whodb

GitHub
4.7k 181 简单 1 次阅读 今天Apache-2.0语言模型插件数据工具
AI 解读 由 AI 自动生成,仅供参考

WhoDB 是一款专为现代开发者打造的轻量级数据库管理工具,支持 Postgres、MySQL、SQLite、MongoDB、Redis 等多种主流数据库。它旨在解决传统数据库客户端启动慢、资源占用高以及操作界面复杂的问题,让数据探索和管理变得轻松高效。

无论是需要快速排查生产环境故障的后端工程师,还是希望直观理解数据架构的研究人员,WhoDB 都能提供流畅的体验。其核心优势在于极致的性能与智能化的交互:基于 Go 语言和 React 构建,安装包不足 50MB,启动时间少于 1 秒,且资源消耗仅为同类工具的十分之一。界面设计简洁直观,提供类似电子表格的数据网格和交互式架构可视化,无需专门学习即可上手。

此外,WhoDB 的一大亮点是内置了强大的 AI 对话功能。用户无需编写复杂的 SQL 语句,只需通过自然语言描述需求,即可借助 Ollama、OpenAI 等模型自动生成查询代码或直接与数据“对话”。这种将高性能引擎与人工智能相结合的设计,使得 WhoDB 成为日常开发、数据调试及架构探索的理想助手。

使用场景

某电商后端工程师在深夜紧急排查生产环境订单数据异常,需要快速定位特定用户的历史交易记录并分析关联的库存变动。

没有 whodb 时

  • 启动缓慢且资源占用高:传统重型数据库客户端启动耗时久,在低配运维机上卡顿明显,严重影响排查效率。
  • 复杂查询编写耗时:为了关联订单表与库存日志表,需手动编写冗长的 SQL JOIN 语句,极易因拼写错误导致二次报错。
  • 数据浏览体验割裂:返回的海量结果集无法流畅滚动,缺乏类似电子表格的直观视图,难以快速筛选关键异常行。
  • 多库切换繁琐:需要在 MySQL(订单)、Redis(缓存)和 MongoDB(日志)之间反复切换不同工具,上下文频繁中断。

使用 whodb 后

  • 秒级启动轻盈运行:whodb 凭借小于 50MB 的体积瞬间启动,即使在资源受限的服务器上也能保持丝滑流畅,零等待进入工作状态。
  • 自然语言直达数据:直接在聊天框输入“查找用户 ID 为 1024 的最近十笔订单及其库存扣减记录”,whodb 自动将其转化为精准 SQL 并执行,无需手写代码。
  • 表格化交互高效直观:查询结果以现代化的数据网格呈现,支持像 Excel 一样自由排序、过滤和编辑,异常数据一眼可见。
  • 全栈数据库统一入口:在一个界面内同时连接 MySQL、Redis 和 MongoDB,通过统一聊天接口跨库检索,彻底消除工具切换带来的心流打断。

whodb 通过 AI 对话式交互与极致轻量化的设计,将原本繁琐的数据库排查工作转变为直观、高效的自然语言探索过程。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU
  • 非必需
  • 若使用本地 AI 模型(如 Ollama),需依赖本地硬件支持,README 未指定具体 GPU 型号或显存要求
内存

未说明(描述为轻量级 <50MB,资源占用比传统工具少 90%)

依赖
notes该工具主要基于 Go 和 React 构建,无需 Python 环境。支持通过 Docker、CLI 或桌面应用安装。AI 功能可选,支持连接 Ollama(本地)、OpenAI、Anthropic 或其他兼容 OpenAI 接口的服务;若使用本地 Ollama,需自行安装对应模型(如 llama3.1)。
python不需要
GoLang (最新版)
Node.js (v16+)
PNPM
whodb hero image

快速开始

WhoDB

轻量、快速且美观的数据库管理工具

发布工作流 发布版本 发布日期 Docker 拉取次数 发布下载量 Docker 镜像大小

每月提交数 最近一次提交 欢迎贡献 PR 贡献者 已关闭的问题 已关闭的 PR

许可证 GitHub 星标 Go TypeScript Go Report Card

可用平台

Docker Windows macOS Snap 命令行工具

🚀 快速入门📖 文档🎮 在线演示💬 社区


WhoDB 界面

🎯 What is WhoDB?

WhoDB 是开发者真正想要使用的现代化数据库管理工具。

基于 GoLang 和 React 构建,WhoDB 是一款轻量级(小于 50MB)但功能强大的数据库客户端,兼具极速性能与直观美观的界面。无论您是在调试生产环境中的问题、探索新的数据库模式,还是为下一个功能管理数据,WhoDB 都能让数据库管理工作变得轻松自如。

为什么选择 WhoDB?

🚀 极速响应

  • 即刻启动(不到 1 秒)
  • 实时查询结果
  • 高效的表格虚拟化技术
  • 资源占用比传统工具低 90%

🎨 美观且直观

  • 干净现代的界面
  • 类似电子表格的数据网格
  • 交互式模式可视化
  • 无需任何培训即可上手

🤖 AI 驱动

  • 自然语言转 SQL
  • 以对话方式与数据互动
  • 支持 Ollama、OpenAI、Anthropic 以及任何兼容 OpenAI 的服务提供商
  • 无需编写复杂查询语句

🔧 开发者友好

  • 多数据库支持
  • 查询历史与管理
  • 模拟数据生成
  • 灵活的导出选项

✨ 核心功能

📊 可视化数据管理

数据网格视图

类似电子表格的数据网格

  • 直观地查看、编辑和管理数据
  • 轻松排序、筛选和搜索
  • 内联编辑并实时更新
  • 批量操作提升效率

🔍 交互式模式浏览器

可视化模式拓扑

  • 交互式图表展示
  • 探索表之间的关系
  • 瞬间理解外键
  • 轻松平移、缩放和导航
模式图

💻 强大的查询界面

草稿板

草稿板查询编辑器

  • 类似 Jupyter 的笔记本界面
  • 语法高亮与自动补全
  • 查询历史记录与复用
  • 多单元格组织结构

🗄️ 多数据库支持

社区版 (CE): PostgreSQL、MySQL、SQLite3、MongoDB、Redis、MariaDB、ElasticSearch

企业版 (EE): 包含 CE 版所有数据库,并额外支持 Oracle、SQL Server、DynamoDB、Athena、Snowflake、Cassandra 等更多数据库

🎯 高级功能

  • 模拟数据生成 - 为开发生成逼真的测试数据
  • 灵活的导出选项 - 支持导出为 CSV、Excel、JSON 或 SQL
  • 高级过滤 - 可视化构建复杂的 WHERE 条件
  • AI 驱动的查询 - 使用 Ollama、OpenAI、Anthropic 或其他兼容 OpenAI 的服务将自然语言转换为 SQL

🎮 立即试用 WhoDB

无需任何设置,即可体验 WhoDB 的实际效果

🌐 在线演示

使用我们的示例数据库,立即试用 WhoDB

登录页面

启动演示 →

预先填充了示例 PostgreSQL 数据库

🎥 视频演示

观看 WhoDB 的实际操作

WhoDB 演示视频

观看视频 →

完整功能演示


🚀 快速入门

选项 1:Docker(推荐)

开始使用 WhoDB 的最快方式:

docker run -it -p 8080:8080 clidey/whodb

然后在浏览器中打开 http://localhost:8080

选项 2:Docker Compose

如果您需要更多控制和配置:

version: "3.8"
services:
  whodb:
    image: clidey/whodb
    ports:
      - "8080:8080"
    environment:
      # AI 集成(可选)
      # Ollama 配置
      - WHODB_OLLAMA_HOST=localhost
      - WHODB_OLLAMA_PORT=11434

      # Anthropic 配置
      - WHODB_ANTHROPIC_API_KEY=your_key_here
      # - WHODB_ANTHROPIC_ENDPOINT=https://api.anthropic.com/v1

      # OpenAI 配置
      - WHODB_OPENAI_API_KEY=your_key_here
      # - WHODB_OPENAI_ENDPOINT=https://api.openai.com/v1

      # 通用 AI 提供商(兼容 OpenAI 的接口)
      # 使用 WHODB_AI_GENERIC_<ID>_* 可以添加任何兼容 OpenAI 的提供商。
      # <ID> 可以是任意唯一标识符(如 LMSTUDIO、OPENROUTER)。
      #
      # LM Studio 示例:
      # - WHODB_AI_GENERIC_LMSTUDIO_NAME=LM Studio
      # - WHODB_AI_GENERIC_LMSTUDIO_BASE_URL=http://host.docker.internal:1234/v1
      # - WHODB_AI_GENERIC_LMSTUDIO_MODELS=mistral-7b,llama-3-8b
      #
      # OpenRouter 示例:
      # - WHODB_AI_GENERIC_OPENROUTER_NAME=OpenRouter
      # - WHODB_AI_GENERIC_OPENROUTER_BASE_URL=https://openrouter.ai/api/v1
      # - WHODB_AI_GENERIC_OPENROUTER_API_KEY=your_key_here
      # - WHODB_AI_GENERIC_OPENROUTER_MODELS=google/gemini-2.0-flash-001,anthropic/claude-3.5-sonnet
    # volumes: # (SQLite 可选)
    #   - ./sample.db:/db/sample.db

接下来?

  1. 连接到您的数据库 - 在登录页面输入您的数据库凭据
  2. 探索您的模式 - 浏览表并可视化关系
  3. 运行查询 - 使用草稿板执行 SQL 查询
  4. 管理数据 - 轻松编辑、添加和删除记录

📖 有关详细的安装选项和配置,请参阅我们的文档


💻 WhoDB CLI

WhoDB 还提供了一个功能强大的命令行界面,带有交互式 TUI(终端用户界面)以及支持 AI 助手的 MCP 服务器。

特性

  • 交互式 TUI - 全功能终端界面,用于数据库管理
  • MCP 服务器 - 支持 Claude、Cursor 等 AI 工具的模型上下文协议
  • 跨平台 - 适用于 macOS、Linux 和 Windows

快速安装

# macOS/Linux
curl -fsSL https://raw.githubusercontent.com/clidey/whodb/main/cli/install/install.sh | bash

# Homebrew(即将推出)
brew install whodb-cli

# npm
npm install -g @clidey/whodb-cli

使用方法

# 启动交互式 TUI
whodb-cli

# 作为 MCP 服务器为 AI 助手服务
whodb-cli mcp serve

📖 有关完整的 CLI 文档,请参阅CLI README


🛠️ 开发环境搭建

前提条件

  • GoLang - 建议使用最新版本
  • PNPM - 用于前端包管理
  • Node.js - 版本 16 或更高

版本

社区版(CE)

  • PostgreSQL
  • MySQL / MariaDB
  • SQLite3
  • MongoDB
  • Redis
  • ElasticSearch

企业版(EE)

  • 包含所有 CE 数据库
  • Oracle
  • SQL Server
  • DynamoDB
  • Athena
  • Snowflake
  • Cassandra
  • 以及更多...

📚 请参阅 BUILD_AND_RUN.md 获取详细的构建说明,以及 ARCHITECTURE.md 查看架构细节。

前端开发

进入 frontend/ 目录并启动开发服务器:

cd frontend
pnpm i
pnpm start

后端开发

1. 构建前端(首次设置)

如果 core/build/ 目录不存在,请先构建前端:

cd frontend
pnpm install
pnpm run build
rm -rf ../core/build/
cp -r ./build ../core/
cd ..

注意: 这仅需执行一次,因为 Go 会在启动时嵌入 build/ 文件夹。

2. 设置 AI 集成(可选)

要启用自然语言查询:

  1. Ollama - 从 ollama.com 下载

    # 安装 Llama 3.1 8b 模型
    ollama pull llama3.1
    

    WhoDB 将自动检测已安装的模型,并在侧边栏中显示一个 聊天 选项。

  2. OpenAI/Anthropic - 设置环境变量(参见上面的 Docker Compose 示例)

  3. 任何兼容 OpenAI 的提供商 - 使用 WHODB_AI_GENERIC_<ID>_* 环境变量连接到 LM Studio、OpenRouter 或任何具有 OpenAI 兼容 API 的提供商(参见上面的 Docker Compose 示例)

3. 启动后端服务

cd core
go run .

后端将在 http://localhost:8080 上启动


💼 使用场景

👨‍💻 对于开发者

本地开发

  • 开发过程中快速检查数据库
  • 以只读方式调试生产问题
  • 使用真实数据测试 API 端点
  • 探索模式变更

API 开发

  • 验证数据转换
  • 测试查询性能
  • 生成模拟数据用于测试
  • 导出数据用于集成测试

📊 对于数据分析师

  • 快速运行临时 SQL 查询
  • 将数据导出到 Excel 进行分析
  • 可视化构建复杂筛选器
  • 可视化表之间的关系

🧪 对于 QA 工程师

  • 生成逼真的测试数据
  • 在测试过程中验证数据库状态
  • 快速调试测试失败
  • 验证数据迁移

🛠️ 对于数据库管理员

  • 监控表结构和索引
  • 高效管理用户数据
  • 快速探索模式
  • 紧急数据修复

❓ 常见问题

WhoDB 与其他数据库工具相比有何不同?

WhoDB 结合了 Adminer 等轻量级工具的特点,同时具备现代化的用户体验、强大的可视化功能以及 AI 能力。与 DBeaver 等资源占用较高的工具不同,WhoDB 的内存占用减少了 90%,却提供了更快、更直观的操作体验。

WhoDB 是否适合用于生产环境?

是的,WhoDB 已经准备好用于生产环境,并被数千名开发者使用。对于生产环境,我们建议:

  • 尽可能使用只读数据库账号
  • 启用 SSL/TLS 连接
  • 考虑使用企业版以获得审计日志和高级安全功能
WhoDB 如何处理大型数据集?

WhoDB 实施了多项性能优化措施:

  • 表虚拟化以实现高效渲染
  • 大型结果集的懒加载
  • 分页控件
  • 查询结果流式传输
支持哪些数据库?

社区版: PostgreSQL、MySQL、MariaDB、SQLite3、MongoDB、Redis、ElasticSearch

企业版: 包括所有社区版支持的数据库,以及 Oracle、SQL Server、DynamoDB、Athena、Snowflake、Cassandra 等更多数据库

如何部署 WhoDB?

WhoDB 可以通过多种方式部署:

  • Docker - 单命令部署
  • Docker Compose - 适用于生产环境
  • Kubernetes - 适用于企业级环境
  • 二进制文件 - 直接安装在服务器上

详情请参阅我们的 快速入门 部分。

WhoDB 会存储我的凭据吗?

不会。默认情况下,WhoDB 不会存储数据库凭据。连接是临时的,关闭浏览器后凭据将被清除。您也可以选择配置本地存储在浏览器中的连接配置文件。

我可以使用 WhoDB 的 AI 功能吗?

可以!WhoDB 集成了以下服务:

  • Ollama - 用于本地私有 AI 模型
  • OpenAI - GPT-4 及其他 OpenAI 模型
  • Anthropic - Claude 模型
  • 任何兼容 OpenAI 的提供商 - LM Studio、OpenRouter、vLLM 等,可通过 WHODB_AI_GENERIC_<ID>_* 环境变量进行配置

这些集成使您可以使用自然语言而非 SQL 来查询数据库。

🤝 贡献

我们欢迎社区的贡献!无论是 bug 报告、功能请求,还是代码贡献,我们都感谢您为改进 WhoDB 所做的努力。

如何贡献

  1. 报告问题 - 发现了 bug?提交 issue
  2. 请求功能 - 有想法吗?发起讨论
  3. 提交 PR - 想贡献代码吗?请查看我们的 贡献指南
  4. 改进文档 - 帮助我们完善文档

开发资源


📸 截图

查看更多截图

数据管理

数据视图

添加/编辑记录

添加行

高级筛选

WHERE 条件

导出选项

导出对话框

模式图可视化

图视图

草稿区查询编辑器

草稿区

查询结果

查询结果

多数据库支持

数据库类型

🏢 基础设施与支持

WhoDB 的部署和 CI/CD 由 Clidey 提供支持,这是一个无代码的 DevOps 平台。

联系与支持


⭐ 在 GitHub 上为我们点赞!

如果您觉得 WhoDB 很有用,请考虑在 GitHub 上给我们点个赞。这有助于我们扩大社区并持续改进 WhoDB。

GitHub 星标


由 Clidey 团队用心打造

"这是魔法吗?是巫术吗?不,这只是 WhoDB!"

版本历史

0.104.02026/04/02
0.103.02026/03/27
0.102.02026/03/27
0.101.02026/03/23
0.100.02026/03/19
0.99.02026/03/13
0.98.02026/03/09
0.97.02026/03/03
0.96.02026/03/03
0.95.02026/02/26
0.94.02026/02/19
0.93.02026/02/16
0.92.02026/02/11
0.91.02026/02/04
0.90.02026/01/27
0.89.02026/01/20
0.88.02026/01/15
0.87.02025/12/29
0.86.02025/12/19
0.85.02025/12/16

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

349.3k|★★★☆☆|今天
Agent开发框架图像

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

141.5k|★★☆☆☆|今天
开发框架Agent语言模型

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

93.4k|★★☆☆☆|今天
插件开发框架

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|今天
语言模型图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|昨天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频