# datafoundry **Repository Path**: 8686555/datafoundry ## Basic Information - **Project Name**: datafoundry - **Description**: 企业级 Data Agent 工作台 —— 用统一语义读懂业务口径，在只读安全边界内执行多表、多步的复杂分析，每一步可审计、可回放，把一句提问变成一次可信的数据分析。 28 类数据源开箱接入 · 企业语义与上下文组织 · 私有化部署 · 多模型适配 · 全程审计可追溯 - **Primary Language**: Python - **License**: Apache-2.0 - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-07-21 - **Last Updated**: 2026-07-22 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README

DataFoundry

企业级 Data Agent 工作台 —— 用统一语义读懂业务口径，在只读安全边界内执行多表、多步的复杂分析，
每一步可审计、可回放，把一句提问变成一次可信的数据分析。

28 类数据源开箱接入 · 企业语义与上下文组织 · 私有化部署 · 多模型适配 · 全程审计可追溯

English · 简体中文

快速开始 · 在线文档 · 支持的数据源 · 路线图 · 参与贡献

DataFoundry Web 工作台演示

--- ## 🤔 DataFoundry 是什么让 AI 直接查企业数据库，团队最担心的从来不是「模型会不会写 SQL」，而是：**它懂不懂业务口径？会不会误改生产数据？凭据会不会漏进上下文？结论出了问题能不能复盘？** 大多数工具把问题简化成 `prompt → SQL → answer`，demo 惊艳，进企业就卡死。DataFoundry 走另一条路：**把 Agent 放进一个有语义、有权限、有证据链的数据任务系统里**，让「自然语言问数」升级成可控、可信、可验证的数据工作。 ## ✨ 核心能力 - 🗄️ **28 类数据源，开箱接入** — 从 PostgreSQL、MySQL 到 Snowflake、BigQuery、ClickHouse，再到 MongoDB、Redis、Elasticsearch，快速打通企业现有数据栈，大幅降低数据接入和适配成本，让 Agent 更快进入真实业务分析。 - 🧠 **企业语义与上下文组织** — 统一管理 schema、指标口径和字段关系，让「GMV」「复购率」落到企业认可的表、字段和口径上，减少字段猜测、错误关联和口径偏差，从根上提升分析准确性。 - 🏠 **私有化部署与多模型适配** — 支持本地自托管，数据不出企业边界；模型侧兼容任意 OpenAI-compatible 服务（Qwen、DeepSeek、GPT……），按场景平衡安全、成本、延迟和效果。 - 🔒 **安全可控，审计可追溯** — 默认只读查询、凭据隔离、字段脱敏、行数限制和超时控制；SQL、工具调用和事件流全程留痕、可回放，让每个结论都有据可查。 - 🧩 **复杂数据任务深度优化** — 面向多表、多字段、长程分析和多步骤推理，把复杂问题逐步拆解、验证并收敛到可信结论，最终沉淀为表格、图表和报告等团队资产。 ## 🆕 v0.2.0 新能力 DataFoundry 0.2 在首个可用版本上，进一步补齐了有状态、可追溯的 Data Agent 工作流： - **可分支的并发分析** — 多个会话可同时运行，运行中可排队后续问题；恢复历史后，可从早期问题或 checkpoint 创建新分支，不覆盖原分析路径。 - **证据驱动的追问** — 可将完整产出，或选中的表格区域、文本片段引用到下一个问题；证据解析结果和诊断信息会进入受控 run context。 - **语义 Trace 与内置 DataLink** — 通过基于 checkpoint 的语义 Trace DAG 复盘执行结构；自研 DataLink 服务现已随仓库内置于 `services/datalink`，把表和字段连接到业务概念、实体、可 JOIN 路径和带置信度的关系，为 Agent 提供更强语义支撑。 - **可复用的产出与工作区资产** — 统一预览和导出表格、图表、报告、SQL 和文件；文件可先上传到当前会话，再提升为跨会话复用的工作区资产。 - **面向正式部署的 Web 基础** — 内置密码认证、同源 API 代理、中英双语界面、模型连接测试、首次引导，并自动准备 DTC 增长分析案例。完整能力与文档盘点见 [v0.2.0 发布说明](docs/zh/releases/v0.2.0.md)。 ## 🚀 正式态跑通默认按**正式态**部署：`password` 认证 + `build` / `start`（不要跑 `npm run dev`）。不需要准备业务数据库，包含 DTC 增长经营复盘在内的内置 demo 数据源开箱即用。正式态分两种环境，**启动命令相同**： | 环境 | 用途 | 邮箱 | 公网地址 | | --- | --- | --- | --- | | **正式测试** | 本机 / 内网验收 | `AUTH_EMAIL_DELIVERY=test`（链接打控制台） | `http://127.0.0.1:3000` | | **真实生产** | 对外服务 | `AUTH_EMAIL_DELIVERY=smtp` | 公网 HTTPS + 反代 | ```bash git clone https://github.com/datagallery-lab/datafoundry.git cd datafoundry npm install cp .env.example .env cp apps/web/.env.example apps/web/.env.local ``` 在根目录 `.env` 配置模型，并按正式测试或真实生产填好认证（样例默认偏正式测试）： ```bash LLM_PROVIDER=openai-compatible LLM_MODEL=qwen-plus # 或 deepseek-chat、gpt-4o…… LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1 LLM_API_KEY=replace-with-your-key # 可选：随主应用启动内置语义服务。 # 需要 Python 3.10+ 与 uv，并先执行一次 `npm run install:datalink`。 DATALINK_ENABLED=true DATAFOUNDRY_AUTH_MODE=password AUTH_SESSION_SECRET=replace-with-at-least-32-random-characters AUTH_PUBLIC_BASE_URL=http://127.0.0.1:3000 # 真实生产改为 https://你的域名 AUTH_EMAIL_DELIVERY=test # 真实生产改为 smtp，并填 AUTH_SMTP_* ``` `apps/web/.env.local`： ```bash NEXT_PUBLIC_DATAFOUNDRY_AUTH_MODE=password NEXT_PUBLIC_AGENT_RUNTIME_URL= NEXT_PUBLIC_CONFIG_API_URL= API_PROXY_TARGET=http://127.0.0.1:8787 ``` 构建并启动： ```bash npm run build npm run build:web npm run start # Web :3000 + API :8787（启用后含 DataLink :8080/:8081） ``` 需要拆分进程部署时，仍可使用 `start:api` 与 `start:web`；开启 DataLink 后再分别运行 `start:datalink:mcp` 和 `start:datalink:api`。打开 `http://127.0.0.1:3000/login` 注册登录后进入 `/data-tasks`，提问： ```text 帮我查看数据源里有哪些表，并说明每张表的主要字段。 ``` 你会看到完整的一条链路：schema 检查 → 只读 SQL → SQL 审计 → 表格产出 → 可回放的 run history。真实生产请再配 SMTP 与反代：[`deploy/nginx.datafoundry.conf.example`](deploy/nginx.datafoundry.conf.example)（静态 gzip/brotli；`/api/copilotkit` 关压缩与缓冲以保护 SSE）。 > 完整步骤与两种环境对照见 [快速开始](docs/zh/quick-start.md)；贡献者热更新（`npm run dev`）仅见该文档附录。接入自己的 PostgreSQL / MySQL / CSV 等见 [数据源指南](docs/zh/guides/data-sources.md)。 ## 🆚 和 Coding Agent、SQL Chatbot 有什么不同 Coding agent 改代码，SQL chatbot 回答问题，DataFoundry 跑数据任务——三者的工作对象、风险边界和产出完全不同： | | 工作对象 | 核心风险 | 产出 | | --- | --- | --- | --- | | Coding agent | 代码仓、测试、PR | 改错代码 | patch、commit、PR | | SQL chatbot | prompt、SQL、回答 | 猜错表、越权、凭据泄漏、不可复盘 | 一段 SQL 或一段回答 | | **DataFoundry** | 数据源、文件、知识库、工具、任务状态 | 生产数据边界、业务口径、审计证据 | **可回放的数据任务** + SQL 审计 + 表格 / 图表 / 报告 | 具体到数据任务上，DataFoundry 相比通用 coding agent 的核心优势是： - **精度优势，来自数据约束** — coding agent 直接面对数据库时容易猜表、猜字段、猜口径；DataFoundry 强制 schema-first，并通过 Data Gateway 约束查询路径，减少字段猜测和错误关联。 - **安全优势，来自受控执行** — coding agent 能执行命令、读写文件，能力强但对企业数据风险更高；DataFoundry 默认只读 SQL、凭据隔离、字段脱敏、行数限制、超时和审计，更适合真实数据环境。 - **性能优势，来自任务链路收敛** — 不靠模型推理天然更快，而是通过数据源选择、schema 缓存、上下文预算、工具策略和 artifact 流程减少无效尝试，让分析更快收敛到结果。 - **复杂任务优势，来自数据工作流设计** — coding agent 擅长代码工程；DataFoundry 面向多表、多字段、多指标、知识库、文件和报告产出的分析任务，把「查数、验证、解释、沉淀产出」串成完整流程。 - **落地优势，来自企业运行时** — 这不是一个 demo，而是 Web 工作台、TUI、REST API、CopilotKit / AG-UI、Data Gateway、Skill、MCP、Files、Artifacts、Metadata 组合成的数据 Agent 操作底座。 ## ⚙️ 一条数据任务如何跑完 ```text 提出问题 → 对齐语义 → 受控执行 → 沉淀产出 → 回放复盘 ``` 1. **定义任务** — 选择数据源、文件、知识库和工具，用自然语言描述业务问题。 2. **对齐语义与结构** — Agent 先检查 schema 和可用上下文，把「GMV」「复购率」这类业务词落到真实表和字段上。 3. **受控执行** — Data Gateway 在只读边界内执行查询，统一处理 SQL guard、行数限制、超时和脱敏，每条 SQL 留审计日志。 4. **沉淀产出** — 结果进入表格、图表、报告或文件，成为团队可引用的资产。 5. **回放复盘** — Web、TUI、API 共用同一条 run history，随时回看每一步的依据。

DataFoundry 运行流程

## 🖥️ 不止一个聊天框 **Web 工作台**适合日常分析和演示，**TUI** 适合终端和远程服务器，**API / CopilotKit / AG-UI** 让你把同一套可信运行时嵌进自己的产品。

## 🗄️ 接入现有数据栈，不重构通过 Data Gateway 适配器接入：内置 DTC 增长经营复盘案例开箱即用；DuckDB、SQLite、CSV、Excel、PostgreSQL、MySQL 适合本地试用；云数仓、搜索引擎和 NoSQL 按需配置服务与凭据。

DataFoundry 支持的数据源

完整列表见 [支持的数据源](docs/zh/reference/supported-datasources.md)。 ## 🛡️ 安全边界 - 模型只接收受控上下文；数据库凭据、模型 API Key 和 MCP Token 不进入 `messages`、`context` 或 `forwardedProps`。 - 所有数据源访问经由 Data Gateway，默认只读，附带 SQL guard、行数限制、超时和字段脱敏。 - SQL 审计日志、工具调用记录和事件流全程留痕，支持事后复核。 - 生产级多租户鉴权、集中式 Secret 管理、监控和部署运维需按你的部署方案单独设计，详见 [安全说明](docs/zh/security.md)。 ## 🗺️ 路线图 - [x] **受控数据任务工作台** — Web 与 TUI 共用 TypeScript Agent Runtime、CopilotKit / AG-UI 事件流、可回放运行历史、SQL 审计和统一资产层。 - [x] **安全数据访问底座** — 数据源注册、连接测试、schema 抓取、表预览、只读 SQL、脱敏、知识库导入、MCP 资源、Skill 包和模型配置。 - [ ] **统一语义层** — 沉淀指标、实体、关联、血缘和策略，让 Agent 从「猜字段」走向「理解业务口径」，从一次性 SQL 走向可治理的数据操作层。 - [ ] **自主分析循环** — Agent 规划分析、执行受控实验、审视结论，收敛到有证据支撑的结果。 - [ ] **评测与可靠性实验室** — NL2SQL、检索、工具调用和端到端任务基准，支撑回归门禁和失败分析。 - [ ] **企业控制平面** — 身份、RBAC、审批、审计导出、策略即代码、成本限制。欢迎在 issue 和 discussion 里参与路线图讨论。 ## 📚 文档 | 你要做什么 | 阅读 | | --- | --- | | 本地跑通 demo | [快速开始](docs/zh/quick-start.md) | | 了解产品定位与能力边界 | [产品概览](docs/zh/overview.md) · [能力全览](docs/zh/capabilities.md) | | 使用 Web / TUI | [Web 工作台指南](docs/zh/guides/web-workbench.md) · [TUI 指南](docs/zh/guides/tui.md) | | 接入数据源 | [数据源指南](docs/zh/guides/data-sources.md) · [支持的数据源](docs/zh/reference/supported-datasources.md) | | 对接 API 与运行时 | [REST API](docs/zh/reference/rest-api.md) · [Agent Runtime 与 AG-UI](docs/zh/reference/agent-runtime.md) | | 理解架构与安全 | [架构概览](docs/zh/architecture/overview.md) · [安全说明](docs/zh/security.md) | ## 🤝 参与贡献 DataFoundry 迭代很快，小而聚焦的 PR 最容易被合入： 1. 行为、协议、数据源适配器和 Agent 策略变更，请先开 issue 或 discussion。 2. 每个 PR 聚焦一个运行时边界或功能区。 3. 提交前运行 `npm run build` 和改动区域对应的 smoke 检查（如 `npm run smoke:data-gateway`）。 4. 改动 setup、API、数据源配置或用户可见输出时，同步更新文档。 5. 不提交凭据、本地数据库、生成的 storage 或私有 benchmark 数据。详见 [CONTRIBUTING.md](CONTRIBUTING.md)。 ## 💬 社区与交流加入 DataFoundry 社区，和我们讨论产品、路线图和落地实践；也欢迎通过 issue 和 discussion 反馈问题、提出想法。

QQ 交流群	Slack Community

交流群号 `1048076064`	加入 Slack

## 🙏 致谢 DataFoundry 受益于这些优秀的开源项目与社区： - 感谢 [LINUX DO](https://linux.do/) 社区的支持与讨论。 - [Mastra](https://github.com/mastra-ai/mastra)：Agent 运行时模式。 - [AG-UI](https://github.com/ag-ui-protocol/ag-ui)：事件流协议设计。 - [CopilotKit](https://github.com/CopilotKit/CopilotKit)：Agent 原生交互体验。 - [Ink](https://github.com/vadimdemedes/ink)：终端 UI 基础能力。 - [MCP](https://modelcontextprotocol.io)：工具生态与集成模型。 ## 📄 许可证 Apache License 2.0，见 [LICENSE](LICENSE)。 > DataFoundry 仍在快速开发中，以当前代码、公开文档和 smoke 检查结果为准。