Canner/WrenAI

解决的问题

WrenAI 解决了 AI 代理在与业务数据库交互时生成不可信或错误 SQL 查询的问题。它通过提供一个受控的语义层和 AI 上下文层，确保代理使用经批准的业务定义、指标和公司知识，而不是基于原始数据库模式进行猜测。

工作原理

WrenAI 作为一个引擎，位于现有的数据仓库和转换管道之上。它使用建模定义语言（MDL）创建可审查、版本控制的模型、立方体和指标的语义层。该语义层与 AI 上下文层（包括记忆、示例和非结构化知识，如维基）相结合，以引导代理。系统采用干运行验证和结构化错误，确保在 22+ 个支持的数据源上执行前生成的 SQL 是正确且受控的。

适用人群

专为希望 AI 代理生成可信业务智能（BI）的数据团队和代理构建者设计，包括受控的文本转 SQL 答案和可共享的仪表板，而无需将业务逻辑锁定在特定供应商的 UI 中。

主要亮点

• 受控的文本转 SQL：使用语义层确保查询基于业务真相，而非仅凭模式猜测。
• 代理驱动的工作流：提供 CLI 和发现桩，允许 AI 代理（如 Claude Code 或 Cursor）设置项目、丰富上下文并执行查询。
• GenBI 仪表板：使代理能够生成并部署浏览器端仪表板，发布到 Vercel 或 Cloudflare Pages 等平台。
• 开源且可版本控制：语义层（MDL）和上下文为 Git 友好且可审查。
• 广泛的连接性：通过基于 Apache DataFusion 的引擎支持 22+ 个数据源，包括 BigQuery、Snowflake、PostgreSQL 和 DuckDB。