WrenAI 快速上手：3 步跑通 text-to-SQL 与生成式 BI

WrenAI 快速上手3 步跑通 text-to-SQL 与生成式 BI【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/WrenAIWrenAI 是开源的 GenBI生成式 BI引擎它让 AI Agent 把自然语言问题变成受治理的 text-to-SQL 查询还能生成并部署可分享的仪表盘支持 PostgreSQL、DuckDB、BigQuery 等 20 多种数据源。适合想给 AI 装上可信数据分析能力的开发者。快速上手3 步跑起来确认环境要求只需要 Python 3.11DuckDB 执行引擎随安装包自带第一次体验不用先装任何数据库。安装命令装一个wrenai包就行按你的数据源追加对应的 extras可选片段pip install wrenai pip install wrenai[postgres,memory] # 按需加postgres 连接器 记忆检索如何验证跑通执行wren version看到wrenai x.y.z版本号即安装成功 ✅。再找个空目录跑一次wren context init它会帮你生成一整套项目脚手架说明工具链完整可用。看懂项目只讲 3 个关键位置仓库目录不少但你日常只需要认识这三处。入口在哪core/wren/。这就是安装wrenai后得到的 Python CLI 与 SDKcontext、profile、memory等所有wren子命令都出自这里。配置在哪Wren 项目里是两个 YAML——顶层wren_project.yml声明数据源models/表名/metadata.yml描述每张表的结构和业务含义数据库账号密码则存在~/.wren/profiles.yml的 profile 里不放进项目。示例在哪examples/v5-jaffle/ 是个完整样例项目models/下两张表、relationships.yml定义表间连接、knowledge/rules/存业务规则apps/里还有现成的仪表盘。先读它比读代码快。第一次配置只需动这几项wren context init之后新手必改的只有 3 项配置项默认值建议值原因data_sourcewren_project.ymlpostgres你实际用的源如duckdb、mysql决定查询走哪条引擎链路连接 profile~/.wren/profiles.yml无wren profile add my-db --interactive建一个保存主机、端口、密码查询时自动复用strict_mode~/.wren/config.jsonfalsetrue拒绝引用未声明表的 SQL给 Agent 生成的 SQL 加护栏改完编译一下再发第一条查询wren context build wren --sql SELECT * FROM orders LIMIT 10新手高频问题排查查询报表找不到或结果异常原因wren是从当前目录向上找wren_project.yml和target/mdl.json的目录不对就找不到项目。 解决进项目目录再执行或用--mdl显式指定路径。改了模型定义查询却还按老样子原因查询走的是已编译的target/mdl.json直接改 YAML 不会即时生效。 解决任何 YAML 改动后都补一条wren context build。⚠️连接后的数字不对原因relationships.yml里写错了连接条件错误的 join 不一定报错只会悄悄给错数。 解决核对两表关联字段并修正然后重新 build。pip 安装很慢或模型下载超时原因网络环境导致 PyPI 和 HuggingFace 拉取慢。 解决pip 换清华镜像源并设置HF_ENDPOINT指向国内镜像后再运行 CLI。具体数据源的连接字段格式见 core/wren/docs/connections.md概念与完整 CLI 参考在 docs/core/。遇到本文没覆盖的问题直接翻仓库的 Issue 列表或新开一个。【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