智能 Agent 全自动分析
- 自主探索：遇到问题会主动查看表结构、样本数据，无需强数据治理和语义层
- 多轮验证：发现异常会自动重新检查，自动pip下载需要的额外的库，确保结果准确可靠
- 复杂分析：不只是 SQL，能执行 Python 做统计分析、机器学习、数据可视化
- 推理可见：展示 Agent 的分析过程，让AI决策透明化
- 企业可用：只读权限操作，数据库连接符合绝大多数企业的要求，简单配置，满足大火的chatbi要求
AI 思考进程
|
交互式数据可视化展示
|
透明代码执行
|
- AI 查询分类: 使用 LLM 智能判断查询意图，自动选择最优执行路径
- 2种执行模式:
QA: 闲聊或非数据库请求，礼貌拒绝ANALYSIS: 数据取数与分析统一入口，可执行 Python、绘图与总结
- 安全兜底: 数据库不可用或分类失败时提供显式提醒与 fallback
- 灵活配置: 每种模式独立 Prompt，可在前端可视化配置/导入导出
- 数据库守卫: 查询前自动进行轻量连通性检测，Failure 时给予提示并允许用户决定是否继续
- 步骤播报: 可配置的 Step Narration 模块，统一输出
步骤{index}：{summary}样式，让执行过程透明可见
- 自主数据探索: Agent 会主动了解数据结构、探索数据关系
- 多轮推理迭代: 像分析师一样，发现问题会深入调查
- Chain-of-Thought: 展示 Agent 思考过程，可再次提问介入纠正
- 上下文记忆: 理解对话历史，支持连续多轮分析
- SQL + Python: 不局限于 SQL，能执行复杂 Python 数据处理，以保证数据可靠性
- 统计分析: 可进行相关性分析、趋势预测、数据异常检测
- 中文业务术语: 原生理解环比、同比、留存、复购等概念
- 智能可视化: 根据数据特征自动选择最佳图表类型(可指定)
- 新手引导系统: 交互式气泡提示，帮助新用户快速上手
- 多模型支持: GPT-5、Claude、Gemini、Ollama 本地模型随意切换
- 灵活部署: 支持云端 API 或 Ollama 本地部署，数据可不出门，符合合规要求
- 历史记录: 保存分析过程，支持回溯和分享
- 数据安全: 只读权限prompt、SQL 注入正则防护、敏感数据脱敏，确保万无一失
- 灵活导出: 支持 Excel、PDF、HTML 等多种格式
- Prompt 自定义: 前端可视化编辑查询提示词，自定义要求
- Python 3.10.x（必需，OpenInterpreter 0.4.3 依赖）
- MySQL 协议兼容的数据库（详见下方支持列表）
- 支持系统：Linux、macOS、Windows (原生支持 + WSL)
✅ Windows用户：现在支持两种方式运行：
- 原生 Windows：直接双击
setup.bat和start.bat（推荐）- WSL：使用
setup.sh和start.sh（功能完全相同）
| 对比维度 | QueryGPT | Vanna AI | DB-GPT | TableGPT | Text2SQL.AI |
|---|---|---|---|---|---|
| 费用 | ✅ 免费 | ⭕ 有付费版 | ✅ 免费 | ❌ 收费 | ❌ 收费 |
| 开源 | ✅ | ✅ | ✅ | ❌ | ❌ |
| 本地部署 | ✅ | ✅ | ✅ | ❌ | ❌ |
| 执行 Python 代码 | ✅ 完整环境 | ❌ | ❌ | ❌ | ❌ |
| 可视化能力 | ✅ 可编程 | ⭕ 预设图表 | ✅ 丰富图表 | ✅ 丰富图表 | ⭕ 基础 |
| 中文业务理解 | ✅ 原生 | ⭕ 基础 | ✅ 良好 | ✅ 优秀 | ⭕ 基础 |
| Agent 自主探索 | ✅ | ❌ | ⭕ 基础 | ⭕ 基础 | ❌ |
| 实时思考展示 | ✅ | ❌ | ❌ | ❌ | ❌ |
| 扩展能力 | ✅ 无限扩展 | ❌ | ❌ | ❌ | ❌ |
- 点击上方「一键部署」按钮并登录 Render（首次需要授权访问 GitHub）。
- 保持默认
Free方案，点击 Deploy QueryGPT 开始构建。 - 构建完成后，在 Render 控制台点击服务访问链接（形如
https://xxxx.onrender.com，示例：https://querygpt-sjje.onrender.com）即可打开应用。 - 首次部署会经历 Render 约 90 秒的冷启动，加上应用初始化通常 3-10 分钟，请耐心等待页面加载完成。
- 首次进入后，在左侧边栏的 设置 中补充自己的模型 API（
API_KEY/API_BASE_URL）和数据库连接信息，即可与真实服务联通。
ℹ️ 线上 Demo 默认使用内置示例配置，可浏览 UI、历史记录等功能。配置完成后即可启用完整的 AI 分析能力。
# 1. 克隆项目
git clone https://github.com/MKY508/QueryGPT.git
cd QueryGPT
# 2. 运行脚本
chmod +x setup.sh start.sh
./setup.sh # 自动安装所有依赖（2-5分钟）
./start.sh # 启动服务就这么简单！✨
# 1. 克隆项目（在 PowerShell 或 CMD 中）
git clone https://github.com/MKY508/QueryGPT.git
cd QueryGPT
# 2. 运行脚本
setup.bat # 自动安装所有依赖（2-5分钟）
start.bat # 启动服务💡 提示：Windows 下会使用
venv_py310\Scripts\作为虚拟环境目录，与 Linux/macOS 的venv_py310/bin/完全兼容。
# 步骤1：进入WSL（在PowerShell中）
wsl
# 步骤2：克隆项目（在WSL中）
cd ~
git clone https://github.com/MKY508/QueryGPT.git
cd QueryGPT
# 步骤3：运行脚本（在WSL中）
./setup.sh # 自动处理所有依赖
./start.sh # 启动服务自动打开浏览器访问：http://localhost:500x
- "显示最近一个月的销售数据"
- "分析产品类别的销售占比"
- "查找销售额最高的前10个客户"
- "对比今年和去年同期的销售增长"
- "预测下个季度的销售趋势"
- "找出异常的订单数据"
- "分析客户购买行为模式"
- "生成月度销售报告，包含环比、同比和趋势图"
- "分析客户流失原因并给出建议"
- "构建 RFM 客户分层模型"
- OpenAI: GPT-5, GPT-4.1(经济)
- Anthropic: Claude 4 Opus, Sonnet(评分最高,最智能的模型,推荐)
- Google: Gemini 2.5pro(litellm可能兼容性有点问题)
- 国产模型: Qwen、DeepSeek、GLM-4、百川等
- 本地模型: 通过 Ollama 支持 Llama, Mistral, Qwen 等（推荐 qwen2.5 7b以上，确保代码能力）
- 推荐选择: Claude 4系列、GPT-4、DeepSeek V3等强大的基础模型，确保Agent执行成功率
系统使用标准 MySQL 协议，支持以下数据库：
-
Apache Doris / StarRocks - OLAP 分析型数据库（推荐用于大数据分析）
-
MySQL 5.7+ / MariaDB 10.3+ - 传统关系型数据库
-
TiDB - 分布式 NewSQL 数据库
-
OceanBase - 分布式数据库（MySQL 模式）
-
PolarDB - 阿里云原生数据库
-
支持跨库查询（配置时不指定数据库名即可）
| 问题 | 解决方案 |
|---|---|
| 'python' 不是内部或外部命令 | 请安装 Python 3.10 并添加到系统 PATH，或使用 py -3.10 运行 |
| setup.bat 执行失败 | 确保已安装 Python 3.10，运行 python --version 检查版本 |
| 虚拟环境创建失败 | 运行 python -m venv venv_py310 手动创建，或检查 Python 安装是否完整 |
| start.bat 找不到虚拟环境 | 确保已运行 setup.bat 完成初始化 |
| 端口被占用 | 脚本会自动查找可用端口（5000-5100），或设置环境变量 set PORT=8080 |
| 问题 | 解决方案 |
|---|---|
| bash: ./setup.sh: No such file or directory | 您在PowerShell中，请先输入 wsl 进入WSL环境，或使用 setup.bat |
| '.' 不是内部或外部命令 | 在 WSL 中使用 ./setup.sh，或在 Windows 中使用 setup.bat |
| Permission denied | 运行 chmod +x setup.sh start.sh 添加执行权限 |
| WSL中进程立即停止 | 脚本已自动处理，使用前台运行模式 |
| 模块库确实 | 没有进入python虚拟环境(一般来说脚本会自动进入,但是有些系统受兼容性影响虚拟环境有问题,可以尝试自己创建) |
| 问题 | 解决方案 |
|---|---|
| No module named 'venv' | 运行 sudo apt install python3-venv 或使用setup.sh自动修复 |
| pip安装超时 | 脚本setup会自动配置国内镜像源（阿里云/清华/中科大） |
| virtualenv: command not found | 运行 pip install virtualenv |
| 问题 | 解决方案 |
|---|---|
| 找不到backend目录 | 运行 cd ~/QueryGPT-github && ./start.sh |
| 环境检测问题 | 运行 ./scripts/diagnostics/diagnostic.sh 查看详细环境信息,反馈邮箱 |
- 路由简化: 移除 SQL_ONLY 路径，统一为 QA（简单问候与处理）与 ANALYSIS（数据分析）双路由模式，简化执行流程
- Prompt 深度优化:
- 重写 ANALYSIS 系统提示为五阶段完整流程（连接→探索→表选择→数据处理→输出），内嵌数据库探索策略
- 同步设置页、prompt_config.json、setup.sh 等多处配置，确保前后端一致
- 数据库守卫增强:
- 连接失败时弹窗复用思考气泡、不新增对话消息，避免视觉跳跃
- 新ui：警告卡片样式优化，展示连接目标、检测时间与建议步骤
- 思考过程可视化:
- 后端自动提取
[步骤 x]播报并返回步骤数组，前端逐条播放动画，实现 ChatGPT 风格的实时思考展示 - 用户视图自动过滤步骤前缀，保持总结简洁；开发者视图保留完整日志
- 精简初始占位阶段，仅保留"理解需求"，真实步骤到来时平滑追加
- 后端自动提取
- 设置页修复: 修正标签切换逻辑，确保模型管理、数据库配置、Prompt 设置等子页面可正常切换
- 支持更多api类型: 国内外和本地多api
- 速度提升: 异步处理,后端加速进行,删除不必要的检测
- 停止按钮优化: 可以不妨碍历史记录生成
- 新建模型处理: 可以支持使用更多的模型
- 人性化处理: 一些默认配置更符合用户使用
- 历史记录优化: 过滤掉没有实际意义的打断的查询对话
- 虚拟环境智能创建: 解决Ubuntu/Debian缺少python3-venv问题
- 三层回退机制: venv → 自动安装python3-venv → virtualenv备选
- Windows WSL文档: 增强README说明，明确必须在WSL中运行
- 环境检测优化: 修复macOS和纯Linux环境检测问题
- 诊断工具新增: 添加diagnostic.sh用于环境问题排查
- 代码深度清理: 删除45KB无用代码，提升项目可维护性
- 启动速度优化: 移除首次进入模型页的自动批量测试，减少无必要请求并避免状态误写，缩短首屏加载时间
- 交互式引导: 首次访问自动展示系统功能，气泡提示引导操作
- 智能定位: 自动检测元素位置，确保气泡准确指向目标
- 灵活配置: 通过配置文件控制引导行为，可轻松禁用
- 进度跟踪: 显示引导进度，支持前进、后退、跳过操作
- 用户友好: 历史记录优化，移除冗余模型显示，修复对话计数
配置文件:
config/onboarding_config.json- 设置enabled: false可禁用引导
- 可视化编辑: 在设置页面直接编辑 AI 查询提示词
- 配置管理: 支持保存、恢复默认、导入导出配置
- 灵活定制: 根据业务需求调整探索策略、表选择规则、字段映射等
- 多语言支持: 完整的中英文 i18n 支持
- 实时生效: 修改后立即应用到查询过程
欢迎提交 Issue 和 Pull Request！
MIT License - 详见 LICENSE
- OpenInterpreter - 核心 AI 引擎
- Flask - Web 框架
- Plotly - 数据可视化
- GitHub Issues: 提交问题
- Email: mky369258@gmail.com
- 这是作者第一个项目作品,有任何疑问或者可能需要的改动,都可以提交issue或者pr,我会尽可能进行调整
- 如果觉得有用，请给个 ⭐ Star 支持一下！这对作者的研究生复试很重要(也许)
如果觉得有用，请给个 ⭐ Star 支持一下！