企业官网建设流程全解析

WrenAI + LangChain 完整指南：快速搭建 Text-to-SQL 智能查询系统

【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

WrenAI 是一个开源工具，给数据库加上 RAG 能力，把自然语言问题变成可信的 SQL、图表与仪表盘。它与 LangChain 结合后，业务人员不必写 SQL，就能对 BigQuery、Snowflake、PostgreSQL 等二十多种数据源做自然语言查询，是免代码数据查询的一条捷径。

从一个真实问题说起

业务同学想知道上周华东区的营收，找数据分析师，却发现对方被十几张需求单压得喘不过气；问题挂了三天，没人回答。WrenAI 做的事很简单：让"提问"直接变成"查询"，答案不再卡在人的排期里。

WrenAI 到底在做什么

用大白话说，Text-to-SQL 就是把"帮我看看上季度卖得最好的三个产品"这类问题，翻译成数据库能执行的查询语句。而 RAG（检索增强生成）让它在动手之前，先检索并理解你的表、字段和业务口径，再据此生成 SQL 并取回数据。

这条"提问、理解语义、生成 SQL、取回数据"的链路，就是 WrenAI 的核心：语义层负责把业务语言翻译成数据语言，查询才可靠。

三个值得上手的理由

免代码起步

你不需要记任何 SQL 语法。连上库、建好模型，直接输入问题就能取数。

复杂查询同样稳

涉及多张表关联、跨表汇总时，WrenAI 依据你定义的模型关系生成语句，不会因为"表太多"就束手无策。

数据访问有边界

谁能查什么，由你定的权限说了算。它始终在授权范围内取数，把访问控制在安全边界之内。

从克隆到第一次查询

好处说完了，现在真正跑起来。

拉取仓库，备好环境

从仓库地址 https://gitcode.com/GitHub_Trending/wr/WrenAI 克隆代码，按说明装好运行环境。核心引擎在 core/wren-core 目录，Python 侧的 LangChain 集成在 sdk/wren-langchain 目录。

把数据库接进来

打开连接向导，按提示选择数据库类型，填写地址、账号与库名即可。支持 BigQuery、Snowflake、PostgreSQL、ClickHouse、Redshift、Databricks 等二十多种数据源。

在可视化界面完成建模

用可视化数据建模界面把要用的表拖进来，拖出表与表之间的关系，给字段补上业务含义。模型定义好后，语义层就开始生效。

问出第一个问题

在查询界面输入自然语言问题。系统自动生成 SQL 并返回结果表格，你可以核对语句、再问下一句，像和人核对工作一样自然。

查询结果之外

结果可以直接看

查询结果能渲染成图表，趋势、占比、对比一目了然，不用导出再做二次加工。

访问始终有边界

数据权限贯穿整个查询过程，用户只能触达被授权的表与数据，审计与合规都有据可依。

三类真正用得上它的场景

业务日常取数

销售、运营同学自己提问题、自己拿数据，不必再排队等排期。

可视化数据报表

基于同一份模型出报表，口径一致，数据可视化结果可直接进汇报。

管理层决策支持

老板用自然语言问"哪个区域增长最快"，秒级得到可验证的数字与图表。

如果你手上已经有一批等着回答的数据问题，不妨现在就克隆仓库，按上面的路径从连接数据源到建模、提问，把整条链路跑通一遍。

【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