[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-xataio--agent":3,"tool-xataio--agent":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",159267,2,"2026-04-17T11:29:14",[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。",108322,"2026-04-10T11:39:34",[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":78,"owner_email":78,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":98,"forks":99,"last_commit_at":100,"license":101,"difficulty_score":10,"env_os":102,"env_gpu":103,"env_ram":103,"env_deps":104,"category_tags":110,"github_topics":111,"view_count":32,"oss_zip_url":78,"oss_zip_packed_at":78,"status":17,"created_at":118,"updated_at":119,"faqs":120,"releases":151},8588,"xataio\u002Fagent","agent","AI agent expert in PostgreSQL","Xata Agent 是一款专为 PostgreSQL 数据库打造的开源 AI 专家助手。它就像团队中新增的一位资深站点可靠性工程师（SRE），能够全天候监控数据库日志与指标，主动发现潜在隐患并定位根本原因。\n\n面对数据库性能下降、CPU 或内存占用过高、连接数激增等常见难题，Xata Agent 不仅能提供具体的配置调优建议，还能智能推荐索引优化方案，甚至协助执行安全的维护操作（如 Vacuum）。它有效解决了人工排查耗时费力、容易遗漏细节以及新手缺乏调优经验的痛点。\n\n这款工具特别适合后端开发者、数据库管理员（DBA）以及运维工程师使用，尤其是那些希望提升 PostgreSQL 实例稳定性与性能的技术团队。\n\n在技术实现上，Xata Agent 具备多项独特优势：它严格采用预设 SQL 命令和标准化“剧本”（Playbooks）引导分析流程，从机制上杜绝了 AI 幻觉及执行破坏性指令的风险；支持通过 Cloudwatch 监控 RDS 和 Aurora 实例；可集成 Slack 进行实时告警；并兼容 OpenAI、Anthropic 及 Deepseek 等多种大模型。此外，其架构","Xata Agent 是一款专为 PostgreSQL 数据库打造的开源 AI 专家助手。它就像团队中新增的一位资深站点可靠性工程师（SRE），能够全天候监控数据库日志与指标，主动发现潜在隐患并定位根本原因。\n\n面对数据库性能下降、CPU 或内存占用过高、连接数激增等常见难题，Xata Agent 不仅能提供具体的配置调优建议，还能智能推荐索引优化方案，甚至协助执行安全的维护操作（如 Vacuum）。它有效解决了人工排查耗时费力、容易遗漏细节以及新手缺乏调优经验的痛点。\n\n这款工具特别适合后端开发者、数据库管理员（DBA）以及运维工程师使用，尤其是那些希望提升 PostgreSQL 实例稳定性与性能的技术团队。\n\n在技术实现上，Xata Agent 具备多项独特优势：它严格采用预设 SQL 命令和标准化“剧本”（Playbooks）引导分析流程，从机制上杜绝了 AI 幻觉及执行破坏性指令的风险；支持通过 Cloudwatch 监控 RDS 和 Aurora 实例；可集成 Slack 进行实时告警；并兼容 OpenAI、Anthropic 及 Deepseek 等多种大模型。此外，其架构开放可扩展，允许开发者通过 TypeScript 自定义工具函数，灵活适配多样化的业务场景。","\u003Cdiv align=\"center\">\n  \u003Cpicture>\n    \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"brand-kit\u002Fbanner\u002Fxata-agent-banner-github-dark-mode@2x.png\">\n    \u003Csource media=\"(prefers-color-scheme: light)\" srcset=\"brand-kit\u002Fbanner\u002Fxata-agent-banner-github-light-mode@2x.png\">\n    \u003Cimg alt=\"Xata logo\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fxataio_agent_readme_83ffca0b59b3.png\">\n  \u003C\u002Fpicture>\n\u003C\u002Fdiv>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fblob\u002Fmain\u002FLICENSE\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-Apache_2.0-green\" alt=\"License - Apache 2.0\">\u003C\u002Fa> \n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Factions?query=branch%3Amain\">\u003Cimg src=\"https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Factions\u002Fworkflows\u002Fci.yml\u002Fbadge.svg\" alt=\"CI Build\">\u003C\u002Fa>  \n  \u003Ca href=\"https:\u002F\u002Fxata.io\u002Fdiscord\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fdiscord\u002F996791218879086662?label=Discord\" alt=\"Discord\">\u003C\u002Fa>  \n  \u003Ca href=\"https:\u002F\u002Ftwitter.com\u002Fxata\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Ftwitter\u002Ffollow\u002Fxata?style=flat\" alt=\"X Follow\" \u002F> \u003C\u002Fa>\n\u003C\u002Fp>\n\n# Xata Agent, your AI expert in PostgreSQL\n\nXata Agent is an open source agent that monitors your database, finds root causes of issues, and suggests fixes and improvements. It's like having a new SRE hire in your team, one with extensive experience in Postgres.\n\nLetting the agent introduce itself:\n\n> Hire me as your AI PostgreSQL expert. I can:\n>\n> - watch logs & metrics for potential issues.\n> - proactively suggest configuration tuning for your database instance.\n> - troubleshoot performance issues and make indexing suggestions.\n> - troubleshoot common issues like high CPU, high memory usage, high connection count, etc.\n> - and help you vacuum (your Postgres DB, not your room).\n>\n> More about me:\n>\n> - I am open source and extensible.\n> - I can monitor logs & metrics from RDS & Aurora via Cloudwatch.\n> - I use preset SQL commands. I will never run destructive (even potentially destructive) commands against your database.\n> - I use a set of tools and playbooks to guide me and avoid hallucinations.\n> - I can run troubleshooting statements, like looking into pg_stat_statements, pg_locks, etc. to discover the source of a problem.\n> - I can notify you via Slack if something is wrong.\n> - I support multiple models from OpenAI, Anthropic, and Deepseek.\n>\n> Past experience:\n>\n> - I have been helping the Xata team monitor and operate tons of active Postgres databases.\n\n## Demo\n\nHere is an under 4 minutes walkthrough of the agent in action:\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F78f58598-c1c4-4a50-b9c5-402e912c1d8a\n\nA youtube version of the demo is available [here](https:\u002F\u002Fyoutu.be\u002FSLVRdihoRwI).\n\n## Installation \u002F self-hosted\n\nWe provide docker images for the agent itself. The only other dependency is a Postgres database in which the agent will store its configuration, state, and history.\n\nWe provide a docker-compose file to start the agent and the Postgres database.\n\nEdit the `.env.production` file in the root of the project. You need to set the `PUBLIC_URL` and the API key for at least OpenAI.\n\nStart a local instance via docker compose:\n\n```bash\ndocker compose up\n```\n\nOpen the app at `http:\u002F\u002Flocalhost:8080` (or the public URL you set in the `.env.production` file) and follow the onboarding steps.\n\nWe have a more detailed [guide](https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fwiki\u002FXata-Agent-%E2%80%90-Deploy-on-EC2) on how to deploy via docker-compose on an EC2 instance.\n\nFor authentication, you can use your own OAuth provider.\n\n## Development\n\nGo to the `apps\u002Fdbagent` directory and follow the instructions in the [README](.\u002Fapps\u002Fdbagent\u002FREADME.md).\n\n## Extensibility\n\nThe agent can be extended via the following mechanisms:\n\n- **Tools**: These are functions that the agent can call to get information about the database. They are written in TypeScript, see this [file](https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fblob\u002Fmain\u002Fapps\u002Fdbagent\u002Fsrc\u002Flib\u002Fai\u002Ftools\u002Fdb.ts\u002F#L47) for their description.\n- **Playbooks**: These are sequences of steps that the agent can follow to troubleshoot an issue. They are simply written in english. The pre-defined playbooks are [here](https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fblob\u002Fmain\u002Fapps\u002Fdbagent\u002Fsrc\u002Flib\u002Ftools\u002Fplaybooks.ts).\n- **Integrations**: For example, the AWS and Slack integrations. They contain configuration and UI widgets.\n\n## Status \u002F Roadmap\n\nWhile it's still early days, we are using the agent ourself in our day-to-day operations work at Xata.\n\n- Playbooks:\n  - [x] general monitoring\n  - [x] tune settings\n  - [x] investigate slow queries\n  - [x] investigate high CPU\n  - [x] investigate high memory\n  - [x] investigate high connection count\n  - [ ] investigate locks\n  - [ ] investigate vacuuming\n  - [x] Support for custom playbooks\n  - Other playbooks (please let us know)\n- MCP integrations:\n  - [ ] Act as an MCP server for other agents\n  - [ ] Call the tools over the network via MCP\n- Support for more cloud providers:\n  - [x] AWS RDS\n  - [x] AWS Aurora\n  - [x] Google Cloud SQL\n  - [ ] Azure Database for PostgreSQL\n  - [ ] Digital Ocean Managed Databases\n  - [ ] Other (please let us know)\n- Notifications & integrations:\n  - [x] Simple Slack integration\n  - [ ] Slack integration as an AI agent (https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fpull\u002F29)\n  - [ ] Discord integration\n  - [ ] Other (please let us know)\n- Eval & testing:\n  - [x] Add eval testing for the interaction with LLMs\n- Approval workflow:\n  - [ ] Add an approval workflow for the agent to run potentially dangerous statements\n  - [ ] Allow configuration of the tools that can be defined per monitoring schedule\n\nWhile the Agent is by its nature primarily an open-source project that you self-host, we are also working on a cloud version. The advantage of the cloud version is that some integrations are easier to install. If you are interested in the cloud version, please [sign up on the waitlist here](https:\u002F\u002Ftally.so\u002Fr\u002FwgvkgM).\n","\u003Cdiv align=\"center\">\n  \u003Cpicture>\n    \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"brand-kit\u002Fbanner\u002Fxata-agent-banner-github-dark-mode@2x.png\">\n    \u003Csource media=\"(prefers-color-scheme: light)\" srcset=\"brand-kit\u002Fbanner\u002Fxata-agent-banner-github-light-mode@2x.png\">\n    \u003Cimg alt=\"Xata logo\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fxataio_agent_readme_83ffca0b59b3.png\">\n  \u003C\u002Fpicture>\n\u003C\u002Fdiv>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fblob\u002Fmain\u002FLICENSE\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-Apache_2.0-green\" alt=\"许可证 - Apache 2.0\">\u003C\u002Fa> \n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Factions?query=branch%3Amain\">\u003Cimg src=\"https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Factions\u002Fworkflows\u002Fci.yml\u002Fbadge.svg\" alt=\"CI 构建\">\u003C\u002Fa>  \n  \u003Ca href=\"https:\u002F\u002Fxata.io\u002Fdiscord\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fdiscord\u002F996791218879086662?label=Discord\" alt=\"Discord\">\u003C\u002Fa>  \n  \u003Ca href=\"https:\u002F\u002Ftwitter.com\u002Fxata\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Ftwitter\u002Ffollow\u002Fxata?style=flat\" alt=\"关注 X\" \u002F> \u003C\u002Fa>\n\u003C\u002Fp>\n\n# Xata Agent，您的 PostgreSQL 领域 AI 专家\n\nXata Agent 是一款开源代理工具，可监控您的数据库、查找问题根源，并提出修复与优化建议。它就像为您的团队新聘请了一位经验丰富的 PostgreSQL SRE 专家。\n\n让代理自我介绍：\n\n> 请雇佣我作为您的 PostgreSQL AI 专家。我可以：\n>\n> - 监控日志和指标，及时发现潜在问题。\n> - 主动为您推荐数据库实例的配置调优方案。\n> - 排查性能问题并提供索引优化建议。\n> - 解决常见问题，如 CPU 使用率过高、内存占用过大、连接数过多等。\n> - 帮助您执行 VACUUM 操作（针对您的 Postgres 数据库，而非您的房间）。\n>\n> 关于我的更多信息：\n>\n> - 我是开源且可扩展的。\n> - 可通过 Cloudwatch 监控 RDS 和 Aurora 的日志与指标。\n> - 我仅使用预设的 SQL 命令，绝不会对您的数据库执行任何破坏性（甚至潜在破坏性）操作。\n> - 我采用一系列工具和 playbook 来指导自身行动，避免产生幻觉。\n> - 我可以运行诊断语句，例如查询 pg_stat_statements、pg_locks 等，以定位问题根源。\n> - 如果出现异常情况，我会通过 Slack 向您发送通知。\n> - 我支持 OpenAI、Anthropic 和 Deepseek 提供的多种模型。\n>\n> 过往经验：\n>\n> - 我一直协助 Xata 团队监控和运维大量活跃的 Postgres 数据库。\n\n## 演示\n\n以下是一个不到 4 分钟的代理实际运行演示：\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F78f58598-c1c4-4a50-b9c5-402e912c1d8a\n\n该演示的 YouTube 版本也可在此观看：[点击这里](https:\u002F\u002Fyoutu.be\u002FSLVRdihoRwI)。\n\n## 安装 \u002F 自托管\n\n我们提供了代理本身的 Docker 镜像。其唯一依赖项是一个 Postgres 数据库，代理将在此存储其配置、状态和历史记录。\n\n我们还提供了一个 docker-compose 文件，用于同时启动代理和 Postgres 数据库。\n\n编辑项目根目录下的 `.env.production` 文件。您需要设置 `PUBLIC_URL` 以及至少一个 OpenAI 的 API 密钥。\n\n通过 docker compose 启动本地实例：\n\n```bash\ndocker compose up\n```\n\n打开应用页面 `http:\u002F\u002Flocalhost:8080`（或您在 `.env.production` 文件中设置的公共 URL），按照引导步骤完成初始化。\n\n我们还提供了一份更详细的 [指南](https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fwiki\u002FXata-Agent-%E2%80%90-Deploy-on-EC2)，介绍如何通过 docker-compose 在 EC2 实例上部署。\n\n对于身份验证，您可以使用自己的 OAuth 提供商。\n\n## 开发\n\n进入 `apps\u002Fdbagent` 目录，并按照 [README](.\u002Fapps\u002Fdbagent\u002FREADME.md) 中的说明进行操作。\n\n## 扩展性\n\n代理可通过以下机制进行扩展：\n\n- **工具**：这些是代理可用于获取数据库相关信息的函数。它们使用 TypeScript 编写，具体描述请参见此 [文件](https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fblob\u002Fmain\u002Fapps\u002Fdbagent\u002Fsrc\u002Flib\u002Fai\u002Ftools\u002Fdb.ts\u002F#L47)。\n- **Playbook**：这些是代理为解决问题而遵循的一系列步骤。它们以英文简单编写。预定义的 playbook 位于 [此处](https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fblob\u002Fmain\u002Fapps\u002Fdbagent\u002Fsrc\u002Flib\u002Ftools\u002Fplaybooks.ts)。\n- **集成**：例如 AWS 和 Slack 集成。它们包含配置和 UI 组件。\n\n## 当前状态 \u002F 路线图\n\n尽管目前仍处于早期阶段，但我们已在 Xata 的日常运维工作中使用该代理。\n\n- Playbook：\n  - [√] 通用监控\n  - [√] 调优设置\n  - [√] 调查慢查询\n  - [√] 调查高 CPU 使用情况\n  - [√] 调查高内存使用情况\n  - [√] 调查高连接数\n  - [ ] 调查锁问题\n  - [ ] 调查 VACUUM 操作\n  - [√] 支持自定义 playbook\n  - 其他 playbook（欢迎提供建议）\n- MCP 集成：\n  - [ ] 作为其他代理的 MCP 服务器\n  - [ ] 通过 MCP 网络调用工具\n- 更多云服务商支持：\n  - [√] AWS RDS\n  - [√] AWS Aurora\n  - [√] Google Cloud SQL\n  - [ ] Azure Database for PostgreSQL\n  - [ ] Digital Ocean Managed Databases\n  - [ ] 其他（欢迎提供建议）\n- 通知与集成：\n  - [√] 简单的 Slack 集成\n  - [ ] 作为 AI 代理的 Slack 集成（https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fpull\u002F29）\n  - [ ] Discord 集成\n  - [ ] 其他（欢迎提供建议）\n- 评估与测试：\n  - [√] 增加针对与 LLM 交互的评估测试\n- 审批流程：\n  - [ ] 为代理添加审批流程，以控制其执行潜在危险语句\n  - [ ] 允许根据不同的监控计划配置可用工具\n\n虽然该代理本质上是一款您可自行托管的开源项目，但我们也正在开发云端版本。云端版本的优势在于部分集成更为便捷。如果您对云端版本感兴趣，请在此 [加入候补名单](https:\u002F\u002Ftally.so\u002Fr\u002FwgvkgM)。","# Xata Agent 快速上手指南\n\nXata Agent 是一款开源的 AI PostgreSQL 专家助手，能够监控数据库日志与指标，主动发现性能瓶颈（如高 CPU、高内存、慢查询），并提供配置调优和索引建议。它像一位经验丰富的 SRE 工程师，7x24 小时守护你的数据库。\n\n## 环境准备\n\n在开始之前，请确保你的开发环境满足以下要求：\n\n*   **操作系统**：Linux, macOS 或 Windows (需安装 Docker Desktop)\n*   **核心依赖**：\n    *   [Docker](https:\u002F\u002Fwww.docker.com\u002F) 及 Docker Compose\n    *   Git\n*   **API 密钥**：至少需要一个 LLM 提供商的 API Key（支持 OpenAI, Anthropic, Deepseek 等）。\n*   **数据库**：无需额外准备，启动脚本会自动创建一个本地 PostgreSQL 用于存储 Agent 的状态和历史记录。\n*   **网络提示**：由于需要拉取 Docker 镜像和连接大模型 API，国内用户建议配置好 Docker 镜像加速器，并确保能正常访问所选 LLM 的服务接口。\n\n## 安装步骤\n\n本项目推荐使用 Docker Compose 进行一键部署。\n\n1.  **克隆项目代码**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent.git\n    cd agent\n    ```\n\n2.  **配置环境变量**\n    复制生产环境配置文件模板，并编辑关键参数：\n    ```bash\n    cp .env.production.example .env.production\n    # 使用你喜欢的编辑器打开 .env.production\n    ```\n    \n    在 `.env.production` 文件中，务必修改以下两项：\n    *   `PUBLIC_URL`: 设置为你访问服务的地址（本地测试可设为 `http:\u002F\u002Flocalhost:8080`）。\n    *   `OPENAI_API_KEY` (或其他模型 Key): 填入你的大模型 API 密钥。\n\n3.  **启动服务**\n    运行以下命令启动 Agent 及其依赖的数据库：\n    ```bash\n    docker compose up\n    ```\n    *首次运行时，Docker 会自动下载相关镜像并初始化数据库，可能需要几分钟时间。*\n\n## 基本使用\n\n服务启动成功后，即可通过浏览器访问并进行初始化配置。\n\n1.  **访问界面**\n    打开浏览器访问：\n    ```text\n    http:\u002F\u002Flocalhost:8080\n    ```\n    *(如果你在 `.env.production` 中配置了其他 `PUBLIC_URL`，请访问该地址)*\n\n2.  **完成引导 (Onboarding)**\n    跟随网页上的引导步骤，连接你需要监控的目标 PostgreSQL 数据库。\n    *   支持连接 AWS RDS, AWS Aurora, Google Cloud SQL 以及自建的 PostgreSQL 实例。\n    *   配置完成后，Agent 将开始自动监控日志和指标。\n\n3.  **开始诊断**\n    你可以在界面中查看 Agent 发现的潜在问题，或手动触发排查任务。例如：\n    *   **监控告警**：当检测到高 CPU 或高连接数时，Agent 会自动分析原因。\n    *   **性能调优**：询问 Agent 关于慢查询的建议，它会检查 `pg_stat_statements` 并提供索引优化方案。\n    *   **日常维护**：让 Agent 协助分析 Vacuum 状态或锁等待情况。\n\n    > **安全提示**：Xata Agent 默认仅执行预设的安全 SQL 命令进行诊断，绝不会对你的数据库执行破坏性操作。","某电商平台的后端团队在促销活动期间，突然遭遇数据库响应变慢，导致订单页面加载超时，急需定位瓶颈。\n\n### 没有 agent 时\n- 运维人员需手动登录云控制台下载海量日志，并在本地用文本工具艰难筛选错误线索，耗时极长。\n- 面对高 CPU 占用，只能凭经验猜测是锁竞争还是慢查询，缺乏数据支撑，容易误判方向。\n- 索引优化依赖资深 DBA 人工分析执行计划，新人不敢轻易操作，故障恢复窗口期被大幅拉长。\n- 深夜报警响起时，团队必须全员在线开会排查，无法自动获取初步诊断报告，精神压力巨大。\n\n### 使用 agent 后\n- agent 自动连接 Cloudwatch 实时监控日志与指标，秒级发现异常模式并直接推送至 Slack 报警通道。\n- 针对高负载问题，agent 主动调用 `pg_stat_statements` 和 `pg_locks` 精准定位到具体的阻塞 SQL 语句。\n- 基于预设的安全剧本，agent 立即给出创建缺失索引的具体建议及配置调优参数，无需人工试错。\n- 系统自动生成包含根因分析和修复步骤的诊断报告，让值班工程师能按图索骥，快速执行修复。\n\nagent 将原本需要数小时的人工排查过程压缩至分钟级，相当于为团队配备了一位 24 小时待命的资深 PostgreSQL 专家。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fxataio_agent_c507b029.png","xataio","Xata","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fxataio_5d7100d5.png","Postgres at Scale",null,"xata","https:\u002F\u002Fxata.io\u002F","https:\u002F\u002Fgithub.com\u002Fxataio",[83,87,90,94],{"name":84,"color":85,"percentage":86},"TypeScript","#3178c6",97.7,{"name":88,"color":89,"percentage":32},"JavaScript","#f1e05a",{"name":91,"color":92,"percentage":93},"Dockerfile","#384d54",0.3,{"name":95,"color":96,"percentage":97},"CSS","#663399",0,1051,77,"2026-04-16T15:08:01","Apache-2.0","Linux, macOS, Windows","未说明",{"notes":105,"python":103,"dependencies":106},"该工具主要通过 Docker 容器运行，无需直接配置本地 Python 或 GPU 环境。核心依赖是 Docker 和一个用于存储状态历史的 PostgreSQL 数据库。需要配置 OpenAI、Anthropic 或 Deepseek 的 API Key。支持通过 OAuth 提供商进行身份验证。",[107,108,109],"Docker","Docker Compose","PostgreSQL",[35,15,13,14],[65,112,113,114,115,116,117],"ai","anthropic","llm","openai","postgres","postgresql","2026-03-27T02:49:30.150509","2026-04-18T02:22:24.796787",[121,126,131,136,141,146],{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},38486,"运行 Playbook 时遇到 'insufficient_quota'（配额不足）错误怎么办？","该错误通常表示您的 API 密钥配额已用尽。如果您使用的是组织内部的私有 AI API（无法从外部访问），Xata Agent 支持配置 Ollama 或 LiteLLM 作为替代方案。您需要根据组织提供的 API 类型选择其中之一进行配置。如果是私有 URL，请确保 Agent 所在的网络环境（如 VPN）可以访问该内部地址。","https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fissues\u002F214",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},38487,"如何配置 Xata Agent 以使用本地部署的 Ollama？","Xata Agent 已经支持 Ollama。您只需在环境变量中设置以下参数即可启用：\n- `OLLAMA_HOST`：指定 Ollama 的服务地址。\n- `OLLAMA_HEADERS`：指定所需的请求头（如果需要）。\n配置完成后，Agent 将使用本地 Ollama 模型而非云端 API。","https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fissues\u002F55",{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},38488,"为什么聊天记录在刷新页面后会丢失？","聊天记录无法保存通常是因为未正确设置 `OPENAI_API_KEY` 或提供的密钥无效。当密钥缺失或错误时，后端会抛出 'AI_APICallError: Incorrect API key provided' 错误，导致聊天数据无法写入数据库。请检查您的环境变量，确保 `OPENAI_API_KEY` 已设置为有效的 OpenAI API 密钥，并重启服务。","https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fissues\u002F176",{"id":137,"question_zh":138,"answer_zh":139,"source_url":140},38489,"如何在聊天界面中删除不需要的对话记录？","您可以点击侧边栏或菜单中的“所有聊天”（All Chats）列表，在每个聊天条目旁边可以找到删除按钮。此外，开发团队已在相关 PR 中优化了删除功能，未来可能会直接在聊天界面中添加更便捷的删除选项。","https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fissues\u002F110",{"id":142,"question_zh":143,"answer_zh":144,"source_url":145},38490,"Xata Agent 是否支持除 PostgreSQL 以外的其他数据库（如 MySQL）？","目前 Xata Agent 主要专注于支持 PostgreSQL。虽然团队对未来扩展到其他数据库（如 MySQL）持开放态度，但当前版本尚未正式支持。您可以关注官方仓库中关于多数据库支持的议题以获取最新进展。","https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fissues\u002F54",{"id":147,"question_zh":148,"answer_zh":149,"source_url":150},38491,"如何防止 LLM 通过 `explainQuery` 函数执行 SQL 注入攻击？","为解决潜在的 SQL 注入风险，项目进行了以下安全升级：\n1. 将原有的 `explainQuery` 重命名为 `unsafeExplainQuery`，不再在提示词中使用。\n2. 新增了 `safeExplainQuery` 函数，该函数仅接受 `queryId` 作为输入，直接从 `pg_stat_statements` 中获取查询语句，从而杜绝了模型构造恶意查询的可能性。\n3. 所有提示词现已默认调用 `safeExplainQuery`，确保执行的安全性。","https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fissues\u002F223",[152,157,162,167,172,177],{"id":153,"version":154,"summary_zh":155,"released_at":156},306924,"v0.4.0","### 安全与查询安全\n\n* **确保仅单条语句会被传递给 `EXPLAIN`** (#224)，并通过改进解析逻辑来阻止多条命令的执行。\n* **将 `explainQuery` 重命名为 `unsafeExplainQuery`**，以突出在某些边缘情况下可能绕过安全检查的风险。\n* **引入了 `safeExplainQuery`**，该函数会通过 `queryId` 直接从 `pg_stat_statements` 中获取 SQL 语句。\n* **将不安全的 `EXPLAIN` 改为使用 `generic_plan`**，以提高一致性和安全性 (#229)。\n\n### AI 模型更新\n\n* **已将 OpenAI 集成迁移至仅支持 GPT-5** (#211)：\n\n  * GPT-5 现已成为默认模型（聊天 + 排程）。\n  * 移除了对 GPT-4 及其他已弃用 OpenAI 模型的支持。\n  * 迁移过程会确保使用 GPT-4 的排程任务自动升级到 GPT-5。\n  * 正在等待 LiteLLM 和判断\u002F评估测试的结果。\n\n### 开发体验与工具链\n\n* **移除了未使用的示例 MCP 服务器** (#218)。\n* **更新了 `docker-compose` 行为**：\n  * 容器现采用 `unless-stopped` 重启策略，以便在主机重启后实现更可预测的重启行为 (#195)。\n  * 更新了 `docker-compose` 文件中的版本引用。","2025-09-26T19:20:17",{"id":158,"version":159,"summary_zh":160,"released_at":161},306925,"v0.3.1","### 🛠️ 通过本地 MCP 服务器自定义工具\n\n* 现在，您可以通过创建一个 MCP 服务器来添加自己的自定义工具，该服务器目前可在本地调用。\n* 新增了用于查看和管理 MCP 服务器的 UI 页面。\n\n### 🤖 Ollama 集成\n\n* **新增对 Ollama 的支持**，将其作为本地 LLM 提供者。\n\n### 🧠 推理模型\n\n* 新增对 **推理模型 O1 和 O4-mini** 的支持。\n* 调整了工具参数，使其全部为必填项，以确保兼容性。\n\n### ♻️ 组件重构\n\n* 使用 **共享的 Xata 组件** 替换了内部重复的 UI 代码。\n* 这一改动简化了维护工作，并提升了界面的一致性。\n\n### 📈 监控系统全面升级\n\n* 已切换至 **OpenTelemetry NodeSDK**，并集成了 Langfuse。\n* 移除了对 `@vercel\u002Fotel` 的依赖，从而提高了兼容性。\n\n---\n\n### 🐛 错误修复\n\n* OpenAI 模型提供者不再是强制要求。如果仅配置了 Anthropic 的密钥，代理将自动回退到其他密钥。PR：#186\n* 修复了工具提示中引用 **不存在的工具名称** 的问题。PR：#173\n* 解决了影响 **定时任务** 的 `dbaccess` Bug。PR：#172\n* 从 **监控操作手册** 中移除了具有误导性的阈值（例如 20GB）。PR：#166\n* 实现聊天连接的持久化与加载功能。PR：#182\n\n---\n\n### 🙌 感谢我们的贡献者\n\n* **Alexis Rico** (@sferadev)\n* **Tudor Golubenco** (@tudor)\n* **Elizabet Oliveira** (@miukimiu)\n* **Steffen Siering** (@steffen)\n* **PineappleChild** (@PineappleChild)","2025-05-22T11:48:47",{"id":163,"version":164,"summary_zh":165,"released_at":166},306926,"v0.2.2","本次发布包含问题修复、体验优化以及依赖库更新。\n\n* **GCP 数据库选择器 ([#151](https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fpull\u002F151))**  \n  修复了一个 bug：数据库选择器错误地使用了 ID 而非名称。解决了 [#148](https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fissues\u002F148)。\n* **计划编辑页面上的数据库选择器 ([#149](https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fpull\u002F149))**\n* **监控未运行 ([#147](https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fpull\u002F147))**  \n  解决了一个导致监控无法按预期执行的问题。\n* **改进内置提供商逻辑 ([#137](https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fpull\u002F137))**\n* **计划表中的模型列 ([#150](https:\u002F\u002Fgithub.com\u002Fxataio\u002Fagent\u002Fpull\u002F150))**  \n  新增了一列，用于显示与每个计划关联的模型，便于在多模型项目中快速识别模型。","2025-04-24T07:01:54",{"id":168,"version":169,"summary_zh":170,"released_at":171},306927,"v0.2.1","补丁版本：\n\n* 移除对 `crypto.randomUUID` 的使用，以修复自托管自定义 playbook 问题 (#132)\n* 初步支持 LiteLLM (#63)","2025-04-16T17:34:41",{"id":173,"version":174,"summary_zh":175,"released_at":176},306928,"v0.2.0","## 🚀 功能与改进\n\n- 💬 **聊天功能增强**\n\n  - 重新设计了聊天界面，提升了易用性和视觉效果 (#52)\n  - 侧边栏优化：新增重命名和删除操作，并重构了相关逻辑 (#103)\n  - 统一更新了新聊天的架构：包括历史记录、投票和工件 (#97)\n  - 新增对聊天参数的支持 (#121, #112)\n\n- 🌐 云集成\n\n  - ☁️ 增加了 GCP CloudSQL 支持，包括指标、日志以及引导流程的优化 (#77)\n\n- 🧩 自定义剧本\n\n  - ✨ 支持通过 UI 创建、编辑和运行自定义剧本 (#61)\n\n- 🧠 **模型升级**\n\n  - 更新了内置模型，并将默认模型切换为 gpt-4.1 (#122)\n  - 重构了模型和提供商逻辑，以更好地处理 ID (#98)\n  - 引入了通过 Google Generative AI API 的 Gemini 模型支持 (#82)\n\n- ⚙️ **工具链改进**\n\n  - 增加了集群\u002F实例感知工具，以增强提示上下文 (#118, #73)\n  - 工具现在可以从 **写入实例**（而非整个集群）获取指标，支持最小值、最大值、平均值和总和 (#113, #76)\n  - 改进了 RDS 实例的日志处理 (#105, #75)\n  - 工具返回的错误现在采用更符合模型要求的格式，不再直接抛出异常 (#91)\n\n- 🔧 **开发者体验**\n\n  - 推出了基于 Mastra 的 Agent 玩乐场 (#56)\n  - 重构了工具模块的内部结构 (#62, #94)\n  - 添加了模型提供商注册表，用于动态列出模型 (#89)\n  - 提升了数据库模式的类型安全性 (#87)\n\n## 🛠 修复与维护\n\n- 🐛 修复了工件 API 中的 UPSERT 和 DELETE 逻辑 (#104)\n- 🐞 纠正了模型调用中 ID 的使用问题 (#99)\n- 🛠 解决合并冲突后快照更新的问题 (#100)\n- 🧪 修复了验证无效 URL 时出现的错误 (#59)\n- 🔌 复用数据库连接，并为数据库工具增加了并发限制 (#67)\n* 📦 通过自动化 PR 进行了多次依赖项更新 (#60, #86, #96, #102, #78 等)\n* 🛡️ 在 Docker Compose 中不暴露内部数据库端口 (#74)\n\n## 📘 文档及其他\n\n- 📝 更新了 README 中的路线图和状态信息 (#84)\n- 🧪 使用 Docker 中的 PostgreSQL 构建了初始评估测试套件 (#38)\n\n## 🙌 感谢我们的贡献者\n\n- @leonardobenedet – Gemini 模型集成\n- @PineappleChild – 自定义剧本支持\n- @SferaDev – 聊天界面改进、架构变更、模型更新、工件修复、代码重构等\n- @tsg – GCP CloudSQL 支持、集群工具、系统提示词、文档编写\n- @elizabetdev – 共同参与了 UI 更新、聊天功能增强及用户体验优化\n- @urso – 玩乐场、数据库访问抽象层、日志与指标改进、连接池管理\n- @richardgill – 评估测试基础设施","2025-04-16T10:49:15",{"id":178,"version":179,"summary_zh":180,"released_at":181},306929,"v0.1.2","此版本于2025年3月13日发布，现公开标签\u002F发布记录以供存档。","2025-04-09T10:40:37"]