Aix-DB
Aix-DB 是一款基于大语言模型和 RAG 技术的智能数据助手,旨在让用户通过自然语言对话即可轻松完成复杂的数据分析与可视化工作。它解决了传统数据分析门槛高、依赖专业 SQL 技能以及报表制作耗时长的痛点,实现了从“提问”到“数据洞察”的端到端自动转换。
无论是需要快速验证想法的业务分析师、希望降低数据使用门槛的管理者,还是寻求高效集成方案的开发者,都能从中受益。普通用户无需编写代码,只需像聊天一样提问,系统便能自动提取数据并生成图表;开发者则可利用其灵活的架构进行深度定制。
在技术层面,Aix-DB 构建了独特的多智能体协作架构。它深度融合了 LangChain/LangGraph 框架与 MCP Skills 机制,不仅支持标准的 Text2SQL(文本转数据库查询)和表格问答,还具备“越问越准”的自我优化能力。其特有的 Skill 模式允许用户扩展自定义技能,配合 OpenClaw 智能集成方案,使得系统在应对复杂、深度的数据分析场景时更加精准可控。作为一个开箱即用的安全工具,Aix-DB 让数据探索变得简单、直观且高效。
使用场景
某电商公司的数据分析师需要在晨会前快速回答运营团队关于“上周各区域复购率与客单价关联分析”的临时需求。
没有 Aix-DB 时
- 沟通成本高:分析师需反复确认业务口径,手动编写复杂的 SQL 多表连接查询,耗时至少 1 小时。
- 技能门槛限制:运营人员不懂 SQL,无法自助获取数据,必须依赖技术人员排期处理,响应滞后。
- 可视化繁琐:查出数据后,还需导出到 Excel 或 BI 工具中手动制作图表,流程割裂且容易出错。
- 深度洞察难:仅能呈现基础数据,难以即时进行多维度的归因分析或异常检测,决策支持不足。
使用 Aix-DB 后
- 自然语言直达:运营人员直接用中文提问,Aix-DB 基于 LangGraph 架构自动解析意图并生成精准 SQL,秒级返回结果。
- 多智能体协作:Aix-DB 调用 MCP Skills 自动协同,一边提取数据一边匹配最佳可视化模板,直接生成动态趋势图。
- 自助式分析:非技术人员也能通过对话式交互(ChatBI)自主探索数据,随时调整筛选条件,无需等待开发资源。
- 智能深度问数:Aix-DB 不仅能展示数据,还能主动识别异常波动并提供初步归因建议,将数据直接转化为业务洞察。
Aix-DB 将原本需要数小时跨部门协作的数据分析任务,缩短为分钟级的自助对话过程,真正实现了从“人找数据”到“数据找人”的转变。
运行环境要求
- Linux
- macOS
- Windows
未说明(支持本地 Ollama 或云端 API,无强制本地 GPU 要求)
未说明

快速开始
Aix-DB - 大模型数据助手
基于大语言模型和RAG技术的智能数据分析系统,实现对话式数据分析(ChatBI),快速实现数据提取与可视化
项目介绍
Aix-DB 基于 LangChain/LangGraph 框架,结合 MCP Skills 多智能体协作架构,实现自然语言到数据洞察的端到端转换。
核心能力:智能问答 · 数据问答(Text2SQL) · 表格问答 · 深度问数 · 数据可视化 · MCP 多智能体 · Skill 模式
产品特点:📦 开箱即用 · 🔒 安全可控 · 🔌 易于集成 · 🎯 越问越准 · 🧩 Skill 模式 · 🐾 OpenClaw 智能集成
演示视频
| 🎯 Skill 模式 | 💬 标准模式 |
|---|---|
| 🧩 Skill 技能中心 | 🐾 OpenClaw 模式 |
联系我们
无论是项目部署、技术咨询还是商务合作,欢迎随时扫码添加微信沟通:
| 微信公众号 | 个人微信 |
![]() |
![]() |
| 关注公众号获取最新动态 | 添加时请备注:技术支持&商务合作 |
技术支持与赞助
| 🎯 技术社群(365元) | 🚀 定制开发(1000元起) |
|---|---|
|
|
社群权益
| 📅 定期组织腾讯会议 | 开展群内答疑,集中解决部署、分享最新技术落地案例实操 |
| 🖥️ 典型问题远程演示 | 针对高频难点,屏幕共享实操讲解,看得懂、学得会 |
| 💡 二次开发思路分享 | Vibe Coding方式根据自己需求定制开发实战案例分享 |
| 🔔 项目更新同步 | 第一时间发布版本迭代、Bug 修复与新功能进展 |
商务合作
| 🗂️ 数据问答领域 | 面向企业数据分析场景,提供 Text2SQL、智能报表、数据可视化等端到端解决方案 |
| 🤖 OpenClaw 多智能体搭建 | 基于 OpenClaw 平台,为企业定制多智能体协作系统,实现复杂业务流程的智能化 |
| 🎯 特定领域 SKILL 开发 | 根据行业特点与业务需求,定制开发专属 SKILL 指令集,提升 Agent 在垂直领域的专业能力 |
| 💬 方案咨询与交流 | 无论您有任何技术疑问或业务想法,欢迎随时联系我,一起探讨最适合您的落地方案 |
系统架构
分层架构设计:
- 前端层:Vue 3 + TypeScript 构建的现代化 Web 界面,集成 ECharts 和 AntV 可视化组件
- API 网关层:基于 Sanic 的高性能异步 API 服务,提供 RESTful 接口和 JWT 认证
- 智能服务层:LLM 服务、Text2SQL Agent、RAG 检索引擎、MCP 多智能体协作
- 数据存储层:支持多种数据库类型,包括关系型数据库、向量数据库、图数据库和文件存储
支持的数据源
| 步骤 | 模块 | 说明 |
|---|---|---|
| 1 | 用户输入 | 用户以自然语言提出数据查询问题 |
| 2 | LLM 意图理解 | 大模型解析问题意图,抽取关键实体和查询条件 |
| 3 | RAG 知识检索 | Embedding + BM25 混合检索,结合 Neo4j 图谱获取相关表结构和业务知识 |
| 4 | SQL 生成 | Text2SQL 引擎生成 SQL 语句,并进行语法校验和优化 |
| 5 | 数据库执行 | 在目标数据源执行 SQL,支持 8+ 种数据库类型 |
| 6 | 可视化展示 | 自动生成 ECharts/AntV 图表,直观呈现分析结果 |
快速开始
使用 Docker 部署(推荐)
docker run -d \
--name aix-db \
--restart unless-stopped \
-e TZ=Asia/Shanghai \
-e SERVER_HOST=0.0.0.0 \
-e SERVER_PORT=8088 \
-e SERVER_WORKERS=2 \
-e LANGFUSE_TRACING_ENABLED=false \
-e LANGFUSE_SECRET_KEY= \
-e LANGFUSE_PUBLIC_KEY= \
-e LANGFUSE_BASE_URL= \
-e VITE_ENABLE_PAGE_AGENT=false \
-e LLM_MAX_TOKENS=65536 \
-p 18080:80 \
-p 18088:8088 \
-p 15432:5432 \
-p 9000:9000 \
-p 9001:9001 \
-v ./volume/pg_data:/var/lib/postgresql/data \
-v ./volume/minio/data:/data \
-v ./volume/logs/supervisor:/var/log/supervisor \
-v ./volume/logs/nginx:/var/log/nginx \
-v ./volume/logs/aix-db:/var/log/aix-db \
-v ./volume/logs/minio:/var/log/minio \
-v ./volume/logs/postgresql:/var/log/postgresql \
--add-host host.docker.internal:host-gateway \
crpi-7xkxsdc0iki61l0q.cn-hangzhou.personal.cr.aliyuncs.com/apconw/aix-db:1.2.4
使用 Docker Compose
git clone https://github.com/apconw/Aix-DB.git
cd Aix-DB/docker
cp .env.template .env # 复制环境变量模板,按需修改(推荐开启 VITE_ENABLE_PAGE_AGENT=true)
docker-compose up -d
访问系统
Web 管理界面
- 访问地址:http://localhost:18080
- 默认账号:
admin - 默认密码:
123456
PostgreSQL 数据库
- 连接地址:
localhost:15432 - 数据库名:
aix_db - 用户名:
aix_db - 密码:
1
本地开发
① 克隆项目
git clone https://github.com/apconw/Aix-DB.git
cd Aix-DB
② 启动依赖中间件(PostgreSQL、MinIO 等)
cd docker
docker-compose up -d
③ 配置环境变量
编辑项目根目录下的 .env.dev, 按需修改数据库连接、MinIO 地址等配置(默认配置可直接使用)
④ 安装 Python 依赖(需要 Python 3.11)
# 方式一:pip
pip install -r requirements.txt
# 方式二:uv(推荐,更快)
uv venv --python 3.11
source .venv/bin/activate
uv sync
⑤ 启动后端服务
# Windows PowerShell 专属命令:设置环境变量+运行脚本,一行执行 增加字符兼容性,解决有些机器错误问题。
$env:PYTHONUTF8=1; python serv.py
⑥ 启动前端开发服务器(另开终端)
cd web
npm install
npm run dev
技术栈
后端:Sanic · SQLAlchemy · LangChain/LangGraph · Neo4j · FAISS/Chroma · MinIO
前端:Vue 3 · TypeScript · Vite 5 · Naive UI · ECharts · AntV
AI 模型:OpenAI · Anthropic · DeepSeek · Qwen · Ollama
贡献指南
欢迎提交 Issue 和 Pull Request!
- Fork 本仓库
- 创建特性分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 提交 Pull Request
Star History
开源许可
本项目采用 Apache License 2.0 开源许可证。
版本历史
v1.2.42026/04/11v1.2.32026/02/10v1.2.22026/01/30v1.2.12025/12/06v1.2.02025/11/09v1.1.92025/10/14v1.1.82025/09/30v1.1.72025/09/08v1.1.62025/08/26v1.1.52025/08/12v1.1.42025/06/30v1.1.32025/05/11v1.1.22025/03/18v1.1.12025/02/06v1.1.02025/01/01v1.0.02024/11/21相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器


