Extelligence-ai/bagel

📦 Bagel – 机器人、无人机与物联网日志的自然语言分析工具

是什么 – Bagel（由 Extelligence 开发）是一个基于 Docker 的服务，让你可以用自然语言与机器人、无人机或物联网数据进行交流。你提出一个问题（例如 “我的 IMU 是否过热？” 或 “在每次急刹车前后各保留 10 秒”），Bagel 会将请求转化为可确定性的 DuckDB SQL，该 SQL 在日志数据上运行。生成的 SQL 会显示给你，因此答案是可审计的，而非黑盒式的 LLM 推测。

为何重要 – 在许多机器人流程中，数据量巨大，且存储在 ROS 2 bag、PX4 日志、MCAP、CAN 捕获、MQTT 流等格式中。提取洞察通常需要编写脚本、使用 grep，或手动将数据加载到 PlotJuggler 等工具中。Bagel 将语言理解部分交给 LLM（Claude Code、Gemini、Codex、Ollama 等），但将所有繁重任务——过滤、聚合、连接——保留在本地运行的 SQL 中，部署于机器人或边缘服务器。这为你带来：

• 自然语言接口 – 无需了解确切的主题名称或 SQL 语法。
• 透明且可复现的查询 – 你可以看到生成答案的确切 SQL 并进行编辑。
• 边缘端数据缩减 – 一句话即可定义一个在设备上运行的检测器，仅保留相关的时间窗口，并发送一个极小的日志包，而非数 GB 的原始数据。
• 广泛格式支持 – 支持 ROS 1/2、PX4、ArduPilot、Betaflight、汽车 MDF4/CAN、MQTT、PostgreSQL/TimescaleDB、InfluxDB 3 等。

---

🚀 核心功能（来自 README 列表）

• 自然语言查询 – 无需学习 DSL，即可对日志中的任何内容提问。
• 确定性 SQL 后端 – 每次计算都是你可审计的 DuckDB 查询。
• 自然语言流水线 – 用一句话描述事件驱动的数据缩减，预览流水线，然后在车队或边缘端运行。
• 支持 MCP 的 LLM – 可与 Claude Code、Gemini CLI、Codex、Cursor、Ollama 等配合使用。
• Docker 容器化 – 提供 ROS 2（Kilted、Jazzy、Iron、Humble）、ROS 1、PX4、ArduPilot、Betaflight 及通用 IoT 的即用型镜像。
• 通过 POML 扩展 – 通过放置 .poml 文件添加新“技巧”（自定义能力），无需重新构建。
• 集成支持 – 可将结果导出至 PlotJuggler、Rerun、Foxglove/Lichtblick、Cloudini 点云压缩、Slack 警报以及 LeRobot 训练数据集。

---

🛠️ 工作原理（来自 README 的高层次流程）

1. 元数据发现 – Bagel 读取日志的模式（主题、字段、时间戳）。
2. 提示解析 – LLM 解析你的自然语言请求，并判断哪些主题相关。
3. Arrow 转换 – 相关消息被写入 Apache Arrow 文件。
4. SQL 生成 – LLM 生成实现所需计算的 DuckDB SQL 查询。
5. 执行与迭代 – DuckDB 执行查询；若答案需要更多细节，则循环重复，直到形成满意响应。
6. 结果交付 – 答案（及 SQL）返回给 LLM 客户端；可选的流水线步骤可导出 MCAP 片段、CSV/Parquet，或推送至云存储。

---

🎯 典型应用场景

情境	你如何向 Bagel 提问
快速健康检查	“总结这个 ROS2 bag 的元数据。” → 返回一份简洁的报告卡。
故障检测	“IMU 传感器是否过热？” → 对温度主题运行统计检查。
事件驱动裁剪	“在每次减速度超过 –10 m/s² 的前后各保留 10 秒，其余丢弃。” → 创建一个边缘缩减流水线，将 2 GB 日志缩小至约 160 MB。
跨主题分析	“/spot/status/battery_states 中电流与电压的相关性是什么？” – 单一 SQL 连接计算 corr()。
批量处理	“在这个文件夹 X 中的每个 bag 上运行此流水线。” – Bagel 在整个车队上运行相同的确定性流水线，并生成合并报告。
离线工作	使用 Ollama（如 qwen3:8b）本地运行 ollmcp，确保数据和模型均保留在机器上。

---

🏁 快速入门（来自 README 的快速步骤）

1. 安装 Docker Desktop 并配置一个支持 MCP 的 LLM（Claude Code 为默认示例）。
2. 克隆仓库 并启动相应的 Docker Compose 服务，例如：

   git clone https://github.com/Extelligence-ai/bagel.git && cd bagel
   docker compose run --service-ports ros2-kilted
   

3. 连接 LLM（以 Claude Code 为例）：

   claude mcp add --transport sse bagel http://localhost:8000/sse
   

4. 向模型提问 – 打开 Claude（或任意 MCP 客户端），向你的日志提出问题。
5. 可选离线模式 – 安装 Ollama，拉取本地模型，并运行 ollmcp 指向同一 MCP 服务器。

还提供了一行演示命令：

docker run -it --rm ghcr.io/extelligence-ai/bagel/px4:latest demo

该命令会打印一个内置 PX4 飞行日志的健康报告。

---

⚠️ 已知限制（如所列）

• 汽车 MDF4/CAN 支持仍处于 测试阶段（仅在生成文件上测试过）。
• 缩减比例取决于工作负载，且 未经过基准测试；README 中的数字仅为示意。
• MCP 端点 无认证机制，且仅绑定到 localhost —— 若需暴露，请自行添加代理。
• 小型本地 LLM（4–8B）可能难以处理多步流水线；更大模型能提供更可靠的工具选择。
• InfluxDB/Postgres 的实时数据库端到端测试仅在用户提供的实例上运行，不在 CI 中执行。

---

📄 许可证

Apache License 2.0（开源）。

---

总结 – Bagel 是自然语言 LLM 接口与机器人、无人机及物联网遥测严格 SQL 分析之间的一座实用桥梁。它让工程师能够提出高层次问题，审计底层计算，并自动在边缘端缩减海量日志，所有操作均在 Docker 隔离环境中完成。