WrenAI
数据分析与数据处理AI 应用与 AI Agent开发者工具
ai-agentsbigquerybusiness-intelligencechartsclickhousecontext-engineering
18,136
Stars
2,091
Forks
102
Watchers
246
Open Issues
NOASSERTION
许可证
Python
语言
2024-03-13
创建时间
2026-11-10
最近更新
项目能做什么
面向智能体的开源生成式 BI,通过上下文层将自然语言转换为可信的 SQL 与可视化图表。
来源:AI 基于仓库事实生成
· 内容以仓库实际 README 为准
使用说明 查看原始 README 原仓库文档
中文使用说明暂未生成。下面保留原仓库 README 摘录,命令与配置均以原文为准。
原始 README 摘录(英文原文,节选前 3000 字符)
<div align="center" id="top">
<a href="https://getwren.ai">
<picture>
<source media="(prefers-color-scheme: dark)" srcset="./misc/wren-ai-banner-dark.png">
<img src="./misc/wren-ai-banner.png" width="100%" alt="WrenAI: open-source GenBI for AI agents">
</picture>
</a>
### Open-source GenBI for AI agents
**Your agents generate governed SQL, deploy dashboards, and keep business definitions in Git, across 22+ data sources.**
<br/>
**[Get started in 3 commands ↓](#quickstart)** · **[Read the docs →](https://docs.getwren.ai)** · **[Join Discord →](https://discord.gg/5DvshJqG8Z)**
<br/>
[](https://github.com/Canner/WrenAI/blob/main/LICENSE)
[](https://pypi.org/project/wrenai/)
[](https://github.com/Canner/WrenAI/releases)
[](https://discord.gg/5DvshJqG8Z)
[](https://x.com/getwrenai)

<a href="https://trendshift.io/repositories/9263" target="_blank"><img src="https://trendshift.io/api/badge/repositories/9263" alt="Canner/WrenAI | Trendshift" width="250" height="55" /></a>
</div>
---
## What WrenAI is
WrenAI is the open-source **generative BI (GenBI) engine**. It gives the AI agents you already use (Claude Code, Cursor, MCP clients, LangChain) a **governed semantic layer** and an **AI context layer**, so they turn business questions into correct SQL, ship the answer as a shareable dashboard, and stay inside your guardrails.
Schemas tell an agent where data lives. Wren tells it what the data *means*: approved metric definitions, enums, units, joins, worked examples, and the tribal knowledge buried in docs and chat threads. All of it lives as reviewable YAML and Markdown in a repo you own.
<picture>
<source media="(prefers-color-scheme: dark)" srcset="./misc/wren-ai-architecture-dark.png">
<img src="./misc/wren-ai-architecture.png" width="100%" alt="Wren AI generative BI architecture — semantic layer and AI context layer for AI agents">
</picture>
## Quickstart
Three commands, then your agent does the rest. Works with Claude Code, Cursor, Cline, Codex, and [50+ other agents](https://docs.getwren.ai/oss/get_started/quickstart).
**1. Install the CLI**
```bash
pip install wrenai
```
Add connector extras as you need them, for example `pip install "wrenai[postgres,memory]"`.
**2. Teach your agent about Wren**
```bash
npx skills add Canner/WrenAI
```
This installs a ~50-line discovery stub. Your agent fetches full workflow guides from the CLI on demand, so instructions always match the installed version.
**3. Open your agen
阅读完整原文
商业机会分析 AI 生成
垂直行业轻量级 GenBI SaaS(如跨境电商/SaaS 指标洞察)
| 产品构想 | 基于 WrenAI 语义层,预置主流垂直场景(如 Shopify、Stripe、PostgreSQL)的标准化业务语义模型与看板模版,为出海或中小团队提供即插即用的自然语言问答取数服务。 |
| 核心功能 | 预构建的行业指标模型(GMV、LTV、CAC、留存率)、常用数据源一键同步、Slack/飞书/Discord 机器人自然语言问答交互、多端图表自适应看板。 |
| 目标用户 | 出海电商运营负责人、B2B SaaS 创始人、中小企业业务分析人员。 |
| 难度/周期 | 中等 · 2 - 3 个月 · 成本:中等(LLM API 调用成本、云服务器资源、数据源连通测试) |
| 收费模式 | 分层订阅制(按月/年席位费 + 超额 SQL 查询量计费)。 |
| 竞争风险 | 通用 BI 厂商与大型数仓原生自带 AI 能力(如 Snowflake Cortex)带来的功能降维打击;行业客户数据安全顾虑。 |
| 依据 | 已验证事实(项目支持多数据源与语义层)与 AI推测(中小企业缺乏自建语义层能力) |
企业级 WrenAI 私有化交付与语义建模咨询服务
| 产品构想 | 针对具备自建数仓(ClickHouse/BigQuery/Snowflake)但无法使用公网 SaaS 的大中型企业,提供 WrenAI 局域网部署、本地大模型微调对接及复杂业务指标语义层的工程落地定制。 |
| 核心功能 | 离线/私有化 LLM 适配、企业现有 LDAP/SSO 及细粒度行/列权限打通、千万级数据表语义元数据梳理与建模、高可用集群架构支持。 |
| 目标用户 | 中大型企业 CDO/CIO、数仓架构师、合规要求严格的金融与政企团队。 |
| 难度/周期 | 高 · 1 - 3 个月/单项目 · 成本:低至中等(主要是高级数据工程师的人力时间成本) |
| 收费模式 | 项目制实施费 + 年度架构运维与维保技术支持费。 |
| 竞争风险 | 项目交付周期长、定制化需求繁琐拖垮现金流,需极高的人际销售与商务信任壁垒。 |
| 依据 | 数据支持的判断(项目高 Star/Fork 说明企业关注度极高,但企业级落地必依赖私有化与合规) |
面向 B2B 软件的白标嵌入式 GenBI SDK / MCP 组件
| 产品构想 | 利用 WrenAI 对 MCP(Model Context Protocol)和 Context Layer 的支持,打包成可快速嵌入到各类垂直 SaaS(如 CRM、ERP)中的“AI 报表插件”,赋能传统软件厂商极速拥有自然语言报表能力。 |
| 核心功能 | 开箱即用的前端问答组件库、多租户数据沙箱隔离、MCP Server 协议封装、统一的指标定义管理 API。 |
| 目标用户 | 垂直领域 SaaS 厂商技术负责人、独立软件开发商(ISV)。 |
| 难度/周期 | 中等偏高 · 3 - 4 个月 · 成本:中等(SDK 维护、多语言环境测试与文档建设成本) |
| 收费模式 | 开发者白标授权费(License)+ 终端租户调用分成(Revenue Share)。 |
| 竞争风险 | 开源协议目前标注为 NOASSERTION,需查明商业分发许可风险;SaaS 客户对外部组件的稳定性和延迟要求极其苛刻。 |
| 依据 | 已验证事实(仓库 Topics 包含 mcp、genbi)与尚需验证的假设(SaaS 厂商倾向于外购嵌入而非自研) |
AI 基于仓库公开数据分析生成,含推测成分,不构成收益承诺。
报告会保存到 个人中心
竞品与相似项目 GitHub Search 真实检索
| 项目 | 中文简介 | Stars | 语言 |
|---|---|---|---|
| affaan-m/ECC | 中文介绍暂未生成 The agent harness performance optimization system. Skills, i |
300,631 | JavaScript |
| deepseek-ai/deepseek-harness | 中文介绍暂未生成 DeepSeek Harness: Everything is a Plugin. |
278,080 | TypeScript |
| NousResearch/hermes-agent | 中文介绍暂未生成 The agent that grows with you |
262,350 | Python |
| firecrawl/firecrawl | 中文介绍暂未生成 Supercharge your AI agents with data from the web and beyond |
200,412 | TypeScript |
| DietrichGebert/ponytail | 中文介绍暂未生成 Makes your AI agent think like the laziest senior dev in the |
188,234 | JavaScript |
| msitarzewski/agency-agents | 中文介绍暂未生成 A complete AI agency at your fingertips - From frontend wiza |
167,615 | Shell |
以上为通过 GitHub 官方 Search API 检索的相似项目,功能差异与优劣势需进一步人工确认,配置 AI 后可生成对比分析。
项目优势与风险
| 技术成熟度 | 创建于 2024-03-13,近 30 天仍在推送,发布过 100 个 Release |
| 社区活跃 | Star 18,136 / Fork 2,091 / Issue 246(数据支持,可自行核实) |
| 许可证 | NOASSERTION |
| 主要风险 | 上游项目方向可能变化;同赛道竞争者较多(见竞品表);热度与需求不完全等价 |
安装与使用
快速开始(以仓库 README 为准)
git clone https://github.com/Canner/WrenAI.git cd WrenAI # 请阅读仓库 README 获取确切安装步骤(依赖、配置、启动命令)
术语说明:Docker=应用容器(把程序和依赖打包运行);API Key=调用外部服务的密钥;Git Clone=把仓库代码下载到本地。常见错误:API Key 未配置 / 端口占用 / 数据库连接失败,多数项目在 README 的 Troubleshooting 章节有说明。