Anton

O que é Anton?

MindsDB Anton é um agente de business intelligence com o qual você pode conversar em linguagem natural. Seu propósito principal é ajudá-lo a ir de uma pergunta em linguagem natural a um resultado analítico completo — buscando e unificando dados de fontes, executando análises, revelando insights e produzindo dashboards.

Anton é projetado para realizar o trabalho de um analista “a partir da conversa”. Por exemplo, quando você pede preços, cálculos, janelas de desempenho e um dashboard, Anton pode buscar dados ao vivo, gerar e executar o código necessário e apresentar os resultados no navegador sem uma etapa manual de configuração separada.

Principais Recursos

• Cofre de credenciais para segredos: Mantém valores secretos ocultos dos LLMs, armazenando/revelando apenas nomes de segredos durante conexões de dados.
• Execução de código isolada (“mostre seu trabalho”): Executa código gerado em um ambiente protegido e reproduzível, podendo fornecer uma explicação no estilo de bloco de anotações.
• Memória multicamadas e aprendizado contínuo: Mantém contexto de sessão mais conhecimento semântico e de longo prazo de negócios usando sistemas de memória legíveis por humanos.
• Conecte-se a dados locais via fluxo de trabalho seguro: Use o comando /connect para adicionar fontes de dados; Anton busca o esquema e recupera os dados necessários após consultar credenciais no cofre.
• Bloco de anotações explicável por padrão: Você pode pedir a Anton para despejar seu bloco de anotações, incluindo logs no estilo de notebook de células de código, saídas e erros.

Como Usar Anton

1. Instale Anton do repositório usando um dos comandos fornecidos:
   • 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
   • O README indica que você pode executá-lo digitando anton.
2. Inicie uma conversa fazendo uma pergunta de negócios em linguagem natural (ex.: solicitando valuation de portfólio, desempenho de ações e um dashboard).
3. Conecte seus próprios dados quando precisar de conjuntos de dados privados:
   • Execute /connect e siga os prompts para escolher uma fonte de dados.
   • Forneça/selecione credenciais pelo nome para que Anton use os valores armazenados no cofre local.
4. Peça uma explicação quando quiser revisar o que aconteceu:
   • Solicite que Anton despeje seu bloco de anotações para uma análise passo a passo no estilo de notebook.

Casos de Uso

• Dashboards de portfólio e desempenho: Forneça uma lista de holdings (tickers/quantidades) e peça preços atuais, valor total do portfólio e desempenho de 30 dias, com um dashboard gerado a partir da conversa.
• Análise de correlação em dados internos: Conecte-se a um banco de dados da empresa ou dados de app, depois pergunte se uma métrica de negócios (ex.: desconto) se correlaciona com outro resultado (ex.: nota de avaliação) em uma janela de tempo definida.
• Criação de dashboard de múltiplas fontes: Faça uma única pergunta que exija combinar dados ao vivo/públicos com dados internos conectados, para que Anton cuide da descoberta de esquema e recuperação.
• Revisão e depuração de etapas de análise: Quando a análise gerada não estiver clara, peça a Anton para explicar despejando seu bloco de anotações e vendo células de código, saídas e erros.
• Contexto de escopo de projeto e execuções de workspace repetíveis: Execute Anton em um diretório com layout de workspace que armazena estado do bloco de anotações, memórias episódicas e segredos locais; opcionalmente adicione contexto de projeto via .anton/anton.md.

FAQ

Anton é só para dados públicos? Anton pode ser usado com dados públicos, mas o README observa que o “poder real” vem de combinar dados públicos com suas próprias fontes de dados conectadas.

Como Anton acessa minhas credenciais? Anton usa um fluxo de trabalho de cofre de credenciais com /connect, onde valores secretos permanecem ocultos e Anton acessa credenciais pelos nomes dos segredos.

Posso ver como Anton chegou aos resultados? Sim. Anton suporta comportamento explicável por padrão: você pode pedir para ele despejar seu bloco de anotações e obter uma análise no estilo de notebook incluindo células de código, saídas e erros.

Quais plataformas são suportadas com base nas instruções de instalação? O README fornece etapas de instalação para macOS/Linux (CLI) e Windows (PowerShell), e menciona um macOS Desktop App para download.

Onde Anton armazena os dados do workspace? Quando executado em um diretório, o README descreve uma pasta de workspace .anton/ contendo estado do bloco de anotações, memória episódica e segredos locais, junto com arquivos relacionados como .anton/anton.md (contexto de projeto opcional) e .anton/.env.

Alternativas

• Notebooks de análise de dados de uso geral (ex.: Python/Jupyter): Em vez de uma conversa guiada por agente que busca dados e gera código sob demanda, você escreve e executa análises manualmente, o que pode ser melhor para fluxos de trabalho totalmente controlados.
• Ferramentas de BI para dashboards que exigem dados pré-modelados: Ferramentas focadas em criar dashboards geralmente dependem de modelos de dados curados e etapas de configuração; o fluxo de trabalho do Anton enfatiza começar de perguntas em linguagem natural.
• Análises baseadas em SQL e pipelines ETL: Se sua equipe prefere transformações determinísticas e revisáveis e gosta de escrever jobs SQL/ETL diretamente, isso pode reduzir a geração de código em tempo de execução em comparação com a abordagem de agente de IA.
• Outros assistentes de IA para consulta de dados: Ferramentas adjacentes também podem traduzir perguntas em consultas, mas o diferencial do Anton destacado no README é seu scratchpad explicável, abordagem de cofre de credenciais e sistemas de memória de workspace local.