Vanna.AI

Vanna.AI 是一款功能强大的开源 AI SQL 代理，旨在弥合业务用户与复杂数据库之间的鸿沟。它允许任何人用简单的英语提问，并获得准确、可执行的 SQL 查询作为回报。这实现了数据访问的民主化，使团队能够减少编写 SQL 的时间，将更多时间用于生成可行的见解。Vanna.AI 的核心采用先进的检索增强生成（RAG）方法，通过利用您特定数据环境的上下文，其性能显著优于通用大语言模型。

如何使用 Vanna.AI

使用过程非常简单，主要包括两个步骤：

1. 训练： 您通过向 Vanna “模型”提供有关数据库的上下文来进行训练。这不是传统的模型训练，而是用您的元数据填充向量数据库。您可以使用 DDL 语句（CREATE TABLE ...）、文档（定义业务术语和指标）以及现有的正确 SQL 查询来训练它。这些训练数据教会 Vanna 您模式和业务逻辑的具体细节。
2. 提问： 训练完成后，您可以使用 Python 包中简单的 vn.ask(...) 函数来提问。Vanna 会在向量数据库中搜索最相关的上下文，将其与您的问题组合成一个提示，发送给大语言模型（LLM），然后返回一个高度准确的 SQL 查询。该查询可以自动执行以检索数据，甚至生成可视化图表。

此功能可以集成到各种前端，例如供数据科学家使用的 Jupyter Notebooks、供业务用户使用的自定义 Streamlit 或 Flask Web 应用程序，甚至是供整个团队访问的 Slackbot。

Vanna.AI 的核心功能

• 高精度文本到SQL转换： 利用基于您特定元数据（模式、文档、查询）训练的 RAG 模型，即使在复杂的数据集上也能实现 80% 及更高的准确率。
• 开源基础： 核心的 Vanna Python 包是开源的，为自定义、自托管和集成到任何项目中提供了最大的灵活性。
• 安全第一的架构： 您的敏感数据库内容绝不会发送给 LLM。Vanna 仅使用元数据作为上下文，确保您的数据在您的基础设施内保持安全。
• 持续自学习： 随着用户提问和验证查询，模型的准确性会随着时间的推移而提高。这些交互可用于扩充训练数据，形成一个良性循环。
• 广泛的数据库兼容性： 提供对 Snowflake、BigQuery、Postgres 和 MySQL 等流行数据库的开箱即用支持，并能够为任何其他基于 SQL 的数据库创建连接器。
• 灵活的部署选项： 提供完全托管的 Vanna Cloud、用于 VPC 部署的自托管选项、用于现有应用程序的嵌入式 API 以及核心开源包。
• 可定制的技术栈： 您可以选择您偏爱的大语言模型（LLM）、向量数据库和前端界面，以完美匹配您的技术要求和工作流程。

Vanna.AI 的使用案例

Vanna.AI 功能多样，可在组织内扮演多种角色：

• 对于业务团队： 产品经理、销售主管和高管可以自助满足他们的数据需求。他们可以提出“上个季度我们在德国最畅销的 10 款产品是什么？”之类的问题，并立即获得答案，而无需为数据团队创建工单。
• 对于数据分析师和科学家： 加速即席分析和报告。他们可以在几秒钟内生成一个基准查询并进行优化，而不是从头开始编写复杂的连接和子查询，从而极大地提高生产力。
• 对于软件开发者： 使用 Vanna Embedded API 或开源库，将强大的自然语言数据查询功能直接嵌入到面向客户的应用程序或内部工具中，无需从头构建文本到SQL系统即可增加重要价值。

Vanna.AI 的优势特点

• 数据访问民主化： 打破数据与决策者之间的障碍，在整个组织内培养一种更加数据驱动的文化。
• 提升生产力： 将数据专业人员从编写常规 SQL 查询的重复性任务中解放出来，使他们能够专注于更具战略性、高影响力的分析。
• 无与伦比的灵活性： 开源核心允许对从 LLM 的选择到部署环境的整个技术栈进行完全控制。
• 卓越的准确性和可靠性： 实践证明，与缺乏您特定模式知识的通用、开箱即用 LLM 相比，上下文感知的 RAG 方法在生成 SQL 方面更可靠、更准确。
• 企业级安全与治理： 凭借自托管选项和注重安全的设计，Vanna 满足了大型组织的严格合规性和数据主权要求。

定价和计划

Vanna.AI 采用灵活的免费增值模式：

• Vanna OSS： 核心 Python 包是开源且完全免费的。它非常适合希望获得最大控制权并倾向于自托管的开发人员和团队。
• Vanna Cloud： 一个托管的企业级平台，提供慷慨的免费套餐供您入门。付费计划适用于需要更强大功能、治理控制和更高使用限制的团队。
• Vanna Self-Hosted & Embedded： 对于有严格合规或集成需求的大型企业，Vanna 提供自托管部署和嵌入式 API。这些解决方案的定价是定制的，可通过联系其销售团队获取。