一个开源 GenBI AI 本地代理(确保本地数据安全),使数据驱动型团队能够与其数据进行互动,生成文本到 SQL、图表、电子表格、报告和 BI

一、GenBI AI 代理介绍(文末提供下载)

github地址:https://github.com/Canner/WrenAI

本文信息图片均来源于github作者主页

       在 Wren AI,我们的使命是通过生成式商业智能 (GenBI) 使组织能够无缝访问数据,从而彻底改变商业智能。我们的目标是通过先进的 AI 驱动型解决方案、可组合数据框架和语义智能来打破数据洞察的障碍,使每个团队成员都能自信地做出更快、更智能的数据驱动型决策。以用户为中心的端到端开源 SQL AI 代理 - 文本到 SQL 的整体解决方案以用户为中心的端到端开源 SQL AI 代理 - 文本到 SQL 的整体解决方案。

二、主要特点

      1、Wren AI 会说您的语言,例如英语、德语、西班牙语、法语、日语、韩语、葡萄牙语、中文等。通过向 Wren AI 询问您的业务问题来解锁有价值的见解。它超越了表面的数据分析,揭示了有意义的信息,并简化了从潜在客户评分模板到客户细分的答案获取过程。

      2、Wren AI 支持与各种大型语言模型LLMs 集成,包括但不限于:

  • OpenAI Models

  • Azure OpenAI Models

  • DeepSeek Models

  • Google AI Studio – Gemini Models

  • Vertex AI Models (Gemini + Anthropic)

  • Bedrock Models

  • Anthropic API Models

  • Groq Models

  • Ollama Models

  • Databricks Models

      3、GenBI 功能为用户提供 AI 生成的摘要,这些摘要与 SQL 查询一起提供关键见解,从而简化复杂数据。立即将查询结果转换为 AI 生成的报告、图表,将原始数据转换为清晰、可操作的视觉对象。借助 GenBI,您可以轻松做出更快、更明智的决策。

      4、Wren AI 实施了语义引擎架构来提供您的业务LLM上下文;您可以轻松地在数据架构上建立逻辑表示层,以帮助LLM了解有关您的业务上下文的更多信息。

       5、除了从数据库中检索数据之外,Wren AI 现在还可以回答探索性问题,例如“我拥有哪些数据”或“我的客户表中有哪些列?此外,我们的 AI 会根据您的情况动态生成推荐问题和智能后续查询,使数据探索更智能、更快速、更直观。让您的团队能够使用 AI 轻松获得更深入的洞察。

      6、借助 Wren AI,您可以使用“建模定义语言”处理元数据、架构、术语、数据关系以及计算和聚合背后的逻辑,从而减少重复编码并简化数据联接。

       7、在 Wren AI 中开始新对话时,您的问题将用于查找最相关的表。从这些中,LLM为用户生成最相关的问题。您还可以提出后续问题以获得更深入的见解。

       8、Wren AI 提供无缝的端到端工作流程,使您能够轻松地将数据与 Excel 和 Google 表格等流行的分析工具连接起来。这样,您的见解仍然可以访问,从而可以使用您最熟悉的工具进行进一步分析。

三、安装条件

1. 在本地计算机上安装 Docker Desktop。请确保 Docker Desktop 的版本至少为 >= 4.17。

2. 准备 OpenAI API 密钥,请确保您的 Open API 密钥具有 Full Permission(All)

3.解压缩文件,您将看到一个名为 wren-launcher-windows.exe以管理员身份运行,选择您要选择的LLM提供商。如果是 OpenAI,请进入下一步;否则,请阅读此处的文档以设置自定义LLM提供程序。

输入您的 OpenAI API 密钥,然后选择要在 Wren AI 中使用的 OpenAI 生成模型。我们现在支持以下模型:输入您的 OpenAI API 密钥,然后选择要在 Wren AI 中使用的 OpenAI 生成模型。我们现在支持以下模型:

  • GPT-4o-mini 
  • GPT-4o Mini
  • GPT-40 Robot

等待安装完成,安装将自动运行。该程序将为您设置 docker 容器,并在安装后在浏览器中为您打开应用程序 URL。如果启动程序没有为您打开 URL,请转到 localhost:3000 以开始使用 Wren AI.

夸克网盘分享

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/68063.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

JAVA架构师进阶之路

JAVA架构师进阶之路 前言 苦于网络上充斥的各种java知识,多半是互相抄袭,导致很多后来者在学习java知识中味同嚼蜡,本人闲暇之余整理了进阶成为java架构师所必须掌握的核心知识点,后续会不断扩充。 废话少说,直接上正…

java程序员面试自身优缺点,详细说明

程序员面试大厂经常被问到的Java异常机制问题,你搞懂了吗运行时异常:运行时异常是可能被程序员避免的异常。与检查性相反,运行时异常可以在编译时被忽略。错误(ERROR):错误不是异常,而是脱离程序员控制的问题。错误通常在代码中容易被忽略。例如:当栈溢出时,一个错误就发生了,它…

C++六大默认成员函数

C六大默认成员函数 默认构造函数默认析构函数RAII技术RAII的核心思想优点示例应用场景 默认拷贝构造深拷贝和浅拷贝 默认拷贝赋值运算符移动构造函数(C11起)默认移动赋值运算符(C11起)取地址及const取地址操作符重载取地址操作符重…

Java 2024年面试总结(持续更新)

目录 最近趁着金三银四面了五六家公司吧,也整理了一些问题供大家参考一下(适合经验三年左右的)。 面试问题(答案是我自己总结的,不一定正确): 总结: 最近趁着金三银四面了五六家公…

防火墙的安全策略

1.VLAN 2属于办公区;VLAN 3属于生产区,创建时间段 [FW]ip address-set BG type object [FW-object-address-set-BG]address 192.168.1.0 mask 25 [FW]ip address-set SC type object [FW-object-address-set-SC]address 192.168.1.129 mask 25 [FW]ip address-se…

工作流项目BPMN.JS_Question梳理

工作流项目 想了解如果候选人熟悉工作流技术、bpmn.js和Flowable工作流引擎,面试官会对哪些信息感兴趣。我需要分析这个问题,并给出一个全面而结构化的回答。 首先,用户可能希望了解作为前端面试官,应该关注候选人哪些方面的知识和…

windows下搭建鸿蒙OS应用开发环境

一、前言 HUAWEI DevEco Studio 是华为推出的一款集成开发环境(IDE),主要用于开发基于华为鸿蒙操作系统(HarmonyOS)的应用。作为华为开发者工具的核心之一,DevEco Studio 提供了一个多功能的开发平台&…

MacBook Pro(M1芯片)Qt环境配置

MacBook Pro(M1芯片)Qt环境配置 1、准备 试图写一个跨平台的桌面应用,此时想到了使用Qt,于是开始了搭建开发环境~ 在M1芯片的电脑上安装,使用brew工具比较方便 Apple Silicon(ARM/M1&#xf…

Sqlserver DBCC Check 遇到Msg 3853报错涉及sys.columns和sys.objects信息不匹配的解决方法

对数据库CacheDBMSIntl执行DBCC checkcatalog(‘CacheDBMSIntl’)时遇到报错如下 Msg 3853, Level 16, State 1, Line 7 Attribute (object_id1071830442) of row (object_id1071830442,column_id1) in sys.columns does not have a matching row (object_id1071830442) in sy…

VUE之组件通信(二)

1、v-model v-model的底层原理:是:value值和input事件的结合 $event到底是啥?啥时候能.target 对于原生事件,$event就是事件对象 ,能.target对应自定义事件,$event就是触发事件时,所传递的数据&#xff…

P2036 [COCI 2008/2009 #2] PERKET(dfs)

#include<bits/stdc.h> using namespace std;int n; int a[15],b[15]; int ansINT_MAX; // 初始化最小差值为一个很大的数&#xff0c;保证能找到最小值void dfs(int i,int s,int k){if(in){ // 当遍历完所有元素时if(s1&&k0) return;int difabs(s-k);ans mi…

论文解读:《基于TinyML毫米波雷达的座舱检测、定位与分类》

摘要 本文提出了一种实时的座舱检测、定位和分类解决方案&#xff0c;采用毫米波&#xff08;mmWave&#xff09;雷达系统芯片&#xff08;SoC&#xff09;&#xff0c;CapterahCAL60S344-AE&#xff0c;支持微型机器学习&#xff08;TinyML&#xff09;。提出了波束距离-多普勒…

ORB-SLAM2源码学习:KeyFrame.cc④: void KeyFrame::UpdateBestCovisibles更新最佳共视

前言 在添加新连接之后就要重新对所有的共视关键帧和权重的那两个列表重新进行降序排列&#xff0c;这样非常容易知道列表的第一位就是最佳共视关键帧和权重。 总的来说就是只要权重发生了变化就要调用这个函数来修改mvpOrderedConnectedKeyFrames共视关键帧和mvOrderedWeigh…

尚硅谷课程【笔记】——大数据之Shell【一】

课程视频&#xff1a;【【尚硅谷】Shell脚本从入门到实战】 一、Shell概述 为什么要学习Shell&#xff1f; 1&#xff09;需要看懂运维人员的Shell程序 2&#xff09;偶尔编写一些简单的Shell程序来管理集群、提高开发效率 什么是Shell&#xff1f; 1&#xff09;Shell是一…

ES6 对象扩展:对象简写,对象属性 表达式,扩展运算符 ...,Object.assign,Object.is,用法和应用场景

1. 对象属性简写 1.1 基本语法 // 传统写法 const name John; const age 25; const user {name: name,age: age };// ES6 简写语法 const user {name,age };1.2 实际应用场景 // 1. 函数返回对象 function createUser(name, age, email) {return {name,age,email}; }// …

【2025】camunda API接口介绍以及REST接口使用(3)

前言 在前面的两篇文章我们介绍了Camunda的web端和camunda-modeler的使用。这篇文章主要介绍camunda结合springboot进行使用&#xff0c;以及相关api介绍。 该专栏主要为介绍camunda的学习和使用 &#x1f345;【2024】Camunda常用功能基本详细介绍和使用-下&#xff08;1&…

Java进阶学习之路

Java进阶之路 提示&#xff1a;这里可以添加系列文章的所有文章的目录&#xff0c;目录需要自己手动添加 提示&#xff1a;写完文章后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 目录 Java进阶之路前言一、Java入门 Java基础 1、Java概述 1.1 什…

JAVA安全—反射机制攻击链类对象成员变量方法构造方法

前言 还是JAVA安全&#xff0c;哎&#xff0c;真的讲不完&#xff0c;太多啦。 今天主要是讲一下JAVA中的反射机制&#xff0c;因为反序列化的利用基本都是要用到这个反射机制&#xff0c;还有一些攻击链条的构造&#xff0c;也会用到&#xff0c;所以就讲一下。 什么是反射…

TfidfVectorizer

TF-IDF / Term Frequency - Inverse Document Frequency 作用&#xff1a;是自然语言处理NLP中常用的文本特征提取工具&#xff0c;用于将文本数据转换为数据向量。 核心思想&#xff1a;是通过统计词频和逆文档频率来量化词语在文本中的重要性。 T F − I D F ( t , d ) T F…

DeepSeek-R1 论文解读:强化学习如何 “炼” 出超强推理模型?

深度解析DeepSeek-R1&#xff1a;强化学习驱动大语言模型推理能力新突破 论文链接&#xff1a;DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning 在大语言模型&#xff08;LLMs&#xff09;飞速发展的当下&#xff0c;提升模型推理能力成…