Anton

¿Qué es Anton?

MindsDB Anton es un agente de inteligencia de negocio con el que puedes hablar en lenguaje natural. Su propósito principal es ayudarte a pasar de una pregunta en lenguaje natural a un resultado analítico completo: extrae y unifica datos de fuentes, realiza análisis, destaca insights y genera dashboards.

Anton está diseñado para realizar el trabajo de un analista “desde la conversación”. Por ejemplo, cuando pides precios, cálculos, ventanas de rendimiento y un dashboard, Anton puede obtener datos en vivo, generar y ejecutar el código necesario, y presentar los resultados en un navegador sin un paso manual de configuración separado.

Características principales

• Caja fuerte de credenciales para secretos: Mantiene los valores secretos ocultos de los LLMs almacenando/revelando solo los nombres de los secretos durante las conexiones de datos.
• Ejecución de código aislada (“muestra tu trabajo”): Ejecuta el código generado en un entorno protegido y reproducible, y puede proporcionar un desglose explicable estilo scratchpad.
• Memoria multicapa y aprendizaje continuo: Mantiene el contexto a nivel de sesión más conocimiento semántico y de negocio a largo plazo usando sistemas de memoria legibles por humanos.
• Conexión a datos locales vía un flujo de trabajo seguro: Usa el comando /connect para agregar fuentes de datos; Anton obtiene el esquema y recupera los datos necesarios tras buscar las credenciales en la caja fuerte.
• Scratchpad explicable por defecto: Puedes pedirle a Anton que volque su scratchpad, incluyendo logs estilo notebook de celdas de código, salidas y errores.

Cómo usar Anton

1. Instala Anton desde el repositorio usando uno de los comandos proporcionados:
   • macOS / Linux (CLI): curl -sSf https://raw.githubusercontent.com/mindsdb/anton/main/install.sh | sh && export PATH="$HOME/.local/bin:$PATH"
   • Windows (PowerShell): irm https://raw.githubusercontent.com/mindsdb/anton/main/install.ps1 | iex
   • El README indica que luego puedes ejecutarlo escribiendo anton.
2. Inicia una conversación haciendo una pregunta de negocio en lenguaje natural (p. ej., solicitando valoración de cartera, rendimiento de acciones y un dashboard).
3. Conecta tus propios datos cuando necesites conjuntos de datos privados:
   • Ejecuta /connect y sigue las indicaciones para elegir una fuente de datos.
   • Proporciona/selecciona credenciales por nombre para que Anton use los valores almacenados en la caja fuerte local.
4. Pide una explicación cuando quieras revisar lo que ocurrió:
   • Solicita que Anton volque su scratchpad para un desglose paso a paso estilo notebook.

Casos de uso

• Dashboards de cartera y rendimiento: Proporciona una lista de tenencias (tickers/cantidades) y pide precios actuales, valor total de la cartera y rendimiento a 30 días, con un dashboard generado desde la conversación.
• Análisis de correlación en datos internos: Conéctate a una base de datos o datos de app de la empresa, luego pregunta si una métrica de negocio (p. ej., descuento) se correlaciona con otro resultado (p. ej., calificación de reseñas) en una ventana de tiempo definida.
• Creación de dashboards desde múltiples fuentes: Haz una sola pregunta que requiera combinar datos en vivo/públicos con datos internos conectados, para que Anton maneje el descubrimiento de esquemas y la recuperación.
• Revisión y depuración de pasos de análisis: Cuando el análisis generado no sea claro, pide a Anton que explique volcando su scratchpad para ver celdas de código, salidas y errores.
• Contexto con ámbito de proyecto y ejecuciones repetibles de espacio de trabajo: Ejecuta Anton en un directorio con una estructura de espacio de trabajo que almacena estado de scratchpad, memorias episódicas y secretos locales; opcionalmente agrega contexto de proyecto vía .anton/anton.md.

Preguntas frecuentes

¿Anton es solo para datos públicos? Anton se puede usar con datos públicos, pero el README señala que el “verdadero poder” viene de combinar datos públicos con tus propias fuentes de datos conectadas.

¿Cómo accede Anton a mis credenciales? Anton usa un flujo de trabajo de caja fuerte de credenciales con /connect, donde los valores secretos permanecen ocultos y Anton accede a las credenciales por sus nombres de secreto.

¿Puedo ver cómo Anton llegó a sus resultados? Sí. Anton soporta un comportamiento explicable por defecto: puedes pedirle que volque su scratchpad para obtener un desglose estilo notebook que incluye celdas de código, salidas y errores.

¿Qué plataformas están soportadas según las instrucciones de instalación? El README proporciona pasos de instalación para macOS/Linux (CLI) y Windows (PowerShell), y menciona una App de escritorio para macOS para descargar.

¿Dónde almacena Anton sus datos de espacio de trabajo? Cuando se ejecuta en un directorio, el README describe una carpeta de espacio de trabajo .anton/ que contiene estado de scratchpad, memoria episódica y secretos locales, junto con archivos relacionados como .anton/anton.md (contexto de proyecto opcional) y .anton/.env.

Alternativas

• Cuadernos de análisis de datos de propósito general (p. ej., Python/Jupyter): En lugar de una conversación dirigida por un agente que obtiene datos y genera código sobre la marcha, escribes y ejecutas manualmente el análisis, lo que puede ser mejor para flujos de trabajo totalmente controlados.
• Herramientas de BI para dashboards que requieren datos premodelados: Las herramientas enfocadas en crear dashboards suelen depender de modelos de datos curados y pasos de configuración; el flujo de trabajo de Anton enfatiza comenzar desde preguntas en lenguaje natural.
• Análisis basado en SQL y pipelines ETL: Si tu equipo prefiere transformaciones deterministas y revisables, y opta por escribir trabajos SQL/ETL directamente, esto reduce la generación de código en tiempo de ejecución en comparación con un enfoque de agente de IA.
• Otros asistentes de IA para consultas de datos: Herramientas adyacentes también pueden traducir preguntas en consultas, pero la posición destacada de Anton en el README es su bloc de notas explicable, enfoque de bóveda de credenciales y sistemas de memoria de espacio de trabajo local.