UStackUStack
Anton icon

Anton

MindsDB Anton 是一款商业智能代理,可用自然语言获取并统一数据、运行分析并生成仪表板。

Anton

Anton 是什么?

MindsDB Anton 是一款商业智能代理,可用自然语言与之对话。其核心目的是帮助您从自然语言问题到端到端分析结果——从来源拉取并统一数据、运行分析、呈现洞察,并生成仪表板。

Anton 旨在从对话中处理分析师的工作。例如,当您询问价格、计算、性能窗口和仪表板时,Anton 可以获取实时数据、生成并运行所需代码,并在浏览器中呈现结果,而无需单独的手动设置步骤。

主要特性

  • 凭证保险库用于密钥:通过仅在数据连接时存储/揭示密钥名称,将密钥值对 LLM 隐藏。
  • 隔离代码执行(“展示你的工作”):在受保护、可重现的环境中运行生成的代码,并可提供可解释的草稿本式分解。
  • 多层内存与持续学习:使用人类可读的内存系统,维护会话级上下文以及语义和长期业务知识。
  • 通过安全工作流连接本地数据:使用 /connect 命令添加数据源;Anton 在保险库中查找凭证后,获取模式并检索所需数据。
  • 默认可解释草稿本:您可以要求 Anton 转储其草稿本,包括笔记本式的代码单元、输出和错误日志。

如何使用 Anton

  1. 安装 Anton,从仓库使用提供的命令之一:
    • 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
    • README 指出,您可以通过输入 anton 运行它。
  2. 开始对话,用自然语言提出业务问题(例如,请求投资组合估值、股票表现和仪表板)。
  3. 连接您自己的数据,当需要私有数据集时:
    • 运行 /connect 并按照提示选择数据源。
    • 按名称提供/选择凭证,以便 Anton 使用本地保险库中存储的值。
  4. 请求解释,当您想审查发生的情况时:
    • 要求 Anton 转储其草稿本,以获取逐步的笔记本式分解。

使用场景

  • 投资组合和性能仪表板:提供持仓列表(代码/金额),并询问当前价格、总投资组合价值和 30 天表现,从对话中生成仪表板。
  • 内部数据的相关性分析:连接公司数据库或应用数据,然后询问业务指标(例如,折扣)是否与另一结果(例如,评价评分)在定义的时间窗口内相关。
  • 多源仪表板创建:提出单个问题,需要结合实时/公共数据与连接的内部数据,Anton 处理模式发现和检索。
  • 审查和调试分析步骤:当生成的分析不清晰时,要求 Anton 通过转储草稿本解释,以查看代码单元、输出和错误。
  • 项目范围上下文和可重复工作区运行:在具有工作区布局的目录中运行 Anton,该布局存储草稿本状态、 episodic 记忆和本地密钥;可选通过 .anton/anton.md 添加项目上下文。

常见问题

Anton 只适用于公共数据吗?
Anton 可用于公共数据,但 README 指出“真正威力”来自于将公共数据与您自己的连接数据源结合。

Anton 如何访问我的凭证?
Anton 使用带有 /connect 的凭证保险库工作流,密钥值保持隐藏,Anton 可通过密钥名称访问凭证。

我能看到 Anton 如何得出结果吗?
是的。Anton 支持默认可解释行为:您可以要求它转储草稿本,获取包括代码单元、输出和错误的笔记本式分解。

根据安装说明,支持哪些平台?
README 提供了 macOS/Linux (CLI)Windows (PowerShell) 的安装步骤,并提及可下载的 macOS Desktop App

Anton 在哪里存储其工作区数据?
在目录中运行时,README 描述了 .anton/ 工作区文件夹,包含草稿本状态、episodic 内存和本地密钥,以及相关文件,如 .anton/anton.md(可选项目上下文)和 .anton/.env

替代方案

  • 通用数据分析笔记本 (例如 Python/Jupyter):不同于代理驱动的对话实时获取数据并生成代码,您需要手动编写和运行分析,这更适合完全受控的工作流程。
  • 需要预建模数据的 BI 仪表板工具:专注于构建仪表板的工具通常依赖精选数据模型和设置步骤;Anton 的工作流程强调从自然语言问题开始。
  • 基于 SQL 的分析和 ETL 管道:如果您的团队偏好确定性、可审查的转换,并倾向于直接编写 SQL/ETL 作业,这可以减少运行时代码生成,与 AI 代理方法相比。
  • 其他用于数据查询的 AI 助手:相邻工具也可能将问题转换为查询,但 Anton 在 README 中的独特定位是其可解释的草稿本、凭证保险库方法以及本地工作区内存系统。
Anton | UStack