一個開源 GenBI AI 本地代理(確保本地數據安全),使數據驅動型團隊能夠與其數據進行互動,生成文本到 SQL、圖表、電子表格、報告和 BI

一、GenBI AI 代理介紹(文末提供下載)

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

本文信息圖片均來源于github作者主頁

? ? ? ?在 Wren AI,我們的使命是通過生成式商業智能 (GenBI) 使組織能夠無縫訪問數據,從而徹底改變商業智能。我們的目標是通過先進的 AI 驅動型解決方案、可組合數據框架和語義智能來打破數據洞察的障礙,使每個團隊成員都能自信地做出更快、更智能的數據驅動型決策。以用戶為中心的端到端開源 SQL AI 代理 - 文本到 SQL 的整體解決方案以用戶為中心的端到端開源 SQL AI 代理 - 文本到 SQL 的整體解決方案。

二、主要特點

? ? ? 1、Wren AI 會說您的語言,例如英語、德語、西班牙語、法語、日語、韓語、葡萄牙語、中文等。通過向 Wren AI 詢問您的業務問題來解鎖有價值的見解。它超越了表面的數據分析,揭示了有意義的信息,并簡化了從潛在客戶評分模板到客戶細分的答案獲取過程。

? ? ? 2、Wren AI 支持與各種大型語言模型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 功能為用戶提供 AI 生成的摘要,這些摘要與 SQL 查詢一起提供關鍵見解,從而簡化復雜數據。立即將查詢結果轉換為 AI 生成的報告、圖表,將原始數據轉換為清晰、可操作的視覺對象。借助 GenBI,您可以輕松做出更快、更明智的決策。

? ? ? 4、Wren AI 實施了語義引擎架構來提供您的業務LLM上下文;您可以輕松地在數據架構上建立邏輯表示層,以幫助LLM了解有關您的業務上下文的更多信息。

? ? ? ?5、除了從數據庫中檢索數據之外,Wren AI 現在還可以回答探索性問題,例如“我擁有哪些數據”或“我的客戶表中有哪些列?此外,我們的 AI 會根據您的情況動態生成推薦問題和智能后續查詢,使數據探索更智能、更快速、更直觀。讓您的團隊能夠使用 AI 輕松獲得更深入的洞察。

? ? ? 6、借助 Wren AI,您可以使用“建模定義語言”處理元數據、架構、術語、數據關系以及計算和聚合背后的邏輯,從而減少重復編碼并簡化數據聯接。

? ? ? ?7、在 Wren AI 中開始新對話時,您的問題將用于查找最相關的表。從這些中,LLM為用戶生成最相關的問題。您還可以提出后續問題以獲得更深入的見解。

? ? ? ?8、Wren AI 提供無縫的端到端工作流程,使您能夠輕松地將數據與 Excel 和 Google 表格等流行的分析工具連接起來。這樣,您的見解仍然可以訪問,從而可以使用您最熟悉的工具進行進一步分析。

三、安裝條件

1. 在本地計算機上安裝 Docker Desktop。請確保 Docker Desktop 的版本至少為 >= 4.17。

2. 準備 OpenAI API 密鑰,請確保您的 Open API 密鑰具有 Full Permission(All)

3.解壓縮文件,您將看到一個名為?wren-launcher-windows.exe以管理員身份運行,選擇您要選擇的LLM提供商。如果是 OpenAI,請進入下一步;否則,請閱讀此處的文檔以設置自定義LLM提供程序。

輸入您的 OpenAI API 密鑰,然后選擇要在 Wren AI 中使用的 OpenAI 生成模型。我們現在支持以下模型:輸入您的 OpenAI API 密鑰,然后選擇要在 Wren AI 中使用的 OpenAI 生成模型。我們現在支持以下模型:

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

等待安裝完成,安裝將自動運行。該程序將為您設置 docker 容器,并在安裝后在瀏覽器中為您打開應用程序 URL。如果啟動程序沒有為您打開 URL,請轉到 localhost:3000 以開始使用 Wren AI.

夸克網盤分享

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/web/68063.shtml
繁體地址,請注明出處:http://hk.pswp.cn/web/68063.shtml
英文地址,請注明出處:http://en.pswp.cn/web/68063.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

JAVA架構師進階之路

JAVA架構師進階之路 前言 苦于網絡上充斥的各種java知識,多半是互相抄襲,導致很多后來者在學習java知識中味同嚼蠟,本人閑暇之余整理了進階成為java架構師所必須掌握的核心知識點,后續會不斷擴充。 廢話少說,直接上正…

java程序員面試自身優缺點,詳細說明

程序員面試大廠經常被問到的Java異常機制問題,你搞懂了嗎運行時異常:運行時異常是可能被程序員避免的異常。與檢查性相反,運行時異常可以在編譯時被忽略。錯誤(ERROR):錯誤不是異常,而是脫離程序員控制的問題。錯誤通常在代碼中容易被忽略。例如:當棧溢出時,一個錯誤就發生了,它…

C++六大默認成員函數

C六大默認成員函數 默認構造函數默認析構函數RAII技術RAII的核心思想優點示例應用場景 默認拷貝構造深拷貝和淺拷貝 默認拷貝賦值運算符移動構造函數(C11起)默認移動賦值運算符(C11起)取地址及const取地址操作符重載取地址操作符重…

Java 2024年面試總結(持續更新)

目錄 最近趁著金三銀四面了五六家公司吧,也整理了一些問題供大家參考一下(適合經驗三年左右的)。 面試問題(答案是我自己總結的,不一定正確): 總結: 最近趁著金三銀四面了五六家公…

防火墻的安全策略

1.VLAN 2屬于辦公區;VLAN 3屬于生產區,創建時間段 [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…

工作流項目BPMN.JS_Question梳理

工作流項目 想了解如果候選人熟悉工作流技術、bpmn.js和Flowable工作流引擎,面試官會對哪些信息感興趣。我需要分析這個問題,并給出一個全面而結構化的回答。 首先,用戶可能希望了解作為前端面試官,應該關注候選人哪些方面的知識和…

windows下搭建鴻蒙OS應用開發環境

一、前言 HUAWEI DevEco Studio 是華為推出的一款集成開發環境(IDE),主要用于開發基于華為鴻蒙操作系統(HarmonyOS)的應用。作為華為開發者工具的核心之一,DevEco Studio 提供了一個多功能的開發平臺&…

MacBook Pro(M1芯片)Qt環境配置

MacBook Pro(M1芯片)Qt環境配置 1、準備 試圖寫一個跨平臺的桌面應用,此時想到了使用Qt,于是開始了搭建開發環境~ 在M1芯片的電腦上安裝,使用brew工具比較方便 Apple Silicon(ARM/M1&#xf…

Sqlserver DBCC Check 遇到Msg 3853報錯涉及sys.columns和sys.objects信息不匹配的解決方法

對數據庫CacheDBMSIntl執行DBCC checkcatalog(‘CacheDBMSIntl’)時遇到報錯如下 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之組件通信(二)

1、v-model v-model的底層原理:是:value值和input事件的結合 $event到底是啥?啥時候能.target 對于原生事件,$event就是事件對象 ,能.target對應自定義事件,$event就是觸發事件時,所傳遞的數據&#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; // 初始化最小差值為一個很大的數&#xff0c;保證能找到最小值void dfs(int i,int s,int k){if(in){ // 當遍歷完所有元素時if(s1&&k0) return;int difabs(s-k);ans mi…

論文解讀:《基于TinyML毫米波雷達的座艙檢測、定位與分類》

摘要 本文提出了一種實時的座艙檢測、定位和分類解決方案&#xff0c;采用毫米波&#xff08;mmWave&#xff09;雷達系統芯片&#xff08;SoC&#xff09;&#xff0c;CapterahCAL60S344-AE&#xff0c;支持微型機器學習&#xff08;TinyML&#xff09;。提出了波束距離-多普勒…

ORB-SLAM2源碼學習:KeyFrame.cc④: void KeyFrame::UpdateBestCovisibles更新最佳共視

前言 在添加新連接之后就要重新對所有的共視關鍵幀和權重的那兩個列表重新進行降序排列&#xff0c;這樣非常容易知道列表的第一位就是最佳共視關鍵幀和權重。 總的來說就是只要權重發生了變化就要調用這個函數來修改mvpOrderedConnectedKeyFrames共視關鍵幀和mvOrderedWeigh…

尚硅谷課程【筆記】——大數據之Shell【一】

課程視頻&#xff1a;【【尚硅谷】Shell腳本從入門到實戰】 一、Shell概述 為什么要學習Shell&#xff1f; 1&#xff09;需要看懂運維人員的Shell程序 2&#xff09;偶爾編寫一些簡單的Shell程序來管理集群、提高開發效率 什么是Shell&#xff1f; 1&#xff09;Shell是一…

ES6 對象擴展:對象簡寫,對象屬性 表達式,擴展運算符 ...,Object.assign,Object.is,用法和應用場景

1. 對象屬性簡寫 1.1 基本語法 // 傳統寫法 const name John; const age 25; const user {name: name,age: age };// ES6 簡寫語法 const user {name,age };1.2 實際應用場景 // 1. 函數返回對象 function createUser(name, age, email) {return {name,age,email}; }// …

【2025】camunda API接口介紹以及REST接口使用(3)

前言 在前面的兩篇文章我們介紹了Camunda的web端和camunda-modeler的使用。這篇文章主要介紹camunda結合springboot進行使用&#xff0c;以及相關api介紹。 該專欄主要為介紹camunda的學習和使用 &#x1f345;【2024】Camunda常用功能基本詳細介紹和使用-下&#xff08;1&…

Java進階學習之路

Java進階之路 提示&#xff1a;這里可以添加系列文章的所有文章的目錄&#xff0c;目錄需要自己手動添加 提示&#xff1a;寫完文章后&#xff0c;目錄可以自動生成&#xff0c;如何生成可參考右邊的幫助文檔 目錄 Java進階之路前言一、Java入門 Java基礎 1、Java概述 1.1 什…

JAVA安全—反射機制攻擊鏈類對象成員變量方法構造方法

前言 還是JAVA安全&#xff0c;哎&#xff0c;真的講不完&#xff0c;太多啦。 今天主要是講一下JAVA中的反射機制&#xff0c;因為反序列化的利用基本都是要用到這個反射機制&#xff0c;還有一些攻擊鏈條的構造&#xff0c;也會用到&#xff0c;所以就講一下。 什么是反射…

TfidfVectorizer

TF-IDF / Term Frequency - Inverse Document Frequency 作用&#xff1a;是自然語言處理NLP中常用的文本特征提取工具&#xff0c;用于將文本數據轉換為數據向量。 核心思想&#xff1a;是通過統計詞頻和逆文檔頻率來量化詞語在文本中的重要性。 T F ? I D F ( t , d ) T F…

DeepSeek-R1 論文解讀:強化學習如何 “煉” 出超強推理模型?

深度解析DeepSeek-R1&#xff1a;強化學習驅動大語言模型推理能力新突破 論文鏈接&#xff1a;DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning 在大語言模型&#xff08;LLMs&#xff09;飛速發展的當下&#xff0c;提升模型推理能力成…