零代码SQL查询把业务问题丢给AI拿回能跑的SQL和报表【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如果你是不知道SQL的业务同学想查一个数往往要提工单给工程师等上好几天。Wren AI是一个开源的零代码SQL查询工具它让AI代理把自然语言直接变成可执行的SQL还能把结果部署成可分享的报表。 还原一个场景查数要排几天的队运营负责人想看上个月分城市的订单趋势工程师在忙发布需求排到下周最后出来的表格和BI系统里的数字对不上没人敢确认哪个对。这类痛点的根源在于业务定义——什么算收入、哪个是有效订单——存在人脑里不在数据库里于是任何写SQL的工具都在猜。Wren AI的答案是把这些定义变成可审查的文件放进git仓库模型、指标定义、历史好查询人和代理都能读。 四步跑通第一次零代码SQL查询拿到代码git clone https://gitcode.com/GitHub_Trending/wr/WrenAI安装CLIpip install wrenai。DuckDB默认自带本地文件直接可查其他数据源按需加[postgres]、[snowflake]、[clickhouse]等扩展。给AI客户端装一个约50行的技能入口npx skills add Canner/WrenAI能自动适配 Claude Code、Cursor 等常见客户端。在项目目录里打开代理说用 Wren 连接我的数据库。代理会照着 onboarding 指南依次完成连接配置、项目初始化和第一次查询。手头没有数据库也没关系可以直接用自带的 jaffle_shop 样例数据集体验完整的十五分钟流程在 docs/core/get_started/quickstart.md 里。 一次提问背后零代码SQL查询是怎么发生的问本季度销售额前十的客户是谁时代理先读取 MDLModeling Definition Language用业务语言描述表、字段和关系的一组YAML找出与问题相关的表和字段而不是靠模型盯着原始结构猜。接着它到本地向量索引即记忆库里找相似的历史问句和SQL——你以前问过的问题这次回答会更稳。然后SQL按模型名写出执行前先过 dry-plan 校验和行数限制出错时拿到的是带提示的结构化错误而不是一句干巴巴的error。最后引擎基于 Apache DataFusion把SQL翻译成目标数据源方言并执行成功的问题→SQL对写回记忆越用越稳。底层数据源覆盖 22 种包括 BigQuery、Snowflake、PostgreSQL、ClickHouse、Redshift、Databricks。 如果你需要更多把指标、规则和报表都管起来如果收入需要全公司一个口径在cubes/下定义 cube预定义的聚合指标把SUM(amount)这类表达式固定下来任何代理用它都得到同一个数。如果想纠正AI的理解在knowledge/rules/里用普通 markdown 写业务规则比如收入是订单金额不是任意一个支付字段每次查询都会被读到。如果要把结果分享给不懂技术的同事代理能把答案做成浏览器端仪表盘一条命令部署到你自己的 Vercel 或 Cloudflare 账号拿到可分享的链接。如果想接进自己的代理仓库sdk/下有现成的 LangChain 和 Pydantic 集成也可以wren serve mcp起一个 MCP 服务器直接挂到各类 MCP 客户端上。 一个真实用例从提问到出结果只要一句话仓库样例项目 examples/v5-jaffle/ 里就沉淀着一条问题→SQL对。对问题What is the total revenue across all orders?生成的SQL是SELECT SUM(amount) AS total_revenue FROM orders想看月度趋势时不用手写 GROUP BY直接下一条结构化查询wren cube query --cube order_metrics \ --measures total_revenue,order_count \ --time-dimension order_date:month工具会自动生成 DATE_TRUNC、GROUP BY 等子句再带上--filter status:eq:completed就能按订单状态切片。适合想把AI代理的产出变成可信SQL和报表的团队也适合业务定义散落在文档、聊天记录里而不是数据库里的场景。克隆仓库照着快速上手文档对样例数据跑一次首次查询你就有第一次真正跑起来的零代码SQL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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
零代码SQL查询：把业务问题丢给AI，拿回能跑的SQL和报表
零代码SQL查询把业务问题丢给AI拿回能跑的SQL和报表【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如果你是不知道SQL的业务同学想查一个数往往要提工单给工程师等上好几天。Wren AI是一个开源的零代码SQL查询工具它让AI代理把自然语言直接变成可执行的SQL还能把结果部署成可分享的报表。 还原一个场景查数要排几天的队运营负责人想看上个月分城市的订单趋势工程师在忙发布需求排到下周最后出来的表格和BI系统里的数字对不上没人敢确认哪个对。这类痛点的根源在于业务定义——什么算收入、哪个是有效订单——存在人脑里不在数据库里于是任何写SQL的工具都在猜。Wren AI的答案是把这些定义变成可审查的文件放进git仓库模型、指标定义、历史好查询人和代理都能读。 四步跑通第一次零代码SQL查询拿到代码git clone https://gitcode.com/GitHub_Trending/wr/WrenAI安装CLIpip install wrenai。DuckDB默认自带本地文件直接可查其他数据源按需加[postgres]、[snowflake]、[clickhouse]等扩展。给AI客户端装一个约50行的技能入口npx skills add Canner/WrenAI能自动适配 Claude Code、Cursor 等常见客户端。在项目目录里打开代理说用 Wren 连接我的数据库。代理会照着 onboarding 指南依次完成连接配置、项目初始化和第一次查询。手头没有数据库也没关系可以直接用自带的 jaffle_shop 样例数据集体验完整的十五分钟流程在 docs/core/get_started/quickstart.md 里。 一次提问背后零代码SQL查询是怎么发生的问本季度销售额前十的客户是谁时代理先读取 MDLModeling Definition Language用业务语言描述表、字段和关系的一组YAML找出与问题相关的表和字段而不是靠模型盯着原始结构猜。接着它到本地向量索引即记忆库里找相似的历史问句和SQL——你以前问过的问题这次回答会更稳。然后SQL按模型名写出执行前先过 dry-plan 校验和行数限制出错时拿到的是带提示的结构化错误而不是一句干巴巴的error。最后引擎基于 Apache DataFusion把SQL翻译成目标数据源方言并执行成功的问题→SQL对写回记忆越用越稳。底层数据源覆盖 22 种包括 BigQuery、Snowflake、PostgreSQL、ClickHouse、Redshift、Databricks。 如果你需要更多把指标、规则和报表都管起来如果收入需要全公司一个口径在cubes/下定义 cube预定义的聚合指标把SUM(amount)这类表达式固定下来任何代理用它都得到同一个数。如果想纠正AI的理解在knowledge/rules/里用普通 markdown 写业务规则比如收入是订单金额不是任意一个支付字段每次查询都会被读到。如果要把结果分享给不懂技术的同事代理能把答案做成浏览器端仪表盘一条命令部署到你自己的 Vercel 或 Cloudflare 账号拿到可分享的链接。如果想接进自己的代理仓库sdk/下有现成的 LangChain 和 Pydantic 集成也可以wren serve mcp起一个 MCP 服务器直接挂到各类 MCP 客户端上。 一个真实用例从提问到出结果只要一句话仓库样例项目 examples/v5-jaffle/ 里就沉淀着一条问题→SQL对。对问题What is the total revenue across all orders?生成的SQL是SELECT SUM(amount) AS total_revenue FROM orders想看月度趋势时不用手写 GROUP BY直接下一条结构化查询wren cube query --cube order_metrics \ --measures total_revenue,order_count \ --time-dimension order_date:month工具会自动生成 DATE_TRUNC、GROUP BY 等子句再带上--filter status:eq:completed就能按订单状态切片。适合想把AI代理的产出变成可信SQL和报表的团队也适合业务定义散落在文档、聊天记录里而不是数据库里的场景。克隆仓库照着快速上手文档对样例数据跑一次首次查询你就有第一次真正跑起来的零代码SQL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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
)
)
