公司的 SQL 仔和数据分析师要被这个开源神器干失业了！老板直接用自然语言提问，AI 就能自动打通底层数据库生成数据报表，关键是还不会胡乱捏造指标。 这玩意真有人做出来了——GitHub 爆火开源项目 WrenAI，目前已经斩获 16.8k Star，采用 Apache 2.0 协议开源。它是一个专门给 AI Agent 打造的 Generative BI（生成式商业智能）引擎。简单来说，它在你的数据库和 AI 之间塞了一层“业务语义理解”，不管是 PostgreSQL、ClickHouse、Snowflake 还是 BigQuery，连上就能直接让人话变成准到离谱的 SQL 和可视化图表。 🔥 核心卖点： • 通吃 20+ 种主流数据库：大小数据库一键打通，不挑食 • 独家业务上下文层：AI 不再瞎猜表结构，查询零幻觉 • 自动出可视化图表：说句人话直接生成漂亮仪表盘 • 无缝对接 AI Agent：跟 Claude Code、Cursor 秒无缝集成 • 完全开源可私有化：敏感数据不外流，本地部署超省心 🔗 传送门：

《老孙带你搭建价值百万的金融终端系统2:开发工作流》 今天周六休息懒得写长篇了，我就先说下目前的工作流和注意事项： 1、claude opus 5主要用来做模块的功能设计，尤其是你对一个新模块功能没有想那么清楚的时候，可以多和claude进行头脑风暴。claude会用step by step的方式问你一些问题，逐步理解你的需求并且给出一份超乎你预期的设计文档。设计初稿完成后交给codex进行审核和补充，形成最终的开发文档和开发计划。所有的文档都用md格式保存在docs目录下。 2、开发用的是codex，截图是我codex的工作区。最重要是记得每个功能模块单独开一个thread（见图1），好处一是上下文不会混在一起，二是可以多个独立模块并行开发。另外可以让codex在正式开发前先做一个可以交互的demo页面，你可以直接在这页面上进行批注修改，确保最终定稿的需求理解没有偏差。截图里总览模块比较简单我就直接和codex讨论需求了，复杂需求建议还是和claude先讨论。 3、整个开发环境都是在docker里完成的，这样便于后续的维护和部署。 4、在开发整个系统前，先和claude讨论清楚系统定位、主要功能模块、架构、页面风格、性能要求等，并且把这些约束条件固化到agents.md里。比如我这个系统后端用python FAST API，数据库用Click House都是和Claude讨论出来的。前端用的是专业金融终端风格的，可以让claude和codex各自设计几个样式看看，选择最喜欢的定稿下来。 5、每个模块开发完成后一定要让codex先进行自测，然后人工看界面布局是否正确，数据是否准确。数据准确性对于金融终端来说是最重要的，也是AI最容易产生幻觉的地方，所以一定要人工仔细核对，这也是最费时的部分。 6、完成上一步后，需要让claude进行代码审核（见图2），提示词可以这样写： “我让codex按照xx开发文档完成了xx模块的开发，请你对这个模块的代码进行详细的审核，要求审核的内容包括但不仅限于代码和文档的一致性、数据的准确性、指标计算公式、页面的布局、模块的性能、代码的精简程度和可复用性等，并给出优化建议，审核结果按问题严重程度保存在xxx审计.md里” 7、claude审核完成后，让codex复核审核意见并给出最终方案，提示词可以这样写： “我让claude对你开发的xx模块进行了代码审核，审核报告在xxx.md。请你以客观的角度评估这份报告，并逐个重新检查一下代码，给出最终的修改意见和修改计划保存到md，注意不要过度修改。” codex经常会对一些小问题过度修改，所以最后一句话很重要。 8、最后让codex根据修改方案完成代码修改和自测，claude再次审核，一般就不会有什么大问题了。 9开发全程要用github做版本控制，尤其是多模块并行开发时可以开多个分支，让codex做好版本管理。 10、每个模块开发完成后，都可以让claude把模块功能介绍汇总到readme.md文档中，并且更新安装手册、使用手册等文档。并且定期整合、汇总、删除开发过程中的过期文档。 11、我把codex和obsidian对接，这样上下文和历史记忆可以更好的保存。具体方法可以直接问codex。 12、系统开发到后面模块越来越多，可以定期进行代码的整体优化和精简。比如哪些代码和公用模块可以抽取出来（这个其实应该一开始就设计好，但是AI写到后面难免有重复的代码，抽出来可维护性更强）。一般一轮优化后代码都可以精简掉10%-20%。不过每次优化后整个模块都需要重新测试一遍是挺费力的。