告别手写SQL!这个国产开源AI工具,让业务人员也能“对话”数据
你有没有过这样的经历?
产品经理说:“我想看上个月华东区新用户的复购率。”
你打开数据库,翻表结构、查字段、写JOIN、调口径……半小时后才跑出结果。
结果对方回一句:“哦,其实我是想看剔除试用用户的……”
如果你点头了,那么今天介绍的这个项目,可能会让你眼前一亮——它叫 MetricBot,一个基于指标模型的 AI数据分析智能体,而且完全开源!

Part.01
为什么我们需要 MetricBot?
在大多数公司,数据团队和业务团队之间总有一道“语言鸿沟”。
-
业务人员说“活跃用户”,可能指DAU;也可能指7日留存用户;还可能是付费用户。
-
数据工程师写SQL时,必须反复确认口径,稍有不慎就“数对不上”。
-
分析师每天被临时取数需求淹没,重复劳动占了80%时间。
传统BI工具(如Tableau、Power BI)虽然能可视化,但依然依赖预建模或手动写查询。而大模型(如Copilot for SQL)虽能生成语句,却不懂你的业务语义——它不知道“GMV”在你们系统里是order_amount还是payment_success_amount。
MetricBot 的核心创新,就是把“业务语言”和“数据语言”通过“指标模型”桥接起来。
Part.02
它不是普通Text2SQL,而是 Text → DSL → SQL
MetricBot 并非简单调用大模型生成SQL。它的技术栈走了一条更稳健的路径:
自然语言 → 指标语义解析(DSL) → 结构化SQL
-
DSL(Domain Specific Language):这里指的是“指标描述语言”。比如你输入“上月销售额”,系统会先识别出:
-
指标 = 销售额(对应后台定义的 sales_amount)
-
时间维度 = 上月(自动转换为 BETWEEN ‘2026-01-01’ AND ‘2026-01-31’)
-
可能关联的数据集 = orders 表
-
指标资产中心:所有指标(如“DAU”、“LTV”、“退货率”)都预先在系统中定义好口径、计算逻辑、所属数据集。这相当于建立了一个企业级指标字典。
这样一来,无论谁问“销售额”,返回的都是同一个口径的结果——彻底解决“数出多门”问题。
功能展示:
1、指标归因


2、指标资产

3、AI问答

4、指标管理

5、AI对话


6、数据源管理

7、模型管理

Part.03
开箱即用,代码跨平台运行
作为开发者,你最关心的可能是:部署复杂吗?要配一堆环境吗?
MetricBot 的答案是:不。
-
前端基于 Python 的 Flet 框架,无需前端技能,纯 Python 写 UI。
-
后端也是 Python,轻量、易调试。
-
支持 Windows / Linux / macOS,甚至提供了一键启动包(exe),解压即用。
-
数据源支持主流数据库(MySQL、PostgreSQL 等),未来还会扩展。
💡 小贴士:首次运行需安装 Java(用于底层引擎)和 Flet 初始化包,但官方已打包好网盘链接,连网络慢的问题都替你想到了。
这意味着,一个数据工程师,花10分钟就能搭起一套“AI数据问答系统”,供整个团队使用。
Part.04
已上线的核心功能,全是刚需
MetricBot 目前(v1.6)已实现以下能力,每一项都直击痛点:

特别值得一提的是 指标归因分析 功能。它不像普通报表只展示结果,而是用AI帮你拆解影响因子,类似“杜邦分析”的自动化版本。
Part.05
AI数据分析“智能体”(Agent)
很多人把 MetricBot 当成一个“高级SQL生成器”,但它的定位其实是 AI数据分析智能体(Data Agent)。
-
它有“记忆”:知道你的指标体系。
-
它有“推理”:能根据上下文调整查询(比如连续追问“那华东区呢?”)。
-
它有“行动”:不仅能生成SQL,还能执行、出图、导出。
未来,它还将支持:
-
指标预警:当某指标异常波动,自动通知负责人。
-
血缘追踪:点击一个指标,看到它依赖哪些表、哪些上游指标。
-
多模型支持:接入本地LLM(如Qwen、Llama),保护数据隐私。
这已经不是工具,而是一个懂业务的数据同事。
MetricBot 的价值,不在于它多“炫技”,而在于它把复杂留给自己,把简单留给用户。
它或许不是最强大的AI系统,但它是最接地气的数据助手——尤其适合那些没有专职数据平台团队的中小企业、创业公司、高校实验室。
🌟 一句话总结:
MetricBot = 指标中台 + ChatBI + Text2SQL + 归因分析 + 开源免费 + 跨平台运行。
如果你厌倦了重复写SQL、解释口径、做取数民工,不妨试试它。也许,下一个提效80%的数据团队,就是你所在的那个。
如果你是:
-
数据工程师:可以用它快速搭建内部数据问答平台。
-
全栈开发者:Flet 架构简单,可二次开发加入权限、审计等功能。
-
AI爱好者:可尝试替换默认模型,接入私有大模型提升准确率。
-
学生/研究者:这是一个绝佳的“AI+数据治理”实践案例。
Gitee 地址:https://gitee.com/zhenglv123456/metric-bot
更多热门数据技术和项目
告别ETL!MindsDB:用SQL直接对话你的全域数据,打造下一代AI智能体
一套API通吃所有数据库?dbVisitor的双层适配架构揭秘
DolphinScheduler + DataX:构建企业级高效数据集成与调度平台
EasyETL:零代码也能玩转大数据调度?开源分布式中台实战解析
mooSQL:为 SQL 爱好者打造的 .NET 轻量级 ORM 工具
Databasus:一个让数据库备份变得优雅、安全又省心的开源神器
以 Magic-API + AMIS 构建快速低代码开发平台:赋能开发者高效交付
告别繁琐ETL:用Data Formulator让AI为你“烹调”数据可视化大餐
更多数据科学与技术,请关注:全栈数据
夜雨聆风