[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-kaarthik108--snowChat":3,"tool-kaarthik108--snowChat":62},[4,18,26,36,46,54],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","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。\n\n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。\n\nOpenClaw 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",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-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。\n\n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。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-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。\n\n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。\n\n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",160784,2,"2026-04-19T11:32:54",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":42,"last_commit_at":43,"category_tags":44,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,45],"插件",{"id":47,"name":48,"github_repo":49,"description_zh":50,"stars":51,"difficulty_score":32,"last_commit_at":52,"category_tags":53,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","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。\n\n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。\n\n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。",109154,"2026-04-18T11:18:24",[14,15,13],{"id":55,"name":56,"github_repo":57,"description_zh":58,"stars":59,"difficulty_score":32,"last_commit_at":60,"category_tags":61,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-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。\n\n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。\n\n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。",100752,"2026-04-10T01:20:03",[45,13,15,14],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":68,"readme_en":69,"readme_zh":70,"quickstart_zh":71,"use_case_zh":72,"hero_image_url":73,"owner_login":74,"owner_name":75,"owner_avatar_url":76,"owner_bio":77,"owner_company":78,"owner_location":79,"owner_email":78,"owner_twitter":80,"owner_website":81,"owner_url":82,"languages":83,"stars":96,"forks":97,"last_commit_at":98,"license":78,"difficulty_score":99,"env_os":100,"env_gpu":100,"env_ram":100,"env_deps":101,"category_tags":109,"github_topics":110,"view_count":32,"oss_zip_url":78,"oss_zip_packed_at":78,"status":17,"created_at":117,"updated_at":118,"faqs":119,"releases":155},9659,"kaarthik108\u002FsnowChat","snowChat","Chat snowflake - Text to SQL","snowChat 是一款让数据查询变得像聊天一样简单的开源工具。它专为 Snowflake 数据仓库设计，允许用户直接使用自然语言提问，无需编写复杂的 SQL 代码，系统即可自动将其转化为精准的查询语句并返回结果。\n\n长期以来，非技术人员想要获取数据洞察往往依赖数据分析师编写查询，或者需要自己学习晦涩的 SQL 语法，这不仅效率低下，也提高了数据使用的门槛。snowChat 正是为了解决这一痛点而生，它打破了人与数据之间的壁垒，让业务人员也能轻松实现“所问即所得”，从而更快地做出数据驱动的决策。\n\n这款工具非常适合企业中的数据分析师、业务运营人员以及希望快速验证想法的产品经理使用。同时，对于需要构建内部数据问答系统的开发者而言，snowChat 提供了基于 LangChain 的代理架构和清晰的部署文档，也是极佳的参考项目。\n\n在技术亮点方面，snowChat 不仅支持 GPT-4o、Claude 3、Llama 3 等多种主流大模型，还具备独特的“自愈”能力：当生成的 SQL 出现错误时，它能主动分析并提供修正方案。此外，它拥有对话记忆功能，能理解上下文语境，让多轮数据探索更加流畅自","snowChat 是一款让数据查询变得像聊天一样简单的开源工具。它专为 Snowflake 数据仓库设计，允许用户直接使用自然语言提问，无需编写复杂的 SQL 代码，系统即可自动将其转化为精准的查询语句并返回结果。\n\n长期以来，非技术人员想要获取数据洞察往往依赖数据分析师编写查询，或者需要自己学习晦涩的 SQL 语法，这不仅效率低下，也提高了数据使用的门槛。snowChat 正是为了解决这一痛点而生，它打破了人与数据之间的壁垒，让业务人员也能轻松实现“所问即所得”，从而更快地做出数据驱动的决策。\n\n这款工具非常适合企业中的数据分析师、业务运营人员以及希望快速验证想法的产品经理使用。同时，对于需要构建内部数据问答系统的开发者而言，snowChat 提供了基于 LangChain 的代理架构和清晰的部署文档，也是极佳的参考项目。\n\n在技术亮点方面，snowChat 不仅支持 GPT-4o、Claude 3、Llama 3 等多种主流大模型，还具备独特的“自愈”能力：当生成的 SQL 出现错误时，它能主动分析并提供修正方案。此外，它拥有对话记忆功能，能理解上下文语境，让多轮数据探索更加流畅自然。通过结合 Streamlit 构建的友好界面与 Snowflake 的实时连接能力，snowChat 真正将枯燥的数据查询变成了一场高效的互动对话。","# snowChat 💬❄️\n\n[![Streamlit](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F-Streamlit-FF4B4B?style=flat-square&logo=streamlit&logoColor=white)](https:\u002F\u002Fstreamlit.io\u002F)\n[![OpenAI](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F-OpenAI-412991?style=flat-square&logo=openai&logoColor=white)](https:\u002F\u002Fopenai.com\u002F)\n[![Snowflake](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F-Snowflake-29BFFF?style=flat-square&logo=snowflake&logoColor=white)](https:\u002F\u002Fwww.snowflake.com\u002Fen\u002F)\n[![Supabase](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F-Supabase-00C04A?style=flat-square&logo=supabase&logoColor=white)](https:\u002F\u002Fwww.supabase.io\u002F)\n[![AWS](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F-AWS-232F3E?style=flat-square&logo=amazon-aws&logoColor=white)](https:\u002F\u002Faws.amazon.com\u002F)\n[![Langchain](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F-Langchain-gray?style=flat-square)](https:\u002F\u002Fwww.langchain.com\u002F)\n\n[![Streamlit App](https:\u002F\u002Fstatic.streamlit.io\u002Fbadges\u002Fstreamlit_badge_black_white.svg)](https:\u002F\u002Fsnowchat.streamlit.app\u002F)\n\n![156shots_so](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkaarthik108_snowChat_readme_550b3b43302b.png)\n\n**snowChat** is an intuitive and user-friendly application that allows users to interact with their Snowflake data using natural language queries. Type in your questions or requests, and SnowChat will generate the appropriate SQL query and return the data you need. No more complex SQL queries or digging through tables - SnowChat makes it easy to access your data! By bringing data one step closer, SnowChat empowers users to make data-driven decisions faster and more efficiently, reducing the barriers between users and the insights they seek.\n\n## Supported LLM's\n\n- GPT-4o\n- Gemini Flash 1.5 8B\n- Claude 3 Haiku\n- Llama 3.2 3B\n- Llama 3.1 405B\n\n#\n\nhttps:\u002F\u002Fgithub.com\u002Fkaarthik108\u002FsnowChat\u002Fassets\u002F53030784\u002F24105e23-69d3-4676-b6d6-d8157dd1580a\n\n#\n\n## 🌟 Features\n\n- **Conversational AI**: Use ChatGPT and other models to translate natural language into precise SQL queries.\n- **Conversational Memory**: Retains context for interactive, dynamic responses.\n- **Snowflake Integration**: Offers seamless, real-time data insights straight from your Snowflake database.\n- **Self-healing SQL**: Proactively suggests solutions for SQL errors, streamlining data access.\n- **Interactive User Interface**: Transforms data querying into an engaging conversation, complete with a chat reset option.\n- **Agent-based Architecture**: Utilizes an agent to manage interactions and tool usage.\n\n## 🛠️ Installation\n\n1. Clone this repository:\n   git clone https:\u002F\u002Fgithub.com\u002Fyourusername\u002Fsnowchat.git\n\n2. Install the required packages:\n   cd snowchat\n   pip install -r requirements.txt\n\n3. Set up your `OPENAI_API_KEY`, `ACCOUNT`, `USER_NAME`, `PASSWORD`, `ROLE`, `DATABASE`, `SCHEMA`, `WAREHOUSE`, `SUPABASE_URL` , `SUPABASE_SERVICE_KEY`, `SUPABASE_STORAGE_URL`,`CLOUDFLARE_ACCOUNT_ID`, `CLOUDFLARE_NAMESPACE_ID`,\n   `CLOUDFLARE_API_TOKEN` in project directory `secrets.toml`.\n   Cloudflare is used here for caching Snowflake responses in KV.\n\n4. Make you're schemas and store them in docs folder that matches you're database.\n\n5. Create supabase extention, table and function from the supabase\u002Fscripts.sql.\n\n6. Run `python ingest.py` to get convert to embeddings and store as an index file.\n\n7. Run the Streamlit app to start chatting:\n   streamlit run main.py\n\n## Star History\n\n[![Star History Chart](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkaarthik108_snowChat_readme_06546a9de8bb.png)]\n\n## 🤝 Contributing\n\nFeel free to contribute to this project by submitting a pull request or opening an issue. Your feedback and suggestions are greatly appreciated!\n\n## 📄 License\n\nThis project is licensed under the MIT License - see the [LICENSE](https:\u002F\u002Fchoosealicense.com\u002Flicenses\u002Fmit\u002F) file for details.\n","# snowChat 💬❄️\n\n[![Streamlit](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F-Streamlit-FF4B4B?style=flat-square&logo=streamlit&logoColor=white)](https:\u002F\u002Fstreamlit.io\u002F)\n[![OpenAI](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F-OpenAI-412991?style=flat-square&logo=openai&logoColor=white)](https:\u002F\u002Fopenai.com\u002F)\n[![Snowflake](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F-Snowflake-29BFFF?style=flat-square&logo=snowflake&logoColor=white)](https:\u002F\u002Fwww.snowflake.com\u002Fen\u002F)\n[![Supabase](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F-Supabase-00C04A?style=flat-square&logo=supabase&logoColor=white)](https:\u002F\u002Fwww.supabase.io\u002F)\n[![AWS](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F-AWS-232F3E?style=flat-square&logo=amazon-aws&logoColor=white)](https:\u002F\u002Faws.amazon.com\u002F)\n[![Langchain](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F-Langchain-gray?style=flat-square)](https:\u002F\u002Fwww.langchain.com\u002F)\n\n[![Streamlit App](https:\u002F\u002Fstatic.streamlit.io\u002Fbadges\u002Fstreamlit_badge_black_white.svg)](https:\u002F\u002Fsnowchat.streamlit.app\u002F)\n\n![156shots_so](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkaarthik108_snowChat_readme_550b3b43302b.png)\n\n**snowChat** 是一款直观且易于使用的应用程序，允许用户通过自然语言查询与 Snowflake 数据进行交互。只需输入您的问题或请求，snowChat 就会生成相应的 SQL 查询并返回所需数据。无需再编写复杂的 SQL 查询或手动翻阅表格——snowChat 让您轻松访问数据！通过让数据更贴近用户，snowChat 使用户能够更快、更高效地做出数据驱动的决策，从而降低用户与所需洞察之间的障碍。\n\n## 支持的 LLM\n\n- GPT-4o\n- Gemini Flash 1.5 8B\n- Claude 3 Haiku\n- Llama 3.2 3B\n- Llama 3.1 405B\n\n#\n\nhttps:\u002F\u002Fgithub.com\u002Fkaarthik108\u002FsnowChat\u002Fassets\u002F53030784\u002F24105e23-69d3-4676-b6d6-d8157dd1580a\n\n#\n\n## 🌟 功能\n\n- **对话式 AI**：使用 ChatGPT 等模型将自然语言转换为精确的 SQL 查询。\n- **对话记忆**：保留上下文，实现交互式、动态响应。\n- **Snowflake 集成**：直接从您的 Snowflake 数据库中提供无缝的实时数据洞察。\n- **自我修复 SQL**：主动建议解决 SQL 错误的方法，简化数据访问流程。\n- **交互式用户界面**：将数据查询转化为有趣的对话，并提供聊天重置选项。\n- **基于代理的架构**：利用代理管理交互和工具使用。\n\n## 🛠️ 安装\n\n1. 克隆此仓库：\n   git clone https:\u002F\u002Fgithub.com\u002Fyourusername\u002Fsnowchat.git\n\n2. 安装所需的软件包：\n   cd snowchat\n   pip install -r requirements.txt\n\n3. 在项目目录中的 `secrets.toml` 文件中设置您的 `OPENAI_API_KEY`、`ACCOUNT`、`USER_NAME`、`PASSWORD`、`ROLE`、`DATABASE`、`SCHEMA`、`WAREHOUSE`、`SUPABASE_URL`、`SUPABASE_SERVICE_KEY`、`SUPABASE_STORAGE_URL`、`CLOUDFLARE_ACCOUNT_ID`、`CLOUDFLARE_NAMESPACE_ID` 和 `CLOUDFLARE_API_TOKEN`。此处使用 Cloudflare 来缓存 Snowflake 的响应数据。\n\n4. 创建您的模式并将它们存储在与您的数据库匹配的 `docs` 文件夹中。\n\n5. 从 `supabase\u002Fscripts.sql` 中创建 Supabase 扩展、表和函数。\n\n6. 运行 `python ingest.py` 以获取嵌入并向索引文件中存储。\n\n7. 运行 Streamlit 应用程序开始聊天：\n   streamlit run main.py\n\n## 星标历史\n\n[![星标历史图表](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkaarthik108_snowChat_readme_06546a9de8bb.png)]\n\n## 🤝 贡献\n\n欢迎通过提交拉取请求或打开议题来参与本项目的开发。您的反馈和建议将不胜感激！\n\n## 📄 许可证\n\n本项目采用 MIT 许可证授权——详情请参阅 [LICENSE](https:\u002F\u002Fchoosealicense.com\u002Flicenses\u002Fmit\u002F) 文件。","# snowChat 快速上手指南\n\nsnowChat 是一款基于 Streamlit 构建的开源工具，允许用户使用自然语言与 Snowflake 数据库进行交互。它利用大语言模型（LLM）将用户问题自动转换为 SQL 查询，并返回结果，无需编写复杂的 SQL 代码。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**: Linux, macOS 或 Windows\n*   **Python 版本**: Python 3.8 或更高版本\n*   **账号与服务**:\n    *   Snowflake 账号（包含 Account, User, Password, Role, Database, Schema, Warehouse 信息）\n    *   LLM API Key（支持 OpenAI, Gemini, Claude, Llama 等）\n    *   Supabase 项目（用于存储扩展、表和函数）\n    *   Cloudflare 账号（可选，用于 KV 缓存加速）\n*   **前置依赖**: `git`, `pip`\n\n## 安装步骤\n\n### 1. 克隆项目\n将代码仓库克隆到本地：\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fkaarthik108\u002FsnowChat.git\ncd snowChat\n```\n\n### 2. 安装依赖\n安装项目所需的 Python 包：\n```bash\npip install -r requirements.txt\n```\n> **提示**：国内开发者如遇下载缓慢，可使用清华源加速：\n> `pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`\n\n### 3. 配置密钥\n在项目根目录下创建或编辑 `secrets.toml` 文件（通常位于 `.streamlit\u002F` 文件夹下，若不存在可手动创建），填入以下配置信息：\n\n```toml\nOPENAI_API_KEY = \"your_openai_key\"\nACCOUNT = \"your_snowflake_account\"\nUSER_NAME = \"your_username\"\nPASSWORD = \"your_password\"\nROLE = \"your_role\"\nDATABASE = \"your_database\"\nSCHEMA = \"your_schema\"\nWAREHOUSE = \"your_warehouse\"\nSUPABASE_URL = \"your_supabase_url\"\nSUPABASE_SERVICE_KEY = \"your_supabase_service_key\"\nSUPABASE_STORAGE_URL = \"your_supabase_storage_url\"\nCLOUDFLARE_ACCOUNT_ID = \"your_cloudflare_account_id\"\nCLOUDFLARE_NAMESPACE_ID = \"your_cloudflare_namespace_id\"\nCLOUDFLARE_API_TOKEN = \"your_cloudflare_api_token\"\n```\n*注：Cloudflare 相关配置用于缓存 Snowflake 响应，若不需要可留空或根据实际需求调整。*\n\n### 4. 准备数据库文档\n确保您的数据库架构文档已准备好，并将其存放在项目的 `docs` 文件夹中，文件名需与您的数据库匹配。这将帮助 AI 更准确地理解表结构。\n\n### 5. 初始化 Supabase\n登录您的 Supabase SQL 编辑器，运行 `supabase\u002Fscripts.sql` 文件中的脚本，以创建必要的扩展、数据表和函数。\n\n### 6. 生成向量索引\n运行以下脚本，将文档转换为嵌入向量（Embeddings）并存储为索引文件：\n```bash\npython ingest.py\n```\n\n## 基本使用\n\n完成上述配置后，即可启动应用进行对话式数据查询。\n\n1.  **启动应用**\n    在终端执行以下命令启动 Streamlit 服务：\n    ```bash\n    streamlit run main.py\n    ```\n\n2.  **开始对话**\n    浏览器会自动打开应用界面（通常为 `http:\u002F\u002Flocalhost:8501`）。\n    *   在聊天框中输入自然语言问题，例如：“显示上个月销售额最高的前 10 个产品”。\n    *   snowChat 会自动生成对应的 SQL 查询，执行并从 Snowflake 获取数据返回给您。\n    *   支持多轮对话，系统会保留上下文记忆。\n    *   若生成的 SQL 出错，系统具备“自愈”功能，会尝试自动修正并提供建议。\n\n3.  **重置会话**\n    如需清除当前对话历史，可使用界面上的重置按钮开始新的查询会话。","某电商公司的数据分析师需要在促销活动期间，快速从 Snowflake 海量订单库中提取特定用户群体的复购率数据以支持即时决策。\n\n### 没有 snowChat 时\n- **沟通成本高**：分析师不懂复杂 SQL，必须向数据工程师提交工单排队等待取数，耗时数小时甚至半天。\n- **试错风险大**：若自行编写查询，常因表结构记忆模糊导致语法错误或关联逻辑偏差，反复调试浪费大量时间。\n- **上下文断裂**：每次修改查询条件（如调整时间范围或增加筛选维度）都需重新编写完整代码，无法基于上一轮结果自然追问。\n- **响应滞后**：面对突发业务疑问，无法实时获得数据反馈，导致运营策略调整总是慢于市场变化。\n\n### 使用 snowChat 后\n- **自然语言交互**：分析师直接用中文提问“过去 24 小时内上海地区复购超过 2 次的用户占比”，snowChat 即刻生成精准 SQL 并返回结果。\n- **智能自愈纠错**：即使初始描述有歧义，snowChat 能自动识别潜在错误并建议修正方案，无需人工排查语法细节。\n- **多轮对话记忆**：基于上一轮结果，分析师可顺势追问“那这些用户的平均客单价是多少”，snowChat 自动继承上下文生成新查询。\n- **实时决策赋能**：从提问到获取洞察仅需秒级，业务团队能根据实时数据动态调整促销资源投放，抓住最佳营销窗口。\n\nsnowChat 通过消除自然语言与数据库之间的技术壁垒，让业务人员能像聊天一样直接获取数据洞察，将数据决策效率提升了数量级。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkaarthik108_snowChat_550b3b43.png","kaarthik108","Kaarthik Andavar","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fkaarthik108_e1a2d611.jpg","Engineering\r\n    \r\n",null,"New Zealand","kaarthikcodes","k01.dev","https:\u002F\u002Fgithub.com\u002Fkaarthik108",[84,88,92],{"name":85,"color":86,"percentage":87},"Python","#3572A5",93.7,{"name":89,"color":90,"percentage":91},"Makefile","#427819",4.5,{"name":93,"color":94,"percentage":95},"PLpgSQL","#336790",1.8,551,289,"2026-04-04T22:03:44",4,"未说明",{"notes":102,"python":100,"dependencies":103},"该工具主要依赖云端大模型（如 GPT-4o, Claude 3, Llama 3 等）和 Snowflake 数据库，本地无需高性能 GPU。运行前需在 secrets.toml 中配置 OpenAI、Snowflake、Supabase 及 Cloudflare 的密钥与连接信息。需预先执行 ingest.py 将数据库 Schema 转换为嵌入向量并存储，且需在 Supabase 中执行 SQL 脚本创建扩展、表及函数。",[104,105,106,107,108],"streamlit","langchain","snowflake-connector-python","supabase","openai",[13,14,35],[104,111,112,105,107,113,114,115,116],"chatgpt","snowflake","llama","snowpark","agents","langgraph","2026-03-27T02:49:30.150509","2026-04-20T04:06:14.242879",[120,125,130,135,140,145,150],{"id":121,"question_zh":122,"answer_zh":123,"source_url":124},43395,"运行项目时推荐的 Python 版本是多少？","项目维护者确认使用的 Python 版本为 3.9.16。建议在 README 中明确声明此版本要求，以避免依赖安装错误（如 unstructured 包版本不匹配问题）。","https:\u002F\u002Fgithub.com\u002Fkaarthik108\u002FsnowChat\u002Fissues\u002F5",{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},43396,"该项目是否支持商业使用？许可证是什么？","该项目采用 MIT 许可证，允许商业使用。","https:\u002F\u002Fgithub.com\u002Fkaarthik108\u002FsnowChat\u002Fissues\u002F16",{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},43397,"如何自动化从 Snowflake 获取所有表和视图的 Schema 定义？","虽然文档中提到手动复制 Schema，但维护者提供了一个自动化脚本示例。你可以参考 snowBrain 项目中的代码来自动获取 DDL：https:\u002F\u002Fgithub.com\u002Fkaarthik108\u002FsnowBrain\u002Fblob\u002Fmain\u002Fembed\u002Fsnowflake_ddl_fetcher.py","https:\u002F\u002Fgithub.com\u002Fkaarthik108\u002FsnowChat\u002Fissues\u002F8",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},43398,"SnowChat 的工作原理是什么？为什么使用 Supabase？","关于工作流程和逻辑，维护者发布了一篇官方博客文章详细介绍：https:\u002F\u002Fblog.streamlit.io\u002Fsnowchat-leveraging-openais-gpt-for-sql-queries\u002F。使用 Supabase 的目的是为了存储向量嵌入（vector embeddings），且该服务免费可用。","https:\u002F\u002Fgithub.com\u002Fkaarthik108\u002FsnowChat\u002Fissues\u002F7",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},43399,"如何将此模型连接到 MySQL 数据库而不是 Snowflake？","只需更改代码结构以适配 MySQL 即可。整体逻辑非常直接，主要涉及修改数据库连接配置和相应的 SQL 生成部分以符合 MySQL 语法。","https:\u002F\u002Fgithub.com\u002Fkaarthik108\u002FsnowChat\u002Fissues\u002F10",{"id":146,"question_zh":147,"answer_zh":148,"source_url":149},43400,"导入 chain.py 时出错，如何解决文件加载问题？","如果遇到链式导入错误，一种临时的解决方法是将 chain.py 中的代码直接复制到 main.py 中运行。这通常表明存在文件路径或模块加载顺序的问题，请检查文件位置是否正确。","https:\u002F\u002Fgithub.com\u002Fkaarthik108\u002FsnowChat\u002Fissues\u002F9",{"id":151,"question_zh":152,"answer_zh":153,"source_url":154},43401,"侧边栏中没有显示预期的数据库表选项怎么办？","该问题此前是由于超时导致的，维护者表示已经修复。如果仍遇到此问题，请确保已更新到最新代码，并检查 secrets.toml 文件中配置的数据库连接是否稳定。","https:\u002F\u002Fgithub.com\u002Fkaarthik108\u002FsnowChat\u002Fissues\u002F3",[]]