WrenAI: Asistente conversacional de IA para análisis de datos con acceso directo a respuestas, consultas SQL e informes analíticos

Introducción general

WrenAI es un asistente SQL AI de código abierto diseñado específicamente para ayudar a los equipos de datos, equipos de productos y equipos de negocio a obtener información sobre los datos a través del diálogo en lenguaje natural. Es capaz de convertir el lenguaje natural en consultas SQL, generar gráficos, hojas de cálculo e informes, y soportar interacciones multilingües. El proyecto está desarrollado y mantenido por Canner bajo el protocolo de código abierto AGPL-3.0 y ha recibido más de 2.800 valoraciones de estrellas en GitHub.El punto fuerte de WrenAI es su completa solución integral que incluye una interfaz de usuario intuitiva, una potente capa de servicios de IA y un motor semántico que gestiona de forma segura y precisa las necesidades de consulta de datos sin necesidad de escribir código para obtener resultados de análisis de datos sin escribir código.

WrenAI permite la gestión visual del modelado de datos, el etiquetado de las relaciones comerciales entre modelos y el etiquetado de las descripciones comerciales de cada tabla y campo. Las descripciones empresariales etiquetadas se utilizan como contexto del modelo más amplio para mejorar la precisión de las consultas SQL en lenguaje natural.

Arquitectura robótica de texto a SQL de Wren AI

WrenAI Gestionar el modelado de datos, ver las relaciones entre tablas, observe la función de modelado AI en la esquina superior derecha.

WrenAI Generación inteligente de respuestas, consultas e informes de datos

Lista de funciones

• Diálogo natural multilingüe: permite interactuar con datos en varios idiomas.
• Exploraciones inteligentes de datos: comprensión de datos y recomendaciones de problemas basadas en IA
• Sistema de indexación semántica: comprensión semántica mediante una interfaz de usuario y una interfaz de usuario y usuario bien diseñadas
• Generación SQL contextual: combinación de metadatos, esquemas y terminología para generar consultas SQL precisas.
• Análisis de datos sin código: la información está disponible a través del diálogo
• Visualización basada en IA: generación automática de resúmenes de datos y gráficos de visualización
• Integración de la exportación de datos: compatibilidad con la exportación a Excel y otras herramientas de análisis.
• Garantía de seguridad: arquitectura RAG, sin necesidad de exponer datos al modelo LLM

Utilizar la ayuda

1. Despliegue del sistema

WrenAI ofrece diversas opciones de despliegue:

1. Despliegue Docker:
   • Despliegue directo utilizando el archivo de configuración de Docker proporcionado
   • Ideal para una puesta en marcha rápida en una sola máquina
2. Despliegue de Kubernetes:
   • Despliegue con Kustomisation
   • Necesidad de garantizar que se cumplen las siguientes dependencias:
     • nginx.ingress
     • external-dns
     • cert-manager
     • kubectl kustomize
     • helm (necesario para el entorno minikube)

2. Inicio rápido

1. Configuración básica
   • Obtener la clave API necesaria (clave API OpenAI)
   • Configuración de una conexión de base de datos (PostgreSQL)
   • Configuración de variables de entorno y claves
2. acceso a los datos
   • Conecte sus fuentes de datos
   • Definición de relaciones de datos
   • Establecimiento de un mapa terminológico empresarial
3. Proceso de utilización
   a) Iniciar el diálogo:
   • Seleccione la tabla de datos correspondiente
   • Formular preguntas en lenguaje natural
   • La IA genera automáticamente sugerencias sobre temas relevantes

   b) Exploración de datos:

   • Ver estructuras de datos
   • Comprender los significados de los campos
   • Explorar las relaciones entre datos

   c) Análisis y visualización:

   • Obtención de resultados de consultas SQL
   • Ver un resumen de los datos generados por IA
   • Generación automática de gráficos de visualización
   • Exportación de resultados de análisis

3. Funciones avanzadas

1. Modelización semántica:
   • Utilización del "lenguaje de definición de modelos"
   • Establecer relaciones de datos
   • Definición de la lógica de cálculo
2. Integración de datos:
   • Integración de complementos de Excel
   • Función de exportación de datos
   • Interfaz con otras herramientas analíticas

4. Declaración de seguridad

• Garantizar la seguridad de los datos con la arquitectura RAG
• No es necesario exponer los datos brutos a los modelos LLM
• Apoyo a la implantación privada