UStackUStack
Anton icon

Anton

MindsDB Anton 讓你用自然語言對話取得並整合資料、執行分析,產生儀表板。適合做商業智慧查詢與整理。

Anton

Anton 是什麼?

MindsDB Anton 是一個商業智慧代理,你可以用自然語言與它對話。其核心目的是幫助你從自然語言問題轉換為端到端分析結果—從來源拉取並整合資料、執行分析、呈現洞見,並產生儀表板。

Anton 設計用來從對話中處理分析師的工作。例如,當你詢問價格、計算、績效期間和儀表板時,Anton 可以擷取即時資料、產生並執行所需程式碼,並在瀏覽器中呈現結果,無需額外的手動設定步驟。

主要功能

  • 憑證保險庫(秘密管理):在資料連線時僅儲存/揭露秘密名稱,讓秘密值對 LLM 保持隱藏。
  • 隔離程式碼執行(「展示你的工作」):在受保護、可重現的環境中執行產生的程式碼,並可提供可解釋的草稿式分解。
  • 多層記憶與持續學習:使用人類可讀的記憶系統,維持工作階段脈絡,加上語意與長期商業知識。
  • 透過安全工作流程連線本地資料:使用 /connect 指令新增資料來源;Anton 會查詢保險庫憑證、擷取結構描述並取得所需資料。
  • 預設可解釋草稿:你可以要求 Anton 傾印其草稿,包括筆記本式的程式碼儲存格、輸出和錯誤記錄。

如何使用 Anton

  1. 安裝 Anton,從儲存庫使用提供的指令之一:
    • 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,安裝後可輸入 anton 執行。
  2. 開始對話,以自然語言提出商業問題(例如,要求投資組合估值、股票績效和儀表板)。
  3. 連線自己的資料,當需要私人資料集時:
    • 執行 /connect 並依提示選擇資料來源。
    • 以名稱提供/選擇憑證,讓 Anton 使用本地保險庫中的值。
  4. 要求解釋,當想檢視發生什麼時:
    • 要求 Anton 傾印其草稿,取得步驟式的筆記本分解。

使用案例

  • 投資組合與績效儀表板:提供持股清單(代碼/數量),要求目前價格、總投資組合價值和 30 天績效,並從對話產生儀表板。
  • 內部資料關聯分析:連線公司資料庫或應用程式資料,然後詢問某商業指標(例如,折扣)是否與另一結果(例如,評價分數)在指定時間範圍內相關。
  • 多來源儀表板建立:提出單一問題,需要結合即時/公開資料與連線的內部資料,讓 Anton 處理結構描述與擷取。
  • 檢視與除錯分析步驟:當產生的分析不明確時,要求 Anton 傾印草稿,以查看程式碼儲存格、輸出和錯誤。
  • 專案範圍脈絡與可重複工作區執行:在有工作區配置的目錄執行 Anton,儲存草稿狀態、情節記憶和本地秘密;可選透過 .anton/anton.md 新增專案脈絡。

常見問題

Anton 只適用公開資料嗎? Anton 可使用公開資料,但 README 指出「真正威力」來自結合公開資料與你自己的連線資料來源。

Anton 如何存取我的憑證? Anton 使用 /connect 的憑證保險庫工作流程,秘密值保持隱藏,Anton 可透過秘密名稱存取憑證。

我能看到 Anton 如何得出結果嗎? 可以。Anton 支援預設可解釋行為:你可以要求它傾印草稿,取得包含程式碼儲存格、輸出和錯誤的筆記本式分解。

根據安裝指示,支援哪些平台? README 提供 macOS/Linux (CLI)Windows (PowerShell) 的安裝步驟,並提及可下載的 macOS Desktop App

Anton 儲存工作區資料在哪裡? 在目錄執行時,README 描述 .anton/ 工作區資料夾,包含草稿狀態、情節記憶和本地秘密,以及相關檔案如 .anton/anton.md(選用專案脈絡)和 .anton/.env

替代方案

  • 通用資料分析筆記本 (例如 Python/Jupyter):相較於代理驅動的對話即時擷取資料並產生程式碼,你需手動撰寫並執行分析,這適合完全受控的工作流程。
  • 需要預建模資料的 BI 儀表板工具:專注建置儀表板的工具通常依賴精選資料模型與設定步驟;Anton 的工作流程強調從自然語言問題開始。
  • 基於 SQL 的分析與 ETL 管線:若團隊偏好確定性、可審核的轉換,並直接撰寫 SQL/ETL 工作,這可減少相較 AI 代理方法的執行時程式碼產生。
  • 其他用於資料查詢的 AI 助理:相鄰工具也可能將問題轉譯為查詢,但 Anton 在 README 中的獨特定位是其可解釋的草稿本、憑證保管庫方法,以及本地工作區記憶系統。
Anton | UStack