuery、Snowflake、ClickHouse 或 Databricks 数据仓库的团队，希望把批准的指标、连接关系和枚举含义写入可版本控制的上下文。
- 分析工程团队希望让代理把已验证的查询扩展成交互式、可筛选并可分享的仪表板，再发布到自己的 Vercel 或 Cloudflare Pages。
- 企业将业务规则散落在文档、wiki 或聊天记录中，准备将这些知识整理为 MDL、instructions.md、queries.yml 和记忆记录。
- 使用 LangChain 或 LangGraph 构建数据助手的 Python 团队，希望采用仓库提供的 wren-langchain 参考 SDK 集成。
这个 Agent 有哪些优点和局限？
- 把 MDL、instructions.md、queries.yml 和记忆索引作为可审查、可版本控制的业务上下文，而非只依赖数据库 schema 或提示词。
- 覆盖受治理 SQL、图表和仪表板部署；仪表板使用 wren-core-wasm 在浏览器端运行，并可发布到用户自有的 Vercel 或 Cloudflare Pages。
- 核心引擎基于 Apache DataFusion，仓库列出 22+ 数据源，并提供 Python CLI、Python 绑定和 wren-langchain 参考集成。
- 提供 dry-plan、访问控制、行数限制和结构化错误等明确的执行治理原语。
- 首次可用仍需配置具体数据源的连接 profile；给定材料没有提供凭据格式、连接参数或完整非代理式配置步骤。
- 丰富上下文需要维护 MDL、业务说明、查询示例和记忆内容，采用前需投入建模与治理工作。
- 仪表板部署边界是用户自己的 Vercel 或 Cloudflare Pages 账户，并非仓库材料中描述的一体化托管服务。
- 旧的 Docker 聊天式产品已移至 legacy/v1，标注为不再获得新功能或安全修复；采用者应避免把 Classic 当作维护中的主线。
如何安装或部署这个 Agent？
在具备 shell、网络访问和目标数据源连接条件的环境中安装：
pip install wrenai如需 Postgres 与记忆功能：
pip install "wrenai[postgres,memory]"然后安装供 AI 客户端发现工作流的 stub：
npx skills add Canner/WrenAIREADME 明确说明该命令会自动识别 Claude Code、Cursor、Cline、Codex 等客户端。首次连接所需的数据源凭据和连接配置字段未在给定材料中列出；按 onboarding 工作流创建 connection profile。
如何使用这个 Agent？
在项目目录中先执行：
wren skills get onboarding让已安装 discovery stub 的代理依照该工作流设置数据库并运行首次查询。补充业务上下文时执行：
wren skills get enrich-context日常可直接运行：
wren query --sql '...'或让代理使用：
wren ask "谁是本季度销售额最高的 10 位客户？" --guided
构建仪表板时执行 wren skills get genbi，让代理生成、预览并部署浏览器端应用；部署目标需要用户自己的 Vercel 或 Cloudflare Pages 账户。
这个 Agent 与同类方案有什么区别？
仓库将 WrenAI 与原始 LLM 代理、传统 BI 工具和裸语义层对比：WrenAI 的定位是让外部代理在受治理的上下文上生成 SQL，并由代理驱动仪表板部署；传统 BI 的仪表板工作流则被描述为在工具内手动完成。