WrenAI: разговорный ИИ-ассистент для анализа данных с прямым доступом к ответам, SQL-запросам и аналитическим отчетам

Общее введение

WrenAI - это ИИ-помощник SQL с открытым исходным кодом, созданный специально для того, чтобы помочь командам, занимающимся данными, продуктами и бизнесом, получить информацию о данных с помощью диалога на естественном языке. Он способен преобразовывать естественный язык в SQL-запросы, генерировать графики, электронные таблицы и отчеты, а также поддерживать многоязычное взаимодействие. Проект разработан и поддерживается компанией Canner по протоколу AGPL-3.0 с открытым исходным кодом и получил более 2 800 звездных оценок на GitHub. Основная сила WrenAI - комплексное решение, включающее интуитивно понятный пользовательский интерфейс, мощный слой сервисов ИИ и семантический движок, который безопасно и точно обрабатывает запросы к данным без необходимости писать код для получения результаты анализа данных без написания кода.

В WrenAI реализовано визуальное управление моделированием данных, маркировка бизнес-отношений между моделями и маркировка таблиц с описанием бизнеса для каждой таблицы и поля. Помеченные бизнес-описания используются в качестве контекста для более крупной модели, чтобы повысить точность естественно-языковых запросов SQL.

Агентская архитектура Wren AI Text-to-SQL

WrenAI Управление моделированием данных, просмотр отношений в таблицах, обратите внимание на функцию AI-моделирования в правом верхнем углу

WrenAI интеллектуально генерирует ответы, запросы, отчеты о данных

Список функций

• Многоязычный естественный диалог: поддерживает диалоговое взаимодействие с данными на нескольких языках
• Интеллектуальное исследование данных: понимание данных и рекомендации по решению проблем на основе ИИ
• Система семантического индексирования: семантическое понимание через хорошо продуманный UI/UX
• Контекстная генерация SQL: объединение метаданных, схемы и терминологии для создания точных SQL-запросов
• Аналитика данных без кодов: понимание данных доступно через диалог
• Визуализация на основе искусственного интеллекта: автоматическое создание сводок данных и наглядных диаграмм
• Интеграция экспорта данных: поддержка экспорта в Excel и другие инструменты анализа
• Обеспечение безопасности: архитектура RAG, нет необходимости открывать данные для модели LLM

Использование помощи

1. развертывание системы

WrenAI предлагает различные варианты развертывания:

1. Развертывание Docker:
   • Развертывание напрямую с помощью предоставленного файла конфигурации Docker
   • Идеально подходит для быстрого запуска одной машины
2. Развертывание Kubernetes:
   • Развертывание с помощью кастомизации
   • Необходимо обеспечить выполнение следующих зависимостей:
     • nginx.ingress
     • external-dns
     • cert-manager
     • kubectl kustomize
     • helm (требуется для среды minikube)

2. Быстрый старт

1. Базовая конфигурация
   • Получите необходимый ключ API (ключ API OpenAI).
   • Настройка подключения к базе данных (PostgreSQL)
   • Установка переменных окружения и ключей
2. доступ к данным
   • Подключение источников данных
   • Определение отношений между данными
   • Настройка отображения бизнес-терминологии
3. Процесс использования
   a) Начните диалог:
   • Выберите соответствующую таблицу данных
   • Задавайте вопросы на естественном языке
   • ИИ автоматически генерирует предложения по соответствующим вопросам

   b) Исследование данных:

   • Просмотр структур данных
   • Понимание значений полей
   • Изучите взаимосвязи данных

   в) Анализ и визуализация:

   • Получение результатов SQL-запросов
   • Просмотреть сводку данных, полученных с помощью искусственного интеллекта
   • Автоматическое создание диаграмм визуализации
   • Экспорт результатов анализа

3. Дополнительные функции

1. Семантическое моделирование:
   • Использование "языка определения моделирования"
   • Настройка отношений между данными
   • Определение логики вычислений
2. Интеграция данных:
   • Интеграция с надстройками Excel
   • Функция экспорта данных
   • Взаимодействие с другими аналитическими инструментами

4. Заявление о безопасности

• Обеспечьте безопасность данных с помощью архитектуры RAG
• Нет необходимости передавать необработанные данные моделям LLM
• Поддержка частного развертывания